Apr, 2020

RSS-Net: 基于 FMCW 雷达的弱监督多类语义分割

PDF
TL;DR本文介绍了一种有效的注释过程以及其应用，旨在利用 FMCW 扫描雷达对感知环境进行端到端的丰富语义分割。通过利用迄今为止收集的最大雷达集中的城市自治数据集，我们避免了繁琐的手动标注，并将雷达扫描与 RGB 相机和 LiDAR 传感器相关联，在此过程中，语义分割已经是一个已经巩固的程序。最后，我们使用多通道雷达扫描输入呈现网络，以处理短暂的和动态的场景对象。
semantic segmentationfmcw scanning radarurban autonomy datasetlidar sensorsmulti-channel radar scan
发现论文，激发创造
  • 基于全卷积网络的 FMCW 雷达目标检测和三维估计

    本文使用深度学习框架对 FMCW 雷达进行物体检测和 3D 估计，在处理雷达训练数据时，通过图像分析提供三维空间中物体方向的真实值，并提出归一化方法以确保成功训练完全卷积网络 (FCN)，该系统能够在嘈杂环境中成功检测到汽车并进一步估计其 3D 位置。

    Feb, 2019

  • 使用毫米波雷达稀疏点云进行人类语义分割

    本文提出了一种用于毫米波雷达稀疏连续点云的语义分割框架，该框架包括图结构和拓扑特征，全局和顺序特征提取模块，以及更适合的损失函数，实验结果表明，该模型在自定义数据集和基准数据集上表现优异。

    Apr, 2023

  • RSL-Net：利用地面雷达在卫星图像中进行定位

    本文介绍了一种在地面车辆上安装 FMCW 雷达，利用从上方获取的图像完成车辆定位的方法，并且该方法通过跨模态处理自然地处理了信号类型的复杂性。

    Jan, 2020

  • 汽车雷达数据中移动物体的同时杂波检测和语义分割

    我们研究了一种新的多头神经网络架构，同时解决了雷达点云中的杂波检测和移动道路用户的语义分割问题，并通过只使用一个输出值来表示网络的预测结果，从而达到了与传统特定任务模型相同的推断时间，我们在 RadarScenes 数据集上的广泛评估中证明了我们的设置非常有效，并且在雷达场景的语义分割上优于现有的任何网络。

    Nov, 2023

  • 多视角雷达语义分割

    该研究通过使用汽车雷达等主动传感器，提出了基于端到端可训练模型的多视角分析方法，实现了场景的语义分割，进一步提高自动驾驶的效率和准确性。

    Mar, 2021

  • TransRadar：适应方向变换的实时多视角雷达语义分割

    我们提出了一种新的方法，通过一种新的架构和损失函数对雷达场景进行语义分割，从而克服了雷达数据的固有噪声、稀疏性以及前景和背景的不平衡。我们的方法 TransRadar 在 CARRADA 和 RADIal 数据集上优于现有方法，并且模型尺寸更小。

    Oct, 2023

  • 感知感知多传感器融合用于 3D LiDAR 语义分割

    本文章提出了一种基于感知信息的多传感器融合策略（PMF），用于自动驾驶等应用中的 3D LiDAR 语义分割，通过两个模态的外观和空间深度信息进行感知信息融合并且提出了感知相关的损失函数用于衡量两种模式之间的差异性，实验结果证明了该方法的优越性。

    Jun, 2021

  • 边缘 FMCW 雷达的手势识别

    基于 60 GHz FMCW 雷达的轻量级手势识别系统，通过一种瘦身的雷达处理算法提取五个特征，并利用基于循环神经网络的架构实现手势的检测和分类。该系统在嵌入式平台上运行，对内存、计算和功耗有严格要求，达到了 98.4% 的 F1 分数，在 Arm Cortex-M4 微控制器上仅需 280 kB 的闪存空间、120 kB 的 RAM 和 75 mW 的功耗。

    Oct, 2023

  • 基于 GMM 的毫米波雷达多模交通监测中的点云分割

    以毫米波雷达为传感器，提出基于高分辨率雷达点云的混合高斯模型无监督学习算法，在多模态交通监测中取得了良好的分割效果。

    Nov, 2019

  • 用于汽车雷达干扰抑制的全卷积神经网络

    本文提出了一种基于全卷积神经网络的 FMCW 雷达干扰抑制方法，改善了汽车场景下雷达传感器之间的干扰问题，同时开源了一个近似实际汽车场景的大规模数据集。

    Jul, 2020