論文の概要: Real-Time 4D Radar Perception for Robust Human Detection in Harsh Enclosed Environments

• arxiv url: http://arxiv.org/abs/2601.13364v1
• Date: Mon, 19 Jan 2026 20:01:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.043889
• Title: Real-Time 4D Radar Perception for Robust Human Detection in Harsh Enclosed Environments
• Title（参考訳）: ハーシュ閉鎖環境におけるロバストな人検出のためのリアルタイム4次元レーダ知覚
• Authors: Zhenan Liu, Yaodong Cui, Amir Khajepour, George Shaker,
• Abstract要約: 本稿では, 密集環境を代表とした散布環境において, 制御された多層塵濃度を生成するための新しい手法を提案する。 また、カメラとLiDARによって強化された新しい4DmmWaveレーダーデータセットを提示し、塵粒子と反射面が検知機能にどのように影響するかを説明した。
• 参考スコア（独自算出の注目度）: 10.956927578406388
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper introduces a novel methodology for generating controlled, multi-level dust concentrations in a highly cluttered environment representative of harsh, enclosed environments, such as underground mines, road tunnels, or collapsed buildings, enabling repeatable mm-wave propagation studies under severe electromagnetic constraints. We also present a new 4D mmWave radar dataset, augmented by camera and LiDAR, illustrating how dust particles and reflective surfaces jointly impact the sensing functionality. To address these challenges, we develop a threshold-based noise filtering framework leveraging key radar parameters (RCS, velocity, azimuth, elevation) to suppress ghost targets and mitigate strong multipath reflections at the raw data level. Building on the filtered point clouds, a cluster-level, rule-based classification pipeline exploits radar semantics-velocity, RCS, and volumetric spread-to achieve reliable, real-time pedestrian detection without extensive domainspecific training. Experimental results confirm that this integrated approach significantly enhances clutter mitigation, detection robustness, and overall system resilience in dust-laden mining environments.
• Abstract（参考訳）: 本稿では, 地中地雷, 道路トンネル, 倒壊した建物など, 密集した環境を代表し, 強い電磁的制約下での繰り返しミリ波伝搬実験を可能にする, 高度に散在した環境下で, 制御された多層塵濃度を生成する新しい手法を提案する。 また、カメラとLiDARによって強化された新しい4DmmWaveレーダーデータセットを提示し、塵粒子と反射面が検知機能にどのように影響するかを説明した。 これらの課題に対処するために,キーレーダパラメータ(RCS,速度,方位,高度)を利用したしきい値に基づくノイズフィルタリングフレームワークを開発し,ゴーストターゲットの抑制と,生データレベルでの強いマルチパス反射の軽減を図る。 クラスタレベルのルールベースの分類パイプラインであるフィルタリングポイントクラウド上に構築されたこのパイプラインは、レーダーセマンティックス速度、RCS、ボリューム拡散を利用して、広範囲なドメイン固有のトレーニングを必要とせずに、信頼性の高いリアルタイムな歩行者検出を実現する。 実験結果から, この統合手法は, ダストレイド採掘環境におけるクラッタ緩和, ロバスト性の検出, システム全体のレジリエンスを著しく向上させることが明らかとなった。

関連論文リスト

• A Lightweight Model-Driven 4D Radar Framework for Pervasive Human Detection in Harsh Conditions [11.183137089778468]
  本稿では,組込みエッジハードウェア上でのリアルタイム実行を目的とした,完全モデル駆動4次元レーダ認識フレームワークを提案する。 このフレームワークは、ダスト充填されたトレーラーと実際の地下トンネルで評価され、テストシナリオでは、レーダーベースの検出器は、カメラとLiDARのモダリティが深刻な視認性低下の下で安定した歩行者識別を維持する。
  論文  参考訳（メタデータ） (2026-01-19T20:18:51Z)
• 4D-RaDiff: Latent Diffusion for 4D Radar Point Cloud Generation [10.945807584683726]
  本研究では,物体検出装置の訓練および評価のための4次元レーダポイント雲を生成する新しいフレームワークを提案する。 提案された4D-RaDiffは、ラベルのないバウンディングボックスを高品質なレーダーアノテーションに変換し、既存のLiDARポイントクラウドデータをリアルなレーダーシーンに変換する。
  論文  参考訳（メタデータ） (2025-12-16T09:43:05Z)
• WaveC2R: Wavelet-Driven Coarse-to-Refined Hierarchical Learning for Radar Retrieval [15.574201840981035]
  本稿では,新しいウェーブレット駆動によるレーダ探索のための粗度補正フレームワークWaveC2Rを提案する。 本稿では,WaveC2Rが衛星によるレーダ探査において最先端の性能を発揮することを示す。
  論文  参考訳（メタデータ） (2025-11-13T04:57:31Z)
• CORENet: Cross-Modal 4D Radar Denoising Network with LiDAR Supervision for Autonomous Driving [6.251434533663502]
  4Dレーダーによる物体検出は、悪天候下での頑丈さに大きな注目を集めている。 4次元レーダーポイント雲のスパースでノイズの多い性質は、効果的な知覚に重大な課題をもたらす。 我々は、LiDAR監視を利用してノイズパターンを識別する新しいクロスモーダル・デノナイズ・フレームワークであるCORENetを提案する。
  論文  参考訳（メタデータ） (2025-08-19T03:30:21Z)
• 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)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Enhancing Reliability in Federated mmWave Networks: A Practical and Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
  本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。 これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。 提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-06-22T10:10:25Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• 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)
• SCRDet++: Detecting Small, Cluttered and Rotated Objects via Instance-Level Feature Denoising and Rotation Loss Smoothing [131.04304632759033]
  小さくて散らばった物体は実世界では一般的であり、検出は困難である。 本稿では,まず,物体検出にデノナイズするアイデアを革新的に紹介する。 機能マップ上のインスタンスレベルの記述は、小さくて散らばったオブジェクトの検出を強化するために行われる。
  論文  参考訳（メタデータ） (2020-04-28T06:03:54Z)

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。