面向 FMCW 雷达的神经体积重建——SpINR
计算机视觉与模式识别
2025-04-28 v2
摘要
本文引入SpINR（Neural Volumetric Reconstruction for FMCW Radars），用于频率调制连续波(FMCW)雷达数据的体积重建。传统雷达成像技术，如反投影，常常假设理想信号模型且需要稠密的孔径采样，导致分辨率和泛化性受限。为解决这些挑战，SpINR将全可微前向模型集成到频率域中，与隐式神经表示(INR)集成。该集成利用FMCW雷达系统中散射器距离与脉冲频率之间的线性关系，促进了场景几何更高效、准确的学习。此外，由于仅计算相关频率bin的输出，我们的前向模型相较于时域方法（后者在转换前处理整个信号）实现了更大的计算效率。通过大量实验，我们证明SpINR显著优于经典反投影方法和现有学习方法，实现更高的分辨率和对复杂场景的更准确重建。本工作首次将神经体积重建应用于雷达领域，为雷达图像和感知系统的未来研究提供了有前景的方向。
引用
@article{arxiv.2503.23313,
title = {SpINR: Neural Volumetric Reconstruction for FMCW Radars},
author = {Harshvardhan Takawale and Nirupam Roy},
journal= {arXiv preprint arXiv:2503.23313},
year = {2025}
}