DREAM-PCD:对毫米波雷达点云进行深度重建和增强

科学领域:

• 机器人技术和自主系统
• 传感器融合式传感器
• 信号处理 信号处理

背景情况:

• 毫米波 (mmWave) 雷达点云在充满挑战的环境中提供强大的3D传感,如烟雾和弱光.
• 现有的毫米波雷达重建方法与光谱信息丢失,低角度分辨率和严重干扰作斗争.
• 推进3D传感能力需要克服这些局限性,以实现实际应用.

研究的目的:

• 提出一个新的框架,DREAM-PCD,用于使用毫米波雷达点云实时3D环境传感.
• 同时应对关键挑战:丢失的光圈信息,低角度分辨率和干扰.
• 介绍RadarEyes,一个大规模的mmWave室内数据集,用于增强研究和开发.

主要方法:

• DREAM-PCD集成了信号处理和深度学习的三个组成部分:密集点的非连贯积累,角分辨率的合成孔径积累,以及消除干扰的真实Denoise多网络.
• 该框架利用因果多个观点的积累和一个"真实-denoise"机制.
• 雷达眼数据集具有双直角单芯片雷达,激光雷达和摄像头,用于各种数据收集.

主要成果:

• 在毫米波雷达点云重建中,DREAM-PCD显著提高了概括性能和实时能力.
• 实验结果显示,DREAM-PCD在重建质量方面超过了现有的方法.
• 拟议的方法可以在各种参数和场景中实现高质量的实时雷达点云重建.

结论:

• DREAM-PCD有效地解决了毫米波雷达点云重建的主要挑战,提供卓越的性能.
• 雷达眼数据集为推进毫米波雷达感知提供了宝贵的资源.
• DREAM-PCD和RadarEyes的结合将对未来的真实世界3D传感应用产生重大影响.