PolarNet：基于极坐标系下车载雷达的加速深度开放空间分割
计算机视觉与模式识别
2021-03-08 v1
摘要
随着深度学习模型架构的快速发展，相机与激光雷达处理已发生革命性变化。车载雷达是高级驾驶辅助与自动驾驶系统的关键部件之一。与基于相机和激光雷达的方法不同，雷达仍依赖传统信号处理技术。我们认为这是实现最鲁棒感知系统所缺失的一环。识别可行驶空间与占据空间是任何自主决策任务的第一步。环境占据栅格地图表示常被用于此目的。本文提出 PolarNet，一种在极坐标系下处理雷达信息以进行开放空间分割的深度神经模型。我们探索了多种输入-输出表示。实验表明，PolarNet 是一种处理雷达数据的有效方式，在保持紧凑模型尺寸的同时，实现了最先进的性能与处理速度。
引用
@article{arxiv.2103.03387,
title = {PolarNet: Accelerated Deep Open Space Segmentation Using Automotive Radar in Polar Domain},
author = {Farzan Erlik Nowruzi and Dhanvin Kolhatkar and Prince Kapoor and Elnaz Jahani Heravi and Fahed Al Hassanat and Robert Laganiere and Julien Rebut and Waqas Malik},
journal= {arXiv preprint arXiv:2103.03387},
year = {2021}
}