1. Cam と Radar の統合に関するレビュー論文
1.1. カムレーダー観測測量セムセグAD調査
题目：自動運転における物体検出とセマンティックセグメンテーションのためのレーダーとカメラの融合：包括的なレビュー
タイトル: 自動運転における物体検出とセマンティックセグメンテーションのためのレーダーとカメラの融合: 包括的なレビュー
論文: https://arxiv.org/abs/2304.10410
1.2. CamRadarPepADアンケート
题目：自動運転車とADASのカメラとレーダーの認識：コンセプト、データセット、メトリクス
タイトル: 自動運転車とADASのカメラレーダー認識: コンセプト、データセット、メトリクス
論文: https://arxiv.org/abs/2303.04302
1.3. ビジョンレーダーフュージョンBEVDet調査
题目：ロボット BEV 検出のためのビジョンとレーダーの融合: 調査
タイトル: ロボット BEV 検出のためのビジョンとレーダーの融合: 調査
論文: https://arxiv.org/abs/2302.06643
2. Cam と Radar はオープンソース アルゴリズムを統合します
2.1. カムレーダーSP
题目：協調的かつ分散型センサーフュージョンのためのモジュラープラットフォーム
名前: 協調的かつ分散型センサー フュージョンのためのモジュラー プラットフォーム
論文: https://arxiv.org/abs/2303.07430
2.2. センターフュージョン
题目：CenterFusion: 3D 物体検出のためのセンターベースのレーダーとカメラの融合
名前: CenterFusion: 3D オブジェクト検出のためのセンターベースのレーダーとカメラの融合
論文: https://arxiv.org/abs/2011.04841
コード: https://github.com/mnabati/CenterFusion
2.3. CFTrack
注目：CFTrack: 3D マルチオブジェクト追跡のためのセンターベースのレーダーとカメラの融合
名前: CFTrack: 3D マルチターゲット追跡のためのセンターベースのレーダーとカメラの融合
論文: https://arxiv.org/abs/2107.05150
2.4. クラフト
题目：CRAFT: 空間コンテキスト融合トランスフォーマーを使用したカメラレーダー 3D オブジェクト検出
名称: CRAFT: 空間コンテキスト融合トランスフォーマーを使用したカメラレーダー 3D オブジェクト検出
論文: https://arxiv.org/abs/2209.06535
2.5. クラムネット
题目：CRAFT: 空間コンテキスト融合トランスフォーマーを使用したカメラレーダー 3D オブジェクト検出
名称: CRAFT: 空間コンテキスト融合トランスフォーマーを使用したカメラレーダー 3D オブジェクト検出
論文: https://arxiv.org/abs/2209.06535
2.6. CRExtCalib
题目：3D レーダーからカメラへの外部キャリブレーションのための連続時間アプローチ
名前: カメラに対する 3D レーダーの外部校正のための連続時間手法
論文: https://arxiv.org/abs/2103.07505
2.7. CRFドライブTrj
题目：インフラカメラおよびレーダーセンサーからの自然な人間の運転軌跡の抽出と評価
名称：インフラカメラやレーダーセンサーからの人間の自然な走行軌跡の抽出と評価
論文: https://arxiv.org/abs/2004.01288
2.8. CRF-DS
题目：単眼画像とまばらなレーダーデータからの深度推定
名前: 単眼画像とまばらなレーダー データに基づく深度推定
論文: https://arxiv.org/abs/2010.00058
2.9. CRF-ODDS
テーマ：自動運転車における共同物体の検出と距離推定のためのレーダーとカメラのセンサー融合
名前: 自動運転車における共同物体検出と距離推定のためのレーダーとカメラのセンサーの融合
論文: https://arxiv.org/abs/2009.08428
2.10. CRFネット
题目：物体検出のためのディープラーニングベースのレーダーとカメラセンサーの融合アーキテクチャ
名前: ターゲット検出のための深層学習ベースのレーダーとカメラ センサーの融合アーキテクチャ
論文: https://arxiv.org/abs/2005.07431
コード: https://github.com/TUMFTM/CameraRadarFusionNet
2.11。CRF-OT
题目：自動車ターゲット追跡のための逆合成開口レーダーとカメラ画像の融合
名称: 自動車ターゲット追跡のための逆合成開口レーダーとカメラ画像の融合
論文: https://arxiv.org/abs/2209.13512
2.12. CRF-VSM
题目：ミリ波レーダーとカメラフュージョンによる動的環境におけるバイタルサインモニタリング
名称：ミリ波レーダーとカメラフュージョンによる動的環境におけるバイタルサインの監視
論文: https://arxiv.org/abs/2304.11057
2.13. CRN BEV
注目：CRN: 正確、堅牢、効率的な 3D 認識のためのカメラ レーダー ネット
名前: CRN: 正確、堅牢、効率的な 3D 認識のためのカメラ レーダー ネットワーク
論文: https://arxiv.org/abs/2304.00670
2.14。ジェンレーダー
题目：GenRadar: レーダー周波数に基づく自己監視型確率的カメラ合成
名前: GenRadar: レーダー周波数に基づく自己監視型確率的カメラ合成
論文: https://arxiv.org/abs/2107.08948
2.15。GRIFネット
トピック：GRIF Net: レーダー点群と単眼画像からの堅牢な 3D オブジェクト検出のためのゲート関心領域融合ネットワーク
名称: GRIF Net: レーダー点群と単眼画像からの堅牢な 3D オブジェクト検出のためのゲート関心領域融合ネットワーク
論文: https://ieeexplore.ieee.org/document/9341177
2.16 イムフュージョン
题目：ImmFusion: あらゆる気象条件下での 3D 人体再構築のための堅牢な mmWave-RGB 融合
名前: ImmFusion: あらゆる気象条件下での 3D 人体再構成のための堅牢なミリ波と RGB の融合
論文: https://arxiv.org/abs/2210.01346
2.17。MVフュージョン
题目：MVFusion: セマンティックに調整されたレーダーとカメラの融合によるマルチビュー 3D オブジェクト検出
名前: MVFusion: 意味的に調整されたレーダーとカメラの融合を使用したマルチビュー 3D オブジェクト検出
論文: https://arxiv.org/abs/2302.10511
2.18 らびらネット
注目：自動運転車における堅牢な物体検出のためのレーダー + RGB の丁寧な融合
名前: 自動運転車における堅牢なターゲット検出のためのレーダー + RGB アテンション フュージョン
論文: https://arxiv.org/abs/2008.13642
2.19。RadSegNet
题目：RadSegNet: レーダー カメラ フュージョンへの信頼できるアプローチ
名前: RadSegNet: レーダー カメラ フュージョンへの信頼性の高いアプローチ
論文: https://arxiv.org/abs/2208.03849
2.20。RC-BEV
要目：マルチモーダル フュージョン 3D 物体検出のためのレーダーとカメラ機能間の視界の相違を埋める
名前: マルチモーダル フュージョン 3D ターゲット検出のためのレーダーとカメラの機能間のビューの違いを埋める
論文: https://arxiv.org/abs/2208.12079
2.21。RCDPT
题目：RCDPT: レーダーとカメラの融合高密度予測トランスフォーマー
名前: RCDPT: レーダーとカメラの融合高密度予測トランスフォーマー
論文: https://arxiv.org/abs/2211.02432
2.22 RCF-FVE
题目：レーダーとカメラの融合による全速レーダーの復活
名前: フルスピードレーダーエコーのレーダーとカメラの融合
論文: https://arxiv.org/abs/2108.10637
2.23。RCフュージョンRL
题目：自動運転における表現学習によるレーダーカメラ融合
名称：自動運転における表現学習によるレーダーカメラの融合
論文: https://arxiv.org/abs/2103.07825
2.24。ルートネット
题目：RODNet: クロスモーダル監視を使用したレーダー物体検出
名前: RODNet: クロスモーダル監視を使用したレーダー目標検出
論文: https://arxiv.org/abs/2003.01816
2.25。ヨーダル
注目：YOdar: カメラおよびレーダーセンサーによる車両検出のための不確実性ベースのセンサーフュージョン
名前: YOdar: カメラとレーダー センサーを使用した車両検出のための不確実性ベースのセンサー フュージョン
論文: https://arxiv.org/abs/2010.03320
3. まとめ
以前の CamRadar リア/ターゲット フュージョン戦略は、ハイエンド/L3 自動運転の機能、パフォーマンス、リアルタイム、安全性、堅牢性の要件を満たすことができません。
成熟した、堅牢、高性能、高精度のタイミングベース、BEV/変圧器/占有ベースの CamRadar プレフュージョン ソリューションは、低コストのハイエンド ADAS 製品の実装の鍵となります。