3DRIMR：基于深度学习的毫米波雷达三维重建与成像
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
机器学习
摘要
毫米波雷达已被证明是一种在低能见度、烟雾、粉尘和浓雾环境中有效的感知技术。然而，由于雷达数据的稀疏性、低分辨率、镜面反射、高噪声以及多径引起的阴影反射与伪影等特性，挖掘雷达感知潜力以重建三维物体形状仍是一项巨大挑战。本文提出基于毫米波雷达的三维重建与成像（3DRIMR），一种基于深度学习的架构，可根据稀疏的原始毫米波雷达强度数据，以稠密细节点云格式重建物体的三维形状。该架构由两个背靠背的条件 GAN（生成对抗网络，conditional GAN）深度神经网络组成：第一个生成器网络基于原始雷达强度数据生成二维深度图像，第二个生成器网络基于第一个生成器的结果输出三维点云。该架构同时利用了卷积神经网络（CNN）的卷积操作（提取局部结构邻域信息）以及点云在效率与细节几何捕获方面的能力（而非代价高昂的三维空间体素化或距离场）。我们的实验证明了 3DRIMR 在重建三维物体上的有效性，以及相较标准技术的性能提升。
引用
@article{arxiv.2108.02858,
title = {3DRIMR: 3D Reconstruction and Imaging via mmWave Radar based on Deep Learning},
author = {Yue Sun and Zhuoming Huang and Honggang Zhang and Zhi Cao and Deqiang Xu},
journal= {arXiv preprint arXiv:2108.02858},
year = {2021}
}