論文の概要: A Systematic Study on Object Recognition Using Millimeter-wave Radar

• arxiv url: http://arxiv.org/abs/2305.02085v1
• Date: Wed, 3 May 2023 12:42:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 14:54:41.076028
• Title: A Systematic Study on Object Recognition Using Millimeter-wave Radar
• Title（参考訳）: ミリ波レーダを用いた物体認識に関する体系的研究
• Authors: Maloy Kumar Devnath, Avijoy Chakma, Mohammad Saeid Anwar, Emon Dey, Zahid Hasan, Marc Conn, Biplab Pal, Nirmalya Roy
• Abstract要約: ミリ波(MMW)レーダーはスマート環境において必須である。 MMWレーダーは高価で、コミュニティ向けのスマート環境アプリケーションでは入手が難しい。 これらの課題は、オブジェクトやアクティビティを認識するといったタスクについて調査する必要がある。
• 参考スコア（独自算出の注目度）: 1.3192560874022086
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to its light and weather-independent sensing, millimeter-wave (MMW) radar is essential in smart environments. Intelligent vehicle systems and industry-grade MMW radars have integrated such capabilities. Industry-grade MMW radars are expensive and hard to get for community-purpose smart environment applications. However, commercially available MMW radars have hidden underpinning challenges that need to be investigated for tasks like recognizing objects and activities, real-time person tracking, object localization, etc. Image and video data are straightforward to gather, understand, and annotate for such jobs. Image and video data are light and weather-dependent, susceptible to the occlusion effect, and present privacy problems. To eliminate dependence and ensure privacy, commercial MMW radars should be tested. MMW radar's practicality and performance in varied operating settings must be addressed before promoting it. To address the problems, we collected a dataset using Texas Instruments' Automotive mmWave Radar (AWR2944) and reported the best experimental settings for object recognition performance using different deep learning algorithms. Our extensive data gathering technique allows us to systematically explore and identify object identification task problems under cross-ambience conditions. We investigated several solutions and published detailed experimental data.
• Abstract（参考訳）: 光と気象に依存しないセンシングのため、ミリ波レーダーはスマート環境において不可欠である。 インテリジェントな車両システムと産業用MMWレーダーは、そのような機能を統合している。 業界グレードのMMWレーダーは高価で、コミュニティ向けのスマート環境アプリケーションでは入手が難しい。 しかし、市販のMMWレーダーは、オブジェクトやアクティビティの認識、リアルタイムの人物追跡、オブジェクトのローカライゼーションなど、調査すべき課題を隠蔽している。 画像とビデオデータは、そのような仕事の収集、理解、注釈付けが簡単である。 画像とビデオのデータは、ライトと天気に依存し、閉塞効果に影響を受け、プライバシー問題を引き起こす。 依存を排除し、プライバシーを確保するために、商用MMWレーダーをテストする必要がある。 様々な運用環境でのMMWレーダーの実用性と性能は、それを推進する前に対処する必要がある。 この問題に対処するため,テキサス・インスツルメンツのAutomotive mmWave Radar (AWR2944) を用いてデータセットを収集し,異なるディープラーニングアルゴリズムを用いてオブジェクト認識性能の最適設定を報告した。 広範囲にわたるデータ収集手法により,対象識別課題の体系的探索と識別を両立可能とした。 いくつかのソリューションを調査し,詳細な実験データを公表した。

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)
• Leveraging Self-Supervised Instance Contrastive Learning for Radar Object Detection [7.728838099011661]
  本稿では,レーダ物体検出装置を事前訓練する際,RCLを例に紹介する。 我々は、より少ないデータで学習するために、物体検出器のバックボーン、頭、首を事前訓練することを目指している。
  論文  参考訳（メタデータ） (2024-02-13T12:53:33Z)
• 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)
• Radars for Autonomous Driving: A Review of Deep Learning Methods and Challenges [0.021665899581403605]
  Radarは、自動運転車に使用される知覚センサーのスイートの重要なコンポーネントである。 低解像度、疎度、乱雑、高い不確実性、優れたデータセットの欠如などが特徴である。 現在のレーダーモデルは、レーダーデータに比較的弱い光学的特徴に焦点を当てたライダーや視覚モデルの影響を受けやすい。
  論文  参考訳（メタデータ） (2023-06-15T17:37:52Z)
• RadarFormer: Lightweight and Accurate Real-Time Radar Object Detection Model [13.214257841152033]
  レーダー中心のデータセットは、レーダー知覚のためのディープラーニング技術の開発にはあまり注目されていない。 本稿では,視覚深層学習における最先端技術を活用したトランスフォーマーモデルRadarFormerを提案する。 また、チャネルチャープ時マージモジュールを導入し、精度を損なうことなく、モデルのサイズと複雑さを10倍以上に削減する。
  論文  参考訳（メタデータ） (2023-04-17T17:07:35Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)
• 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)
• Experiments with mmWave Automotive Radar Test-bed [10.006245521984697]
  新しいAdaptive Driver Assisted Systems(ADAS)をサポートするために、ミリ波(mmW)レーダーが商用車にますます統合されている。 テキサス・インスツルメンツ(TI)の自動車チップセットをベースとしたFMCWレーダの試作を行った。
  論文  参考訳（メタデータ） (2019-12-29T02:14:12Z)

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。