Open-RadVLAD：快速且鲁棒的雷达位置识别

雷达位置识别通常涉及将实时扫描编码为向量，并将该向量与数据库进行匹配，以识别车辆是否处于其曾经访问过的位置。雷达对光照或天气条件具有固有的鲁棒性，但使用该传感器进行位置识别仍受以下因素影响：（1）视角变化，即平移和旋转，（2）传感器伪影或“噪声”。对于 360 度扫描雷达，通过以某种方式在方位角上进行聚合可以轻松处理旋转。此外，我们在本文中论证，处理表示的丰富性和传感器噪声比处理平移不变性更为关键——特别是在城市驾驶中，车辆在重复路线时主要沿同一车道行驶。在我们的方法中，为了计算效率，我们仅使用极坐标表示。为了实现部分平移不变性和对信号噪声的鲁棒性，我们仅沿径向回波使用一维傅里叶变换。我们还通过构建局部聚合描述子向量实现了旋转不变性和极具判别力的描述子空间。我们的方法比所有先前的雷达位置识别工作都经过了更全面的测试——覆盖了 30 个 Oxford Radar RobotCar Dataset 序列中所有 870 对轨迹的穷举组合（每条约 10 km）。代码和详细结果可在 github.com/mttgdd/open-radvlad 获取，作为该领域未来工作的开源实现和基准。我们在 Recall@1 上达到了 91.52% 的中位数，超过了唯一其他开源实现 RaPlace 的 69.55%，且计算成本仅为其一小部分（依赖更少的积分变换，如 Radon、Fourier 和逆 Fourier）。