4DR P2T：基于点云的 4D 雷达张量合成
计算机视觉与模式识别
2025-02-11 v1
摘要
在四维（4D）雷达点云生成中，通常使用常数误差警报率（CFAR）算法进行杂波消除。然而，CFAR 可能无法完全捕捉物体的空间特征。为克服此限制，本文提出 4D 雷达点到张量（4DR P2T）模型，生成适用于深度学习的张量数据，同时最小化测量误差。我们的方法采用条件生成对抗网络（cGAN），对 4D 雷达点云数据进行有效处理并生成张量数据。在 K-Radar 数据集上的实验结果表明，4DR P2T 模型有效，平均 PSNR 为 30.39dB，SSIM 为 0.96。此外，我们分析了不同点云生成方法，发现 5% 分位方法综合性能最佳，而 1% 分位方法在数据量减小与性能之间提供了最佳平衡，特别适用于深度学习应用。
引用
@article{arxiv.2502.05550,
title = {4DR P2T: 4D Radar Tensor Synthesis with Point Clouds},
author = {Woo-Jin Jung and Dong-Hee Paek and Seung-Hyun Kong},
journal= {arXiv preprint arXiv:2502.05550},
year = {2025}
}
备注
6 pages, 4 figures