RadarMOSEVE：用于仅雷达运动物体分割和自车速度估计的时空Transformer网络
机器人学
2024-05-22 v1
摘要
运动物体分割（MOS）和自车速度估计（EVE）是移动系统实现完全自主的关键能力。已有多种方法尝试使用LiDAR传感器实现MOSEVE。然而，LiDAR传感器通常昂贵且易受恶劣天气影响。相比之下，毫米波雷达（MWR）因其成本效益和对恶劣天气的鲁棒性，在机器人和自动驾驶的实际应用中越来越受欢迎。然而，公开可用的MOSEVE数据集和使用雷达数据的方法有限。一些现有方法采用基于LiDAR的点卷积网络，忽略了雷达测量的特定伪影和有价值的径向速度信息，导致性能次优。本文提出一种新颖的Transformer网络，通过我们设计的雷达自注意力和交叉注意力机制，有效解决了稀疏性和噪声问题，并利用了雷达点的径向速度测量。基于此，我们的方法仅使用雷达数据同时实现了机器人的精确EVE和MOS。为了全面评估我们方法的MOSEVE性能，我们在公开的View-of-Delft（VoD）数据集中标注了雷达点，并在各种环境中额外构建了一个新的雷达数据集。实验结果表明，我们的方法优于现有最先进方法。代码可在https://github.com/ORCA-Uboat/RadarMOSEVE获取。
引用
@article{arxiv.2402.14380,
title = {RadarMOSEVE: A Spatial-Temporal Transformer Network for Radar-Only Moving Object Segmentation and Ego-Velocity Estimation},
author = {Changsong Pang and Xieyuanli Chen and Yimin Liu and Huimin Lu and Yuwei Cheng},
journal= {arXiv preprint arXiv:2402.14380},
year = {2024}
}
备注
Accepted at AAAI-24