論文の概要: Radar-based Materials Classification Using Deep Wavelet Scattering Transform: A Comparison of Centimeter vs. Millimeter Wave Units

• arxiv url: http://arxiv.org/abs/2202.05169v1
• Date: Tue, 8 Feb 2022 02:07:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 16:54:52.360121
• Title: Radar-based Materials Classification Using Deep Wavelet Scattering Transform: A Comparison of Centimeter vs. Millimeter Wave Units
• Title（参考訳）: 深ウェーブレット散乱変換を用いたレーダー材料分類:センチメートル波単位とミリ波単位の比較
• Authors: Rami N. Khushaba (The University of Sydney), Andrew J. Hill (The University of Sydney)
• Abstract要約: 本研究では、Vayyar ImagingによるWalabot-3D (6.3-8 GHz)cm波と ImageVK-74 (62-69 GHz)mm波イメージングの2つの周波数範囲のレーダーユニットについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radar-based materials detection received significant attention in recent years for its potential inclusion in consumer and industrial applications like object recognition for grasping and manufacturing quality assurance and control. Several radar publications were developed for material classification under controlled settings with specific materials' properties and shapes. Recent literature has challenged the earlier findings on radars-based materials classification claiming that earlier solutions are not easily scaled to industrial applications due to a variety of real-world issues. Published experiments on the impact of these factors on the robustness of the extracted radar-based traditional features have already demonstrated that the application of deep neural networks can mitigate, to some extent, the impact to produce a viable solution. However, previous studies lacked an investigation of the usefulness of lower frequency radar units, specifically <10GHz, against the higher range units around and above 60GHz. This research considers two radar units with different frequency ranges: Walabot-3D (6.3-8 GHz) cm-wave and IMAGEVK-74 (62-69 GHz) mm-wave imaging units by Vayyar Imaging. A comparison is presented on the applicability of each unit for material classification. This work extends upon previous efforts, by applying deep wavelet scattering transform for the identification of different materials based on the reflected signals. In the wavelet scattering feature extractor, data is propagated through a series of wavelet transforms, nonlinearities, and averaging to produce low-variance representations of the reflected radar signals. This work is unique in comparison of the radar units and algorithms in material classification and includes real-time demonstrations that show strong performance by both units, with increased robustness offered by the cm-wave radar unit.
• Abstract（参考訳）: レーダを用いた材料検出は、近年、消費者や産業の用途、例えば、物認識による把握と製造品質の保証と制御への潜在的な包括性において、大きな注目を集めている。 いくつかのレーダー出版物は、特定の材料の特性と形状を制御した条件下で物質分類のために開発された。 最近の文献では、レーダーに基づく材料分類の初期の発見に異議を唱えており、様々な現実世界の問題により、初期のソリューションは工業用途に容易にスケールできないと主張している。 これらの要因がレーダに基づく従来の特徴のロバスト性に与える影響に関する実験が公開されたことで、ディープニューラルネットワークの適用が、ある程度、有効なソリューションを生み出すための影響を緩和できることがすでに証明されている。 しかし、以前の研究では、低周波レーダーユニット、特に60GHz以上の高域ユニットに対する<10GHz>の有用性についての研究が欠如していた。 本研究では,vayyarイメージングによるワラボット3d (6.3-8ghz) cm波とimagevk-74 (62-69ghz)mm波の2つのレーダーユニットについて検討した。 材料分類における各単位の適用性について比較を行った。 この研究は、反射信号に基づく異なる材料の同定にディープウェーブレット散乱変換を適用することで、以前の取り組みにも及んでいる。 ウェーブレット散乱特徴抽出器において、データは一連のウェーブレット変換、非線形性、平均化によって伝播され、反射レーダ信号の低分散表現を生成する。 この研究は、物質分類におけるレーダーユニットとアルゴリズムの比較に特有であり、両方のユニットによる強い性能を示すリアルタイムのデモンストレーションと、cm波レーダーユニットによるロバスト性の向上を含んでいる。

関連論文リスト

• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Towards Dense and Accurate Radar Perception Via Efficient Cross-Modal Diffusion Model [4.269423698485249]
  本稿では, クロスモーダル学習による高密度かつ高精度なミリ波レーダポイント雲構築手法を提案する。 具体的には, 2組の生レーダデータからLiDARのような点雲を予測するために, 生成モデルにおける最先端性能を有する拡散モデルを提案する。 提案手法をベンチマーク比較と実世界の実験により検証し,その優れた性能と一般化能力を実証した。
  論文  参考訳（メタデータ） (2024-03-13T12:20:20Z)
• On Target Detection by Quantum Radar (Preprint) [1.0878040851637998]
  ノイズレーダと量子レーダは、送信信号のランダム性を利用して、レーダの隠蔽性を高め、相互干渉を低減する。 様々な量子レーダーの提案は有用な結果、特にステルスターゲットの検出に限られるものではない。
  論文  参考訳（メタデータ） (2024-02-29T18:58:40Z)
• Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
  無線信号認識は電子戦において重要な機能である。 電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。 ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
  論文  参考訳（メタデータ） (2023-12-15T01:56:27Z)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• T-FFTRadNet: Object Detection with Swin Vision Transformers from Raw ADC Radar Signals [0.0]
  周波数変調連続波レーダを用いた物体検出は、自律システムの分野でますます人気が高まっている。 レーダーは、LiDARのような他の放射型センサーで見られるような欠点を持っておらず、主に雨や雪などの気象条件による帰還信号の劣化や損失がある。 本稿では,レーダ物体検出の分野に階層型スウィンビジョントランスフォーマーを導入し,前処理で異なる入力に対して,異なるレーダ構成で操作可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-29T18:04:19Z)
• mm-Wave Radar Hand Shape Classification Using Deformable Transformers [0.46007387171990594]
  リアルタイム・ミリ波レーダを用いた静的手形分類アルゴリズムと実装を提案する。 この手法は60Ghzレーダをセンサ入力として使用し、低コストかつプライバシーに敏感なタッチレス制御技術にいくつかの応用を見出した。
  論文  参考訳（メタデータ） (2022-10-24T09:56:11Z)
• Human Behavior Recognition Method Based on CEEMD-ES Radar Selection [12.335803365712277]
  人間の行動を特定するミリ波レーダーは、医療、セキュリティ、その他の分野で広く使われている。 複数のレーダデータを処理するには、多くの時間と計算コストが必要です。 これらの問題を解決するために, 補足型経験モード分解エネルギースライス (CEEMD-ES) マルチスタティックレーダ選択法を提案する。 実験により、この方法はレーダーを効果的に選択できることが示され、3種類の人間の行動の認識率は98.53%である。
  論文  参考訳（メタデータ） (2022-06-06T16:01:06Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)
• RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
  我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。 我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
  論文  参考訳（メタデータ） (2020-07-28T17:15:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。