Integração multissensor de câmera e radar para detecção de objetos para desenvolvimento de sistemas avançados de auxílio à condução

Abstract

A percepção precisa da cena de trânsito é essencial para a segurança e a eficácia dos Sistemas Avançados de Assistência ao Condutor (ADAS), bem como para a transição rumo à condução autônoma. Este trabalho investiga a fusão de dados entre sensores de câmera e radar automotivo, utilizando a base de dados nuScenes, com foco na aplicação de técnicas de fusão nos níveis baixo e médio, tendo como referência comparativa o detector de objetos Faster R-CNN. Inicialmente, foi implementada a fusão de baixo nível por meio da Radar Region Proposal Network (RRPN), na qual o radar é empregado como sensor principal na geração de regiões de interesse. No entanto, essa abordagem apresentou desempenho inferior ao do detector baseado exclusivamente em câmera, uma vez que objetos não detectados pelo radar não são processados pela rede neural, comprometendo a robustez da detecção. Os resultados indicaram que mais da metade das bicicletas e motocicletas anotadas na base nuScenes não possuem qualquer ponto de radar associado; no caso dos pedestres, apenas cerca de 20% apresentam ao menos um ponto detectável por esse sensor. Em seguida, foi avaliada a fusão de características (médio nível), com a implementação do módulo Spatial Attention Fusion (SAF) na arquitetura da rede. Os resultados demonstraram melhorias consistentes nas métricas de desempenho, com destaque para ganhos de 1.64% em AP75, 0.96% em AP50, 0.80% em AR e 1.36% em APs, indicando maior precisão na localização das caixas delimitadoras e na detecção de pequenos objetos. Esses avanços validam o potencial da fusão sensorial em nível de características como estratégia eficaz para aprimorar a percepção em sistemas autônomos.