論文の概要: Towards Multi-Object-Tracking with Radar on a Fast Moving Vehicle: On the Potential of Processing Radar in the Frequency Domain

• arxiv url: http://arxiv.org/abs/2604.14013v1
• Date: Wed, 15 Apr 2026 15:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.618773
• Title: Towards Multi-Object-Tracking with Radar on a Fast Moving Vehicle: On the Potential of Processing Radar in the Frequency Domain
• Title（参考訳）: 高速走行車両におけるレーダによる多対象追跡に向けて:周波数領域におけるレーダ処理の可能性について
• Authors: Tim Hansen, Arturo Gomez-Chavez, Ilya Shimchik, Andreas Birk,
• Abstract要約: 周波数領域におけるレーダデータの処理を促進させ,ノイズや構造誤差に対して高いロバスト性を実現する。 高いロバスト性に加えて、周波数領域の処理は、例えば、登録に使用される基本的な相関に基づく手法が、シーン内のすべての移動構造に関する情報を提供するという、これまで無視された利点を持つ。
• 参考スコア（独自算出の注目度）: 5.92178070570601
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We promote in this paper the processing of radar data in the frequency domain to achieve higher robustness against noise and structural errors, especially in comparison to feature-based methods. This holds also for high dynamics in the scene, i.e., ego-motion of the vehicle with the sensor plus the presence of an unknown number of other moving objects. In addition to the high robustness, the processing in the frequency domain has the so far neglected advantage that the underlying correlation based methods used for, e.g., registration, provide information about all moving structures in the scene. A typical automotive application case is overtaking maneuvers, which in the context of autonomous racing are used here as a motivating example. Initial experiments and results with Fourier SOFT in 2D (FS2D) are presented that use the Boreas dataset to demonstrate radar-only-odometry, i.e., radar-odometry without sensor-fusion, to support our arguments.
• Abstract（参考訳）: 本稿では, 周波数領域におけるレーダデータの処理を, 特に特徴に基づく手法と比較して, ノイズや構造誤差に対して高いロバスト性を実現するために促進する。 これはまた、シーンにおける高ダイナミックス、すなわちセンサーによる車両のエゴモーション、および未知の多数の移動物体の存在にも当てはまる。 高ロバスト性に加えて、周波数領域の処理はこれまでのところ無視されている利点があり、例えば、登録に使用される相関に基づく手法は、シーン内のすべての移動構造に関する情報を提供する。 典型的な自動車応用のケースは、自動運転レースの文脈でモチベーションの例として使用される、操作をオーバーテイクすることである。 2D (FS2D) におけるフーリエSOFTの初期実験と結果が示され、ボレーレスデータセットを用いてレーダーのみの計測、すなわちセンサフュージョンのないレーダー・オドメトリーを実証し、我々の議論を支援する。

関連論文リスト

• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• 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)
• TransRadar: Adaptive-Directional Transformer for Real-Time Multi-View Radar Semantic Segmentation [21.72892413572166]
  本稿では,レーダデータの多入力融合を用いたレーダシーンのセマンティックセマンティックセマンティクスへの新しいアプローチを提案する。 提案手法であるTransRadarは,CARRADAとRADIalのデータセット上で最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-10-03T17:59:05Z)
• A recurrent CNN for online object detection on raw radar frames [7.074916574419171]
  本研究では,オンラインレーダオブジェクト検出のための新しいCNNアーキテクチャを提案する。 本稿では,コンボリューションとConvLSTMを混合したエンドツーエンドのトレーニング可能なアーキテクチャを提案する。 我々のモデルは因果的であり、オブジェクトを検出するためにConvLSTMのメモリに符号化された過去の情報のみを必要とする。
  論文  参考訳（メタデータ） (2022-12-21T16:36:36Z)
• Deep Instance Segmentation with High-Resolution Automotive Radar [2.167586397005864]
  本稿では,レーダ検出点を用いた2つの効率的な分割法を提案する。 1つは、PointNet++フレームワークを使用してエンドツーエンドのディープラーニング駆動方式で実装されている。 もう一つは、セマンティック情報を用いたレーダー検出点のクラスタリングに基づいている。
  論文  参考訳（メタデータ） (2021-10-05T01:18:27Z)
• 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)
• RSS-Net: Weakly-Supervised Multi-Class Semantic Segmentation with FMCW Radar [26.56755178602111]
  我々は、このタスクに使用される従来のセンサーよりも、より長い範囲で動作し、悪天候や照明条件に対してかなり堅牢なレーダーを提唱する。 RGBカメラやLiDARセンサーとレーダースキャンを関連付け,これまでに収集された最大の都市自治データセットを利用する。 本稿では,マルチチャンネル・レーダ・スキャン・インプットを用いて,短命でダイナミックなシーン・オブジェクトを扱うネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-02T11:40:26Z)

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。