論文の概要: Beyond a Shadow of a Doubt: Close Proximity Geometry Reconstruction Using FMCW Radar Shadow Effects
- arxiv url: http://arxiv.org/abs/2606.25829v1
- Date: Wed, 24 Jun 2026 13:47:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.351189
- Title: Beyond a Shadow of a Doubt: Close Proximity Geometry Reconstruction Using FMCW Radar Shadow Effects
- Title（参考訳）: FMCWレーダシャドウ効果を用いた近接幾何再構成法
- Authors: Felix de Trogoff du Boisguezennec, Benjamin Ramtoula, Daniele De Martini,
- Abstract要約: 車両のシャシーはレーダー線を遮蔽し、独特の幾何学的影を形成する。
このキューから近傍の細い垂直物体の3次元平面傾斜を復元する手法を提案する。
この研究は、シャシーシャドーを新しい幾何学的キューとして強調し、ローカライゼーションを超えて2D回転レーダーの役割を拡大し、3Dシーンの再構築に向けたものである。
- 参考スコア（独自算出の注目度）: 8.847248042144681
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable perception in adverse conditions remains challenging for autonomous systems, as cameras and LiDAR degrade in poor lighting or weather. Millimetre-wave FMCW radar is robust to such conditions, but its elevation collapse limits geometric reasoning. We observe that vehicle chassis occlude radar rays and form a distinctive geometric shadow, and its consistency can enable us to infer useful information about objects whose returns intersect this shadow. Motivated by this observation, we propose a method to recover the 3D, in-plane inclination of nearby slender vertical objects from this cue. The object inclination is retrieved without assumptions about the wider scene, but through an analytical, closed-form mapping between its radar return boundaries and the opening angle. Validation in simulation and experimentation on a Navtech CTS350-X radar shows that inclinations can be estimated under practical conditions, with segmentation of the object in the radar scan emerging as the main bottleneck. This work highlights chassis shadows as a novel geometric cue, extending the role of 2D rotating radar beyond localisation and toward 3D scene reconstruction.
- Abstract（参考訳）: 悪条件に対する信頼性の高い認識は、カメラやLiDARが弱い照明や天候で劣化するなど、自律システムにとって依然として困難である。
ミリ波FMCWレーダーはそのような条件に対して頑丈であるが、その上昇崩壊は幾何学的推論を制限する。
我々は、車両のシャシーがレーダー線を遮蔽し、独特の幾何学的影を形成することを観察し、その一貫性により、この影と交差する物体に関する有用な情報を推測することができる。
この観測により, このキューから近傍の細い垂直物体の3次元, 面内傾斜を復元する手法を提案する。
物体の傾きは、より広いシーンについて仮定することなく回収されるが、レーダーリターン境界と開口角の間の解析的、クローズドな形状のマッピングによって得られる。
Navtech CTS350-Xレーダーでのシミュレーションと実験の検証は、傾斜を実際の条件下で推定できることを示し、レーダースキャンにおける物体のセグメンテーションが主なボトルネックとなっている。
この研究は、シャシーシャドーを新しい幾何学的キューとして強調し、2D回転レーダーの役割をローカライゼーションを超えて拡張し、3Dシーンの再構築に向けたものである。
関連論文リスト
- RadarSim: Simulating Single-Chip Radar via Multimodal Neural Fields [49.41438378775056]
レーダーはカメラの理想的な補完であり、カメラは細かな角分解能を提供し、レーダーは悪天候下でメートル法的な深さと頑丈さを提供する。
RadarSimはレーダーのみの再構築よりもシャープな幾何学とドップラーレンジフレームを生成する。
論文 参考訳（メタデータ） (2026-05-25T21:03:40Z) - Pushing Radar Odometry Beyond the Pavement: Current Capabilities and Challenges [7.820881002491645]
オフロードオドメトリー推定におけるレーダの可能性について検討する。
本稿では,3次元レーダー点雲の生成に動き補償を適用したRadar-KISSICPと,IMU事前積分を利用してスキャンマッチングを安定化するRadar-IMUの2つの簡単なベースラインを紹介する。
Great Outdoorsデータセットの実験は、これらのベースラインが挑戦ルートにおける軌道推定を改善することを示した。
論文 参考訳（メタデータ） (2026-04-27T16:34:18Z) - LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
光ハーモニー3D(LightHarmony3D)について述べる。
繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。
3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
論文 参考訳（メタデータ） (2026-03-31T03:26:30Z) - Accurate Surface and Reflectance Modelling from 3D Radar Data with Neural Radiance Fields [8.848338996604285]
レーダポイント雲からの3次元マッピングのためのニューラル暗黙的アプローチを提案する。
従来のライダーを用いた再構成法と比較して, よりスムーズで高精度な3次元表面再構成法が得られた。
論文 参考訳（メタデータ） (2026-03-26T16:37:08Z) - L3DR: 3D-aware LiDAR Diffusion and Rectification [85.5914944339043]
レンジビュー(RV)に基づくLiDAR拡散は、最近2Dフォトリアリズムに向けて大きな進歩を遂げた。
しかし、3次元幾何学的リアリズムを無視し、深部出血や波状表面といった様々なRVアーティファクトをしばしば生成する。
我々は,3次元空間におけるRVアーティファクトの回帰とキャンセルが可能な,L3DRを3D対応のLiDAR拡散・整流フレームワークとして設計する。
論文 参考訳（メタデータ） (2026-02-22T06:31:58Z) - Sim2Radar: Toward Bridging the Radar Sim-to-Real Gap with VLM-Guided Scene Reconstruction [2.3510064024442374]
Sim2Radarは、単一ビューのRGBイメージから直接レーダーデータを合成するエンドツーエンドのフレームワークである。
Sim2Radarは、単眼深度推定、セグメンテーション、視覚言語推論を組み合わせることで、素材を意識した3Dシーンを再構築する。
Sim2Radarは、現実世界の屋内シーンで評価され、トランスファーラーニングを通じて下流の3Dレーダー知覚を改善する。
論文 参考訳（メタデータ） (2026-02-10T10:56:47Z) - 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) - Radar2Shape: 3D Shape Reconstruction from High-Frequency Radar using Multiresolution Signed Distance Functions [11.138924354650582]
本稿では, 部分的に観測可能なレーダー信号を3次元再構成する拡散モデルRadar2Shapeを提案する。
我々はRadar2Shapeが部分的に観測されたレーダ信号からでも任意の3次元形状を復元できることを実証した。
論文 参考訳（メタデータ） (2025-11-21T18:40:03Z) - Breaking Down Monocular Ambiguity: Exploiting Temporal Evolution for 3D Lane Detection [79.98605061363999]
単眼3次元車線検出は,前頭側視像(FV)から車線の3次元位置を推定することを目的としている。
既存の手法は、単一フレーム入力の固有のあいまいさによって制約される。
車両が移動するときにシーンの時間的進化に埋め込まれたリッチな情報を解放することを提案する。
論文 参考訳（メタデータ） (2025-04-29T08:10:17Z) - RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
暗い照明や悪天候はカメラの性能を低下させる。
レーダーは騒音と位置のあいまいさに悩まされる。
本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
論文 参考訳（メタデータ） (2025-02-18T17:17:38Z) - TransRAD: Retentive Vision Transformer for Enhanced Radar Object Detection [6.163747364795787]
本稿では,新しい3次元レーダ物体検出モデルであるTransRADを提案する。
本研究では、ディープレーダオブジェクト検出における重複境界ボックスの共通問題を軽減するために、位置認識型NMSを提案する。
その結果,TransRADは2次元および3次元のレーダ検出タスクにおいて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2025-01-29T20:21:41Z)
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。