基于 PointNets 的雷达数据异常检测
计算机视觉与模式识别
2021-09-21 v1 机器学习
信号处理
摘要
对于自动驾驶而言,雷达是一种重要的传感器类型。一方面,雷达可直接测量环境中目标的径向速度。另一方面,在文献中,雷达传感器以对多种恶劣天气条件的鲁棒性而著称。然而,不利的一面是,雷达易受幻影目标或杂波的干扰,其可能由多种不同原因引起,例如环境中的反射面。例如,幻影目标可导致错误的目标检测。为此,尽早识别雷达数据中的异常目标是可取的。在本工作中,我们提出一种基于 PointNets 的方法来检测异常雷达目标。受任务驱动修改 PointNet 架构,我们开发了一种新颖的分组变体,其贡献于一个多形式分组模块。我们的方法在城市场景的真实世界数据集上进行了评估,并在异常雷达目标检测中显示出有前景的结果。
引用
@article{arxiv.2109.09401,
title = {Anomaly Detection in Radar Data Using PointNets},
author = {Thomas Griebel and Dominik Authaler and Markus Horn and Matti Henning and Michael Buchholz and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2109.09401},
year = {2021}
}
备注
Accepted for presentation at the 2021 IEEE 24th International Conference on Intelligent Transportation Systems (ITSC), September 19-22, 2021, Indianapolis, USA