May, 2021

稀疏毫米波雷达点云中的实时人员追踪与鉴别

PDF
TL;DR本文提出了一种低复杂度高精度的端到端方法，使用来自低成本 mm 波雷达的稀疏点云序列，结合扩展物体跟踪 Kalman 滤波器和针对雷达点云的有效特征提取和快速推理的深度学习分类器，实时跟踪和识别多个主体，并在一组八个对象中准确识别三个对象，操作速度高达 15 帧 / 秒。
mm-wave radarmicro-doppler signatureextended object tracking kalman filterdeep learning classifierreal-time
发现论文，激发创造
  • 毫米波微多普勒特征的多人连续跟踪和识别

    研究使用回波毫米波无线电信号在室内环境中联合跟踪和识别人类身份，并结合多个处理步骤，如滤波、分类和轨迹跟踪等，以实现多用户场景中的准确性和鲁棒性。

    Mar, 2020

  • 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

  • mm-Pose: 基于 mmWave 雷达和 CNN 的实时人体骨骼姿态估计

    该研究提出了一种新的使用 mmWave 雷达在实时情况下检测和跟踪人体骨架的方法，使用机器学习进行骨骼关节的三维定位，可应用于交通监控、自动驾驶、病人监测和国防军事等领域，并且克服了光照和恶劣气象条件的影响。

    Nov, 2019

  • 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

  • 基于扩散的毫米波雷达点云超分辨率

    本论文提出了一种新的点云超分辨率方法，名为雷达扩散。该方法使用受均值回归的随机微分方程定义的扩散模型，并通过与对应的 LiDAR 点云的监督来处理雷达幽灵点，将稀疏的毫米波雷达点云增强为稠密的类似 LiDAR 的点云。通过在两个不同的数据集上评估，实验结果表明我们的方法在 3D 雷达超分辨率任务中优于现有的基准方法。此外，我们证明了我们增强的雷达点云能够进行下游的基于点云的雷达配准任务。

    Apr, 2024

  • milliFlow: 用毫米波雷达点云进行场景流估计以实现人类运动感应

    提出了一种基于毫米波雷达的新型深度学习方法，即 milliFlow，用于场景流估计，为下游的人体动作传感任务提供了中间级别的特征，并且进一步改善了人体活动识别、人体分割和人体部分跟踪。

    Jun, 2023

  • 基于成像雷达的多目标跟踪的三维物体检测

    使用基于学习的目标检测器和经典的跟踪算法相结合的方法，对成像雷达数据上的多目标跟踪方法进行了比较和分析，研究其在后续任务中的潜力，并考虑了概率关联算法的改进。

    Jun, 2024

  • 4D 雷达点云的运动物体检测与追踪

    移动自主性依赖于对动态环境的精确感知。因此，鲁棒地跟踪三维世界中的移动物体对于轨迹预测、避障和路径规划等应用至关重要。尽管大多数当前方法利用激光雷达或摄像头进行多目标跟踪 (MOT)，但四维成像雷达的能力仍然很少被探索。针对四维雷达数据中的雷达噪声和点稀疏性带来的挑战，我们介绍了一种针对基于雷达的跟踪的创新解决方案 RaTrack。我们的方法摒弃了对特定物体类型和三维边界框的依赖，而是专注于运动分割和聚类，并且通过运动估计模块进一步丰富。在 View-of-Delft 数据集上进行评估，RaTrack 展示了对移动物体的优越跟踪精度，明显超过了最新研究的性能。

    Sep, 2023

  • 基于毫米波雷达的医疗监护机器人人体活动识别

    通过在可移动机器人上装载毫米波雷达系统与轻量级深度神经网络结合，实现了实时监测人类活动的医疗监测系统。

    May, 2024

  • 利用 mmWave 雷达和深度卷积神经网络实时检测多个病人的行为

    本研究提出了一种使用 mmWave 雷达和深度卷积神经网络（CNN）的新型患者行为检测系统，支持实时同时识别多个患者的行为，利用三层 CNN 模型对每个患者的行为进行分类，经过训练和测试，在两个患者场景下取得了非常好的推理准确性。

    Nov, 2019