EFEAR-4D：面向高效精确4D雷达里程计的自车速度滤波
机器人学
2025-06-27 v2
摘要
里程计是成功实现自主导航的关键组成部分，依赖于相机、激光雷达和IMU等传感器。然而，这些传感器在极端天气条件（如降雪和雾）下可能遇到挑战。FMCW雷达技术的出现为恶劣环境下的鲁棒感知提供了潜力。作为最新一代FMCW雷达，4D毫米波雷达提供包含距离、方位角、仰角和多普勒速度信息的点云，尽管点云本身存在稀疏性和噪声。本文提出EFEAR-4D，一种精确、高效且无需学习的大规模4D雷达里程计估计方法。EFEAR-4D巧妙利用多普勒速度信息进行鲁棒的自车速度估计，从而获得高度精确的先验猜测。通过动态物体移除和有效的区域特征提取，EFEAR-4D在不同环境下对点云稀疏性和噪声保持鲁棒性。在两个公开的4D雷达数据集上的大量实验表明，EFEAR-4D在各种条件下具有最先进的可靠性和定位精度。此外，我们收集了一个沿相同路线但4D雷达安装高度不同的数据集，强调了雷达高度对点云质量的显著影响——这是实际部署中的一个关键考虑因素。我们的算法和数据集即将在https://github.com/CLASS-Lab/EFEAR-4D开源。
引用
@article{arxiv.2405.09780,
title = {EFEAR-4D: Ego-Velocity Filtering for Efficient and Accurate 4D radar Odometry},
author = {Xiaoyi Wu and Yushuai Chen and Zhan Li and Ziyang Hong and Liang Hu},
journal= {arXiv preprint arXiv:2405.09780},
year = {2025}
}