基于注意力機制CNN-LSTM的毫米波雷達點云特征數(shù)據(jù)預測生成

摘要： 在智能駕駛的環(huán)境感知領(lǐng)域，毫米波雷達是一種關(guān)鍵的傳感器技術(shù)。然而，因數(shù)據(jù)量有限，其特征數(shù)據(jù)的采集具有一定的挑戰(zhàn)性，這限制了環(huán)境感知分類模型的訓練效果。針對這一難題，提出了一種融合自注意力機制的卷積長短期記憶網(wǎng)絡模型，旨在預測并生成毫米波雷達點云的特征數(shù)據(jù)，以此來擴展雷達特征數(shù)據(jù)集。首先采集道路目標的運動狀態(tài)數(shù)據(jù)，對數(shù)據(jù)進行二維快速傅里葉變換、恒虛警率檢測，并利用多輸入多輸出(M... （共8頁）