論文の概要: Equi-RO: A 4D mmWave Radar Odometry via Equivariant Networks

• arxiv url: http://arxiv.org/abs/2509.20674v1
• Date: Thu, 25 Sep 2025 02:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.657185
• Title: Equi-RO: A 4D mmWave Radar Odometry via Equivariant Networks
• Title（参考訳）: Equi-RO:等変ネットワークを用いた4次元ミリ波レーダオドメトリー
• Authors: Zeyu Han, Shuocheng Yang, Minghan Zhu, Fang Zhang, Shaobing Xu, Maani Ghaffari, Jianqiang Wang,
• Abstract要約: Equi-ROは4次元レーダオドメトリーのための同変ネットワークベースのフレームワークである。 グラフベースのアーキテクチャは、スパースレーダデータの特徴集約を強化する。 オープンソースデータセットと自己収集データセットの実験は、Equi-ROが最先端のアルゴリズムを精度と堅牢性で上回っていることを示している。
• 参考スコア（独自算出の注目度）: 19.594498796044835
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous vehicles and robots rely on accurate odometry estimation in GPS-denied environments. While LiDARs and cameras struggle under extreme weather, 4D mmWave radar emerges as a robust alternative with all-weather operability and velocity measurement. In this paper, we introduce Equi-RO, an equivariant network-based framework for 4D radar odometry. Our algorithm pre-processes Doppler velocity into invariant node and edge features in the graph, and employs separate networks for equivariant and invariant feature processing. A graph-based architecture enhances feature aggregation in sparse radar data, improving inter-frame correspondence. Experiments on the open-source dataset and self-collected dataset show Equi-RO outperforms state-of-the-art algorithms in accuracy and robustness. Overall, our method achieves 10.7% and 20.0% relative improvements in translation and rotation accuracy, respectively, compared to the best baseline on the open-source dataset.
• Abstract（参考訳）: 自律走行車とロボットは、GPSで識別された環境での正確な計測に頼っている。 LiDARとカメラは極度の天候下では苦労するが、4D mmWaveレーダーは全天候の運用性と速度測定の強力な代替手段として出現する。 本稿では,4次元レーダオドメトリーのための同変ネットワークベースのフレームワークであるEqui-ROを紹介する。 我々のアルゴリズムはドップラー速度をグラフ内の不変ノードとエッジの特徴に前処理し、同変および不変の特徴処理のために別々のネットワークを用いる。 グラフベースのアーキテクチャはスパースレーダデータの特徴集約を強化し、フレーム間の対応を改善する。 オープンソースデータセットと自己収集データセットの実験は、Equi-ROが最先端のアルゴリズムを精度と堅牢性で上回っていることを示している。 提案手法は,オープンソースデータセットにおける最良ベースラインに比べて,翻訳精度と回転精度が10.7%,相対的に20.0%向上した。

関連論文リスト

• DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
  移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。 スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。 提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
  論文  参考訳（メタデータ） (2025-04-29T01:20:30Z)
• TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
  一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。 具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。 従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
  論文  参考訳（メタデータ） (2025-04-16T05:25:04Z)
• Bayesian Approximation-Based Trajectory Prediction and Tracking with 4D Radar [13.438311878715536]
  3Dマルチオブジェクトトラッキング(MOT)は自動運転車には不可欠だが、LiDARとカメラベースの手法は悪天候下では劣化する。 本研究では,4次元レーダベースMOTフレームワークであるBayes-4DRTrackを提案する。
  論文  参考訳（メタデータ） (2025-02-03T13:49:21Z)
• VORTEX: A Spatial Computing Framework for Optimized Drone Telemetry Extraction from First-Person View Flight Data [0.0]
  本稿では,ドローンテレメトリデータを抽出・解析するVORTEXシステムを提案する。 VORTEXは、PyTorchベースのOCRツールボックスであるMMOCRを使用して、ドローンヘッドアップディスプレイ(HUD)記録からテレメトリ変数を抽出する。 その結果、利用可能なフレームの4.07%を利用する5秒サンプリングレートは、ポイント保持率64%と1秒ベースラインの4.2%以内の平均速度精度で最適なバランスを提供することがわかった。
  論文  参考訳（メタデータ） (2024-12-24T15:43:04Z)
• 4DRVO-Net: Deep 4D Radar-Visual Odometry Using Multi-Modal and Multi-Scale Adaptive Fusion [2.911052912709637]
  4次元(4D)レーダー-視覚計測(4DRVO)は4次元レーダーとカメラの補完情報を統合している。 4DRVOは4Dレーダーポイント雲の空隙による追跡誤差が顕著である可能性がある。 本稿では,4次元レーダ・ビジュアル・オドメトリーの手法である4DRVO-Netを提案する。
  論文  参考訳（メタデータ） (2023-08-12T14:00:09Z)
• 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)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• Toward Data-Driven STAP Radar [23.333816677794115]
  我々は、時空間適応処理(STAP)レーダーに対するデータ駆動アプローチを特徴付ける。 所定領域に可変強度のターゲットをランダムに配置することにより、受信レーダ信号の豊富なサンプルデータセットを生成する。 この領域内の各データサンプルに対して、ビームフォーマの出力パワーのレンジ、方位、および上昇のヒートマップテンソルを生成する。 空中に浮かぶシナリオでは、動くレーダーは、ビデオに似た、これらのタイムインデクシングされたイメージスタックのシーケンスを生成する。
  論文  参考訳（メタデータ） (2022-01-26T02:28:13Z)

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。