Jun, 2023

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

PDF
TL;DR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。
ubiquitous computinghuman motion sensingmmwave radarsdeep learninghuman activity recognition
发现论文，激发创造
  • MiliPoint：用于毫米波雷达的点云数据集

    利用 mmWave 雷达进行人体活动识别的大规模开放数据集 MiliPoint，提供了一种更有效的基于点集的深度学习方法，包括 DGCNN、PointNet++ 和 PointTransformer 等，可为进一步发展奠定基础。

    Sep, 2023

  • 稀疏毫米波雷达点云中的实时人员追踪与鉴别

    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。

    May, 2021

  • 真实世界点云的可伸缩场景流

    本文介绍一种新的基于运动跟踪的大规模数据集并提出适用于全点云的 FastFlow3D 架构，以更好地进行场景流预测并提高现实世界的表现。

    Mar, 2021

  • 学习 3D 点云中的场景流

    本研究提出了一种新颖的神经网络模型 FlowNet3D，该模型旨在从点云数据中学习场景流，该模型可以通过扫描定位和运动分割等多种应用，对 Lidar 扫描等多种实际场景进行高效准确的场景流处理。

    Jun, 2018

  • 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

  • 在伪激光雷达上进行 3D 场景流估计：填补点运动估计的差距

    本文提出了一种基于生成的深度图的方法，通过引入像素的稠密性来实现直接从 2D 图像学习 3D 场景流，以及利用统计方法和视差一致性损失来解决噪声点的问题，从而达到了更加有效的自监督学习 3D 场景流的目的。实验证明，这种方法优于合成数据集和激光雷达点云学习的方法，在场景流估计任务中表现出更好的稳定性和准确度。

    Sep, 2022

  • MaskFlow: 对象感知的运动估计

    我们介绍了一种新颖的运动估计方法 MaskFlow，能够在小目标、大位移和外观剧变等极具挑战的情况下估计准确的运动场，通过利用物体级特征和分割，MaskFlow 能够近似物体的平移运动场，并提出了一种将不完整的平移运动场结合到后续的运动估计网络中进行精化和补全的有效方法。我们还提供了一个具有运动场 Ground Truth 的新的挑战性合成数据集，并为对象实例匹配和相应分割掩码提供了额外的 Ground Truth。我们证明，当在我们提供的新的挑战性数据集上评估时，MaskFlow 优于现有方法，同时在广受欢迎的 FlyingThings3D 基准数据集上也能产生可比较的结果。

    Nov, 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

  • ProbRadarM3F: 基于 mmWave 雷达的人体骨骼姿态估计与概率图引导的多格式特征融合

    通过概率地图引导的多格式特征融合模型 ProbRadarM3F，本文提出了一种用于人体姿态估计的新型毫米波雷达特征提取框架，有效地实现了人体的 14 个关键点的估计。实验证明了该模型的有效性，其 AP 达到 69.9%，突出了研究中未被利用的位置信息，为探索毫米波雷达中的其他潜在非冗余信息提供了方向。

    May, 2024

  • 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