使用毫米波雷达进行密集的3D点云环境映射
Zhiyuan Zeng1, Jie Wen1,2, Jianan Luo1
1China Waterborne Transport Research Institute, Beijing 100088, China.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
本研究引入了一种用于密集的3D毫米波雷达映射的新算法,显著提高了使用雷达SLAM和交叉模式学习进行环境映射的点云密度和准确性.
科学领域:
- 机器人技术和自主系统
- 传感器融合式传感器
- 计算机视觉 计算机视觉
背景情况:
- 毫米波雷达环境绘图中的稀疏点云对准确的3D重建构成了挑战.
- 现有的方法在变化的车辆速度和数据维度方面扎.
研究的目的:
- 开发一个密集的3D毫米波雷达点云环境映射算法.
- 为了提高基于雷达的环境地图的密度和准确性.
- 在动态场景中实现实时映射.
主要方法:
- 一种基于雷达SLAM的方法用于局部子地图构建,以减少数据维度.
- 一个3D-RadarHR跨模式学习网络,利用LiDAR作为训练雷达子图的目标.
- 预处理雷达点云框架以处理车辆运动.
主要成果:
- 对毫米波雷达环境图的点云密度增加了50倍以上.
- 保持了点云准确度高于0.1米.
- 与现有算法相比,证明了优越的环境地图重建性能.
结论:
- 拟议的算法有效地生成密集的3D毫米波雷达点云地图.
- 该方法在点云密度和精度方面提供了显著的改进.
- 保持15Hz的实时处理,适合动态应用.


