通过高效的跨模态扩散模型实现密集准确的雷达感知
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
mmDiff 是一种针对嘈杂雷达数据的新型扩散式姿势估计器,解决了人体部分的漏检和环境干扰引起的信号不一致性等两个关键挑战,通过设计多个模块提供可靠的条件,显著优于现有方法,在公共数据集上实现了最先进的性能。
Mar, 2024
以 4D 毫米波雷达为基础,作者构建了第一个桥接自然语言和雷达场景的数据集 Talk2Radar,提出了一种新颖模型 T-RadarNet,实现了 3D 点云的自然语言驱动上下文理解,并在 Talk2Radar 数据集上取得了领先同类模型的最先进性能。
May, 2024
DiffSBR 是一种基于云图的微波(mmWave) 传感技术的 3D 重建方法,通过不同的可微分光线跟踪引擎模拟雷达点云,再通过梯度优化器调整模型参数以最小化模拟与真实点云之间的差异,实现了对微波信号稀疏性的精确 3D 重建。将基于物理的模拟与梯度优化结合起来,DiffSBR 超越了数据驱动方法的限制开创了微波感知新的范式。
Nov, 2023
通过使用 R2DM 模型和 DDPMs 方法,本研究提出了一种新的用于生成 LiDAR 数据的生成模型,该模型可以基于图像表示生成多样性和高保真度的 3D 场景点云,有效地优化了 KITTI-360 和 KITTI-Raw 数据集的生成任务以及 KITTI-360 数据集的上采样任务。
Sep, 2023
传感器融合在自主车辆的准确和健壮的感知系统中至关重要。大多数现有的数据集和感知解决方案都专注于相机和激光雷达的融合,然而相机和雷达之间的协作被显著地低估。本论文介绍了 CRUW3D 数据集,包括 66K 个在不同行驶情景中同步并进行了校准的相机、雷达和激光雷达帧。与其他大规模自动驾驶数据集不同,我们的雷达数据以射频(RF)张量的格式呈现,包含了 3D 位置信息和时空语义信息。这种雷达格式可以使机器学习模型在相机和雷达之间交互和融合信息或特征后生成更可靠的物体感知结果。
Nov, 2023
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
本研究探讨了利用安装在无人机上的毫米波雷达传感器对多个物体在空间中重建 3D 形状的可行性,并评估了两个不同的模型,结果表明这两个模型在解决多个物体重建问题方面都很有前途。
Nov, 2022
提出了一种基于多模态机器学习的方法,利用无线通信环境中收集到的位置和视觉数据快速预测光束方向,实现了超过 75% 的准确度和近乎 100% 的前 3 名光束预测准确度。
Nov, 2021