无需专家标签的雷达分割及其在里程计与定位中的应用
机器人学
2024-10-03 v3
摘要
本文提出一种新型弱监督语义分割方法，用于雷达分割。我们利用现有的LiDAR语义分割模型生成语义标签，作为训练雷达语义分割模型的监督信号。获得的雷达语义分割模型在所有天气条件下均优于LiDAR模型，尤其在雪雨雾天气中表现更为稳健。为缓解LiDAR语义标签潜在的错误，我们设计了专门的细化方案，依据结构特征和分布模式纠正错误标签。我们利用所得雷达分割模型生成的语义信息应用于两个下游任务，显著提升了性能。在基于OpenStreetMap的大规模雷达定位中，方法可将定位误差降低20.55%。对于里程计任务，较第二佳方法提高了16.4%的平移精度，赢得了2024年日本ICRA雷达在机器人中的雷达比赛的冠军。
关键词
引用
@article{arxiv.2409.18434,
title = {Get It For Free: Radar Segmentation without Expert Labels and Its Application in Odometry and Localization},
author = {Siru Li and Ziyang Hong and Yushuai Chen and Liang Hu and Jiahu Qin},
journal= {arXiv preprint arXiv:2409.18434},
year = {2024}
}