R2LDM：基于扩散模型的高效4D雷达超分辨框架
计算机视觉与模式识别
2025-06-17 v2
摘要
我们引入R2LDM，一种创新的用于生成密集且准确的4D雷达点云的方法，引导方式为对应的LiDAR点云。我们不采用范围图像或鸟瞰图（BEV）图像，而是将LiDAR和4D雷达点云表示为体素特征，这更有效地捕获3D形状信息。随后，我们提出潜在体素扩散模型（LVDM），在潜在空间中执行扩散过程。此外，利用 novel Latent Point Cloud Reconstruction（LPCR）模块用于从高维潜在体素特征中重建点云。因此，R2LDM有效地从配对的原始雷达数据生成类似LiDAR的点云。我们在两个不同的数据集上评估了该方法，实验结果表明，该模型在4D雷达点云超分辨中实现了6-10倍的稀疏化，优于最先进的基线方法。此外，我们的方法生成的增强雷达点云在下游任务中显著提升，实现了最高31.7%的点云注册召回率提升和24.9%的对象检测精度提升。
引用
@article{arxiv.2503.17097,
title = {R2LDM: An Efficient 4D Radar Super-Resolution Framework Leveraging Diffusion Model},
author = {Boyuan Zheng and Shouyi Lu and Renbo Huang and Minqing Huang and Fan Lu and Wei Tian and Guirong Zhuo and Lu Xiong},
journal= {arXiv preprint arXiv:2503.17097},
year = {2025}
}
备注
8 pages, 9 figures, accepted to IROS 2025