用于含噪雷达数据语义分割的高斯雷达Transformer
计算机视觉与模式识别
2022-12-08 v1 机器人学
摘要
场景理解对于动态环境中的自主机器人进行未来状态预测、避免碰撞和路径规划至关重要。相机和LiDAR感知近年来取得了巨大进展，但在恶劣天气条件下存在局限。为充分利用多模态传感器套件的潜力，雷达传感器对于安全关键任务必不可少，且当今大多数新车辆已配备。本文中，我们解决雷达点云中运动物体语义分割问题，以通过另一种传感器模态增强环境感知。我们提出一种基于自注意力机制的新方法，而非聚合多次扫描来使点云变密，以准确执行稀疏的单帧扫描分割。我们的方法称为高斯雷达Transformer（Gaussian Radar Transformer），包含新引入的高斯Transformer层，其用高斯函数替代softmax归一化以解耦各点的贡献。为应对Transformer捕捉长程依赖的挑战，我们提出注意力上采样与下采样模块以扩大感受野并捕获强空间关系。我们在RadarScenes数据集上将我们的方法与其它SOTA方法比较，显示出在多样环境中即便不利用时间信息也具有优越的分割质量。
引用
@article{arxiv.2212.03690,
title = {Gaussian Radar Transformer for Semantic Segmentation in Noisy Radar Data},
author = {Matthias Zeller and Jens Behley and Michael Heidingsfeld and Cyrill Stachniss},
journal= {arXiv preprint arXiv:2212.03690},
year = {2022}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters (RA-L)