SD4R：用于4D雷达的稀疏到稠密学习用于3D目标检测
计算机视觉与模式识别
2026-02-25 v1
摘要
4D雷达测量提供了一个经济且抗气候干扰的3D感知解决方案。然而，雷达点云的内在稀疏性和噪声为准确的3D目标检测带来了显著挑战，凸显了有效且稳健的点云稠密化的必要性。尽管近期进展，但现有的稠密化方法常常未能解决4D雷达点云的极端稀疏性，在处理点数较少的场景时表现有限。本文提出了SD4R—a一种将稀疏雷达点云转换为稠密表示的新框架。SD4R首先利用前景点生成器（FPG）来减缓噪声传播并生成稠密化点云。随后，逻辑查询编码器（LQE）增强了常规柱形化， resulting in robust feature representations。通过这些创新，我们的SD4R在噪声抑制和前景点稠密化方面 demonstrate strong capability。在公开可用的View-of-Delft数据集上进行的大量实验表明，SD4R实现了最先进的性能。源代码可在https://github.com/lancelot0805/SD4R获取。
引用
@article{arxiv.2602.20653,
title = {SD4R: Sparse-to-Dense Learning for 3D Object Detection with 4D Radar},
author = {Xiaokai Bai and Jiahao Cheng and Songkai Wang and Yixuan Luo and Lianqing Zheng and Xiaohan Zhang and Si-Yuan Cao and Hui-Liang Shen},
journal= {arXiv preprint arXiv:2602.20653},
year = {2026}
}
备注
7 pages, 5 figures, 4 tables