应对雷达数据中的杂波——基于PointNet++的标签生成与检测
计算机视觉与模式识别
2023-03-17 v1 机器学习
机器人学
信号处理
摘要
用于环境感知（例如自动驾驶车辆中）的雷达传感器会输出大量无用的杂波。这些不存在对应真实物体的点，是后续处理步骤（如目标检测或跟踪）中错误的主要来源。为此，我们提出了两种用于识别杂波的神经网络新架构。输入数据、网络架构和训练配置均针对该任务进行了专门调整。我们特别关注由多次传感器扫描组成的点云的下采样。在一项广泛的评估中，新架构展现出比现有方法明显更优的性能。由于目前没有合适的公开数据集对杂波进行标注，我们设计了一种自动生成相应标签的方法。通过将其应用于带有目标标注的现有数据并发布其代码，我们有效地创建了首个代表真实驾驶场景的公开雷达杂波数据集。代码与使用说明可在 www.github.com/kopp-j/clutter-ds 获取。
引用
@article{arxiv.2303.09530,
title = {Tackling Clutter in Radar Data -- Label Generation and Detection Using PointNet++},
author = {Johannes Kopp and Dominik Kellner and Aldi Piroli and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2303.09530},
year = {2023}
}
备注
To be published in IEEE International Conference on Robotics and Automation (ICRA), London, UK, 2023