SDDiff：通过空间-多普勒扩散提升雷达感知能力
机器人学
2025-06-23 v1
摘要
点云提取（PCE）和自车速度估计（EVE）是3D雷达感知中受到广泛关注的关键能力。然而，现有工作通常将这两个任务独立处理，可能忽略雷达空间域特征与多普勒域特征之间的相互作用，导致额外偏差。本文发现3D点与自车速度之间存在关联，这为PCE和EVE提供了相互促进的潜力。为充分释放这种潜力，我们首次设计了一种空间-多普勒扩散（SDDiff）模型，用于同时实现稠密PCE和准确EVE。为便于雷达感知应用，SDDiff在三个方面改进了传统潜在扩散流程：首先引入一种同时包含空间占用和多普勒特征的表示；其次设计带雷达先验的方向扩散以简化采样；最后提出迭代多普勒细化以增强模型对密度变化和鬼影效应的适应性。广泛的评估表明，SDDiff相较于最先进的基线方法显著优异：在EVE准确性上提升59%，在有效生成密度上提升4倍，同时提高了PCE的有效性和可靠性。
引用
@article{arxiv.2506.16936,
title = {SDDiff: Boost Radar Perception via Spatial-Doppler Diffusion},
author = {Shengpeng Wang and Xin Luo and Yulong Xie and Wei Wang},
journal= {arXiv preprint arXiv:2506.16936},
year = {2025}
}