論文の概要: The Radar Ghost Dataset -- An Evaluation of Ghost Objects in Automotive Radar Data

• arxiv url: http://arxiv.org/abs/2404.01437v1
• Date: Mon, 1 Apr 2024 19:20:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 20:37:09.929402
• Title: The Radar Ghost Dataset -- An Evaluation of Ghost Objects in Automotive Radar Data
• Title（参考訳）: Radar Ghost Dataset - 自動車レーダデータにおけるゴーストオブジェクトの評価
• Authors: Florian Kraus, Nicolas Scheiner, Werner Ritter, Klaus Dietmayer,
• Abstract要約: 典型的な交通シナリオでは、レーダーの放射された信号に対して、さらに多くの表面が平坦に見える。 この結果、レーダー信号のマルチパス反射、いわゆるゴースト検出が生じる。 各種のゴースト検出のための詳細な手動アノテーションを用いたデータセットを提案する。
• 参考スコア（独自算出の注目度）: 12.653873936535149
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radar sensors have a long tradition in advanced driver assistance systems (ADAS) and also play a major role in current concepts for autonomous vehicles. Their importance is reasoned by their high robustness against meteorological effects, such as rain, snow, or fog, and the radar's ability to measure relative radial velocity differences via the Doppler effect. The cause for these advantages, namely the large wavelength, is also one of the drawbacks of radar sensors. Compared to camera or lidar sensor, a lot more surfaces in a typical traffic scenario appear flat relative to the radar's emitted signal. This results in multi-path reflections or so called ghost detections in the radar signal. Ghost objects pose a major source for potential false positive detections in a vehicle's perception pipeline. Therefore, it is important to be able to segregate multi-path reflections from direct ones. In this article, we present a dataset with detailed manual annotations for different kinds of ghost detections. Moreover, two different approaches for identifying these kinds of objects are evaluated. We hope that our dataset encourages more researchers to engage in the fields of multi-path object suppression or exploitation.
• Abstract（参考訳）: レーダーセンサーは、高度運転支援システム(ADAS)において長い伝統があり、また、現在の自動運転車の概念において重要な役割を果たしている。 その重要性は、雨、雪、霧のような気象効果に対する強い頑丈さと、レーダーがドップラー効果を介して相対的な放射速度の差を測定する能力によって説明されている。 これらの利点、すなわち大きな波長は、レーダーセンサーの欠点の1つでもある。 カメラやライダーセンサーと比較して、典型的な交通シナリオでは、レーダーの放射された信号に対して、より多くの表面が平坦に見えます。 この結果、レーダー信号のマルチパス反射、いわゆるゴースト検出が生じる。 ゴーストオブジェクトは、車両の知覚パイプラインにおいて、潜在的な偽陽性検出のための主要なソースとなる。 したがって,複数経路反射を直接的に分離できることが重要である。 本稿では,各種のゴースト検出のための詳細な手書きアノテーションを用いたデータセットを提案する。 さらに,これらのオブジェクトを識別するための2つの異なるアプローチが評価された。 我々のデータセットは、より多くの研究者がマルチパスオブジェクトの抑制やエクスプロイトの分野に携わることを願っている。

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)
• 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)
• Anomaly Detection in Radar Data Using PointNets [7.3600716208089825]
  異常なレーダーターゲットを検出するために,PointNetsに基づく手法を提案する。 本手法は都市シナリオにおける実世界のデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-20T10:02:24Z)
• 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)
• Multi-View Radar Semantic Segmentation [3.2093811507874768]
  自動車用レーダーは、周囲の物体の特性を測定する安価なアクティブセンサーである。 レーダー生データのサイズと複雑さのため、シーン理解にはほとんど使われない。 我々は,複数の新しいアーキテクチャとそれに伴う損失を提案し,レンジアングル・ドップラーレーダテンソルの複数の"ビュー"を分析し,意味的にセグメンテーションする。
  論文  参考訳（メタデータ） (2021-03-30T09:56:41Z)
• Motion Classification and Height Estimation of Pedestrians Using Sparse Radar Data [8.366962883442035]
  運転支援システムや高度に自律的な運転には周辺車両環境の完全な概要が重要である。 本研究は,2次元レーダー目標を用いて歩行歩行者の体長を推定できることを実証する。
  論文  参考訳（メタデータ） (2021-03-03T09:36:11Z)
• All-Weather Object Recognition Using Radar and Infrared Sensing [1.7513645771137178]
  この論文は、物体を認識するために、長波偏光赤外線(IR)画像とイメージングレーダに基づく新しいセンシング開発を探求する。 まず、偏光赤外データを用いたストークスパラメータに基づく手法を開発し、深層ニューラルネットワークを用いた車両の認識を行った。 第2に、低THzレーダセンサで捉えたパワースペクトルのみを用いて、制御されたシナリオで物体認識を行う可能性について検討した。 最後に、悪天候下で車両を検出するレーダーロバスト性を示す多くの異なる気象シナリオを備えた、"ワイルド"に新しい大規模なデータセットを作成しました。
  論文  参考訳（メタデータ） (2020-10-30T14:16:39Z)
• 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)
• Perceiving Traffic from Aerial Images [86.994032967469]
  本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。 UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-16T11:37:43Z)
• 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)
• Using Machine Learning to Detect Ghost Images in Automotive Radar [13.685321476701128]
  データ駆動機械学習アルゴリズムを適用してゴーストオブジェクトを検出する新しい手法を提案する。 我々は,現在最先端の自動車レーダ分類器を用いてゴースト物体を実物と一緒に検出できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T09:51:43Z)

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。