不确定性驱动的雷达-惯性融合用于瞬时三维自速度估计

我们提出了一种通过集成高分辨率成像雷达与惯性测量单元来估计自主导航中自速度的方法。所提出的方法通过使用神经网络处理复数原始雷达数据并估计瞬时线性自速度及其相关不确定性，解决了传统基于雷达的自运动估计技术的局限性。然后，这种具有不确定性感知的速度估计与惯性测量单元数据通过扩展卡尔曼滤波器进行融合。该滤波器利用网络预测的不确定性来优化惯性传感器的噪声和偏置参数，从而提高了自运动估计的整体鲁棒性和准确性。我们在公开可用的ColoRadar数据集上评估了所提出的方法。与最接近的公开可用方法相比，我们的方法实现了显著更低的误差，并且也优于基于瞬时和扫描匹配的技术。