基于扩散的毫米波雷达数据点云超分辨率
计算机视觉与模式识别
2024-04-10 v1 机器人学
摘要
毫米波雷达传感器在恶劣环境条件下保持稳定性能，使其成为全天候感知任务（如户外移动机器人）的有前景的解决方案。然而，雷达点云相对稀疏且包含大量鬼点，这极大地限制了毫米波雷达技术的发展。在本文中，我们提出了一种针对3D毫米波雷达数据的新型点云超分辨率方法，名为Radar-diffusion。我们的方法采用由均值回归随机微分方程（SDE）定义的扩散模型。通过我们提出的新目标函数，并利用相应的LiDAR点云进行监督，我们的方法有效处理了雷达鬼点，并将稀疏的毫米波雷达点云增强为密集的类LiDAR点云。我们在两个不同数据集上评估了我们的方法，实验结果表明，我们的方法在3D雷达超分辨率任务中优于最先进的基线方法。此外，我们证明了增强后的雷达点云能够用于下游的基于雷达点的配准任务。
引用
@article{arxiv.2404.06012,
title = {Diffusion-Based Point Cloud Super-Resolution for mmWave Radar Data},
author = {Kai Luan and Chenghao Shi and Neng Wang and Yuwei Cheng and Huimin Lu and Xieyuanli Chen},
journal= {arXiv preprint arXiv:2404.06012},
year = {2024}
}