S$^3$E: 面向雷达-惯性系统的自监督状态估计
机器人学
2025-10-01 v1
摘要
毫米波雷达因其恶劣条件下的经济性与可靠性，在状态估计领域正受到广泛关注。现有的定位方案通常依赖后处理的雷达点云作为路标点。然而，雷达点云固有的稀疏性、多径效应产生的虚假点以及单chirp雷达有限的角度分辨率，严重降低了状态估计性能。为解决这些问题，我们提出了 SE，一种 \textbf{自}\textbf{监}\textbf{督}\textbf{状}\textbf{态}\textbf{估}\textbf{计}\textbf{器} (\textbf{S}elf-\textbf{S}upervised \textbf{S}tate \textbf{E}stimator)，它利用信息更丰富的雷达信号频谱来绕过稀疏点，并融合互补的惯性信息以实现精确定位。SE 充分挖掘 \textit{外感受} (exteroceptive) 雷达与 \textit{本体感受} (proprioceptive) 惯性传感器之间的关联，以实现互补优势。为应对有限的角度分辨率，我们引入了一种新颖的交叉融合技术，通过利用异构数据间细微的旋转偏移相关性来增强空间结构信息。实验结果表明，我们的方法在不依赖定位真值监督的情况下实现了稳健且准确的性能。据我们所知，这是首次以互补的自监督方式融合雷达频谱与惯性数据来实现状态估计的尝试。
引用
@article{arxiv.2509.25984,
title = {S$^3$E: Self-Supervised State Estimation for Radar-Inertial System},
author = {Shengpeng Wang and Yulong Xie and Qing Liao and Wei Wang},
journal= {arXiv preprint arXiv:2509.25984},
year = {2025}
}