Automotive Radar Targets

新研究探索汽车雷达目标检测的不确定性量化

这篇研究论文探讨了使用两种深度学习框架进行汽车雷达目标检测的不确定性量化：一种是基于冯·米塞斯（VM）分布的集成方法，另一种是证据深度学习（EDL）方法。VM集成方法提供了与方向几何一致的可解释不确定性度量，而EDL方法则提供了更平滑的不确定性变化。两种方法都通过估计雷达目标在各种条件下的到达方向（DOA）的能力进行了评估。研究发现，VM集成方法对严重扰动更敏感，并允许直接进行概率集成到跟踪系统中，突显了不确定性估计中几何一致性与统计…