王杨;王臣飞;张广海;张俊;后海伦;欧阳少雄; 

为了解决单传感器在复杂环境下目标检测精度低问题，提出了一种基于RD-YOLO的毫米波雷达和视觉融合的显著性目标检测方法。首先设计了能够将毫米波雷达点云转换为图像的方法，使毫米波雷达和视觉数据在模型输入时实现特征融合；然后通过动态互补注意力机制，对两个图像分支生成特征设置空间和通道动态注意力权重；最后采用YOLOv8检测融合后特征，引入改进损失函数Focal Loss以解决样本不均衡问题。在数据集nuScenes上开展的相关实验表明，与YOLOv5、YOLOv7、YOLOv8、Faster R-CNN和FCOS相比，所提方法目标检测综合性能良好，均值平均精度比原始YOLOv8提升了9.19%。