距离图像驱动的基于扩散的毫米波雷达点云增强

毫米波（mmWave）雷达在机器人和自动驾驶领域引起了广泛关注。然而，尽管在恶劣环境中具有感知稳定性，毫米波雷达生成的点云相对稀疏且包含大量噪声，这限制了其进一步发展。传统的毫米波雷达增强方法往往难以发挥扩散模型在超分辨率中的有效性，这主要归因于不自然的距离-方位热力图（RAH）或鸟瞰图（BEV）表示。为克服这一限制，我们提出了一种新方法，开创性地将距离图像与图像扩散模型相融合，生成了类似于 LiDAR 的准确且密集的毫米波雷达点云。得益于与人类观察相一致的投影，毫米波雷达的距离图像表示接近自然图像，使得预训练图像扩散模型的知识能够被有效迁移，从而显著提升了整体性能。在公开数据集和自构建数据集上的广泛评估表明，我们的方法提供了实质性改进，在通过毫米波雷达生成真正的三维类 LiDAR 点云方面确立了新的 SOTA 性能。代码将在发表后发布。