一种基于毫米波雷达与视觉融合的复杂天气下三维目标检测方法

复杂天气下的三维目标检测是智能驾驶中的关键难题，极端天气易干扰传感器，导致检测精度下降。本发明提出了一种基于毫米波雷达与视觉融合的复杂天气下三维目标检测方法，针对公开数据集中不良天气图像数据稀缺的问题，设计了图像生成模块用于模拟降雨、降雪等复杂环境图像。采用自蒸馏机制，将正常天气下教师模型学习到的多模态知识迁移至在不良天气下训练的学生模型，以提升复杂环境下的检测性能。此外，为增强多模态信息融合能力，在教师与学生模型中均引入了门控融合模块，利用可学习的门控融合机制动态调节多模态特征融合的权重分配。该方法有效提升了模型在复杂天气条件下的鲁棒性与检测精度。