RadCloud：利用低成本雷达为空中和地面车辆实时生成高分辨率点云
摘要
在这项工作中，我们提出了 RadCloud，这是一个新颖的实时框架，旨在在无人驾驶空中和地面车辆 (分别为 UAV 和 UGV) 常用的资源受限平台上，直接从低分辨率雷达帧获取更高分辨率的类激光雷达 2D 点云；此类点云随后可用于精确的环境建图、未知环境导航及其他机器人任务。虽然此前已有利用雷达数据进行高分辨率感知的报道，但现有方法无法应用于大多数计算能力和能源有限的 UAV；因此，现有的演示主要集中在离线雷达处理上。RadCloud 通过使用具有 1/4 距离分辨率的雷达配置，并采用参数量减少 2.25 倍的深度学习模型，克服了这些挑战。此外，RadCloud 利用了一种新颖的基于 chirp 的方法，使生成的点云能够抵御快速运动（例如剧烈转弯或旋转），这在 UAV 飞行中经常发生。在真实世界实验中，我们展示了 RadCloud 在配备现成雷达平台的商用 UAV 和 UGV 上的准确性和适用性。
引用
@article{arxiv.2403.05964,
title = {RadCloud: Real-Time High-Resolution Point Cloud Generation Using Low-Cost Radars for Aerial and Ground Vehicles},
author = {David Hunt and Shaocheng Luo and Amir Khazraei and Xiao Zhang and Spencer Hallyburton and Tingjun Chen and Miroslav Pajic},
journal= {arXiv preprint arXiv:2403.05964},
year = {2024}
}
备注
$\copyright$ 2024 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works