RaGNNarok：用于提升无人地面车辆雷达点云的轻量级图神经网络
机器人学
2025-07-02 v1 硬件体系结构
计算机视觉与模式识别
机器学习
摘要
低成本室内移动机器人因自动化在家中和商业空间中的采用而日益流行。然而，现有的激光雷达和相机解决方案存在诸多局限，如在视觉受阻环境中的性能差、数据处理的高计算开销以及激光雷达的高成本。相比之下，mmWave 雷达传感器提供了一种具有成本效益和轻便性的替代方案，能够准确提供测距信息。然而，现有的雷达基定位技术 suffers from 稀疏点云生成、噪声和误检。因此，在本工作中，我们引入 RaGNNarok，一个实时、轻量级且通用的图神经网络 (GNN)-based 框架，用于提升雷达点云，即使在复杂和动态环境中也能实现。RaGNNarok 在低成本 Raspberry Pi 5 上仅需 7.3 毫秒的推理时间，即可在此类资源受限设备上高效运行，无需额外的计算资源。我们在三个不同环境中评估了其性能，包括定位、SLAM 和 自动导航任务。我们的结果表明其具有强大的可靠性和通用性，使 RaGNNarok 成为低成本室内移动机器人的稳健解决方案。
引用
@article{arxiv.2507.00937,
title = {RaGNNarok: A Light-Weight Graph Neural Network for Enhancing Radar Point Clouds on Unmanned Ground Vehicles},
author = {David Hunt and Shaocheng Luo and Spencer Hallyburton and Shafii Nillongo and Yi Li and Tingjun Chen and Miroslav Pajic},
journal= {arXiv preprint arXiv:2507.00937},
year = {2025}
}
备注
8 pages, accepted by IROS 2025