ERASE-Net：面向汽车雷达信号的高效分割网络
机器人学
2023-02-28 v2 计算机视觉与模式识别
机器学习
信号处理
摘要
在辅助与自动驾驶系统的各类传感器中，汽车雷达即使在恶劣天气或光照条件下也被视为一种鲁棒且低成本的方案。随着近期雷达技术的发展与开源标注数据集的出现，利用雷达信号进行语义分割已变得极具前景。然而，现有方法要么计算昂贵，要么通过平均将原始 3D 雷达信号降为 2D 平面而丢弃了大量有价值信息。本工作中，我们提出 ERASE-Net，一种高效雷达分割网络（Efficient RAdar SEgmentation Network），对原始雷达信号进行语义分割。我们方法的核心是针对原始雷达信号的新型先检测后分割方法：它先检测每个物体的中心点，再提取紧凑的雷达信号表示，最后进行语义分割。我们表明，相比当前最优（SOTA）技术，我们的方法在雷达语义分割任务上能取得更优性能。此外，我们的方法所需计算资源至多减少 20 倍。最后，我们展示所提 ERASE-Net 可被压缩 40% 而无显著性能损失，远优于 SOTA 网络，这使其成为实际汽车应用中更有前景的候选方案。
引用
@article{arxiv.2209.12940,
title = {ERASE-Net: Efficient Segmentation Networks for Automotive Radar Signals},
author = {Shihong Fang and Haoran Zhu and Devansh Bisla and Anna Choromanska and Satish Ravindran and Dongyin Ren and Ryan Wu},
journal= {arXiv preprint arXiv:2209.12940},
year = {2023}
}
备注
accepted by ICRA 2023