通过高效跨模态扩散模型实现稠密且精确的雷达感知
计算机视觉与模式识别
2024-03-20 v2 机器人学
摘要
毫米波雷达因其在极端天气条件下工作的能力而受到学术界和工业界的广泛关注。然而，它们面临稀疏性和噪声干扰方面的挑战，这阻碍了其在微型飞行器（MAV）自主导航领域的应用。为此，本文提出了一种通过跨模态学习构建稠密且精确的毫米波雷达点云的新方法。具体而言，我们引入在生成建模方面具有最先进性能的扩散模型，从配对的原始雷达数据预测类似激光雷达的点云。我们还结合了最新的扩散模型推理加速技术，以确保所提出的方法可以在计算资源有限的微型飞行器上实现。我们通过广泛的基准比较和真实世界实验验证了所提出的方法，展示了其优越的性能和泛化能力。代码和预训练模型将在 https://github.com/ZJU-FAST-Lab/Radar-Diffusion 上提供。
引用
@article{arxiv.2403.08460,
title = {Towards Dense and Accurate Radar Perception Via Efficient Cross-Modal Diffusion Model},
author = {Ruibin Zhang and Donglai Xue and Yuhan Wang and Ruixu Geng and Fei Gao},
journal= {arXiv preprint arXiv:2403.08460},
year = {2024}
}
备注
8 pages, 6 figures, submitted to RA-L