NeuRadar：用于汽车雷达点云的神经辐射场
计算机视觉与模式识别
2025-05-27 v3
摘要
雷达作为自动驾驶（AD）系统的重要传感器，因其对恶劣天气和不同光照条件下的鲁棒性而受到青睐。神经辐射场（NeRF）在视觉合成方面近年来在 AD 领域受到广泛关注，因其潜在的高效测试与验证能力而备受关注，但尚未应用于雷达点云。本文提出 NeuRadar，一种基于 NeRF 的模型，能够联合生成雷达点云、摄像图像和激光点云。我们探索了如 DETR 等基于集合的对象检测方法，并提出一种基于 NeRF 几何学的编码器解决方案以提升通用性。我们提出了确定性和概率两种点云表征，以准确建模雷达行为，其中后者能够捕捉雷达的随机行为。我们在两个汽车数据集上实现了逼真的重建结果，为 NeRF 雷达点云仿真模型树立了基准。此外，我们发布了 ZOD 数据集的 Sequences 和 Drives 雷达数据，以促进该领域的进一步研究。为鼓励雷达 NeRF 的进一步发展，我们也发布了 NeuRadar 的源代码。
引用
@article{arxiv.2504.00859,
title = {NeuRadar: Neural Radiance Fields for Automotive Radar Point Clouds},
author = {Mahan Rafidashti and Ji Lan and Maryam Fatemi and Junsheng Fu and Lars Hammarstrand and Lennart Svensson},
journal= {arXiv preprint arXiv:2504.00859},
year = {2025}
}