基于生成对抗网络的方法用于激光雷达辅助雷达图像增强
计算机视觉与模式识别
2024-09-04 v1 人工智能
机器学习
摘要
本文提出了一种基于生成对抗网络（GAN）的方法用于雷达图像增强。尽管雷达传感器在恶劣天气条件下仍具备稳健性，但其在自动驾驶车辆（AVs）中的应用通常受限于低分辨率数据的制约。本研究的主要目标是增强雷达图像，以更准确地描绘环境的细节和特征，从而促进自动驾驶车辆中更精确的目标识别。该方法利用高分辨率二维投影激光雷达（LiDAR）点云作为参考图像，将低分辨率雷达图像作为输入进行训练。参考图像的获取主要经历两个步骤：首先，通过累积原始LiDAR扫描数据生成LiDAR点云图；其次，采用定制化的LiDAR点云裁剪和投影方法获取二维投影LiDAR点云。该方法的推理过程仅依赖雷达图像即可生成增强后的图像。通过定性和定量结果均展示了所提方法的有效性。结果表明，所提方法能够在恶劣天气条件下生成更清晰目标表征的增强图像，相较于输入雷达图像具有更好的目标表示。
引用
@article{arxiv.2409.00196,
title = {A Generative Adversarial Network-based Method for LiDAR-Assisted Radar Image Enhancement},
author = {Thakshila Thilakanayake and Oscar De Silva and Thumeera R. Wanasinghe and George K. Mann and Awantha Jayasiri},
journal= {arXiv preprint arXiv:2409.00196},
year = {2024}
}