Fugu-MT 論文翻訳(概要): RaDiVe: Robust 4D Radar Odometry with Distance-Bounded NDT and Velocity-Discrepancy Point Uncertainty

論文の概要: RaDiVe: Robust 4D Radar Odometry with Distance-Bounded NDT and Velocity-Discrepancy Point Uncertainty

arxiv url: http://arxiv.org/abs/2607.28045v1
Date: Thu, 30 Jul 2026 11:26:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-31 21:37:00.526608
Title: RaDiVe: Robust 4D Radar Odometry with Distance-Bounded NDT and Velocity-Discrepancy Point Uncertainty
Title（参考訳）: RaDiVe: 距離境界NDTと速度差点不確かさを用いたロバスト4次元レーダーオドメトリー
Abstract要約: RaDiVeは、レーダーポイントクラウド登録の精度と堅牢性を改善するために設計された4Dレーダーオドメトリーフレームワークである。距離制限付き正規分布変換(NDT)を導入し,最適化安定性と計算効率を向上させる。我々は、暗黙的ニューラルマッピングによるサイン付き距離関数(SDF)に基づく表面点抽出を組み込んで、幾何学的に一貫性がありノイズフィルタリングされた局所部分マップを構築する。
参考スコア（独自算出の注目度）: 12.2982667950681
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Recent advances in 4D radar enable robust perception in adverse weather; however, the inherent sparsity, noise, and limited positional precision of radar point clouds pose significant challenges for registration-based odometry. In this letter, we propose RaDiVe, a 4D radar odometry framework designed to improve the accuracy and robustness of radar point-cloud registration. We introduce a distance-bounded Normal Distributions Transform (NDT), which improves optimization stability and computational efficiency by restricting the correspondence search to near-distance voxel pairs. To mitigate measurement ambiguity, we propose a velocity-discrepancy point uncertainty model that weights each input 4D radar point according to the discrepancy between its measured Doppler radial velocity and the radial velocity predicted from the estimated ego-velocity. Furthermore, we incorporate Signed Distance Function (SDF)-based surface point extraction via implicit neural mapping to construct a geometrically consistent and noise-filtered local submap. Evaluations across multiple public datasets demonstrate that RaDiVe outperforms existing 4D radar odometry baselines by 44.4% in translational Absolute Trajectory Error (ATE) and 21.3% in rotational ATE on average, while maintaining real-time performance. The source code will be made publicly available to the robotics community: https://github.com/to-be-open-sourced.
Abstract（参考訳）: 近年の4Dレーダの進歩は、悪天候に対する堅牢な認識を可能にするが、レーダー点雲の固有の空間性、ノイズ、および限られた位置精度は、登録に基づくオードメトリーに重大な課題をもたらす。本稿では,レーダポイントクラウド登録の精度とロバスト性の向上を目的とした4次元レーダオドメトリーフレームワークであるRaDiVeを提案する。距離境界正規分布変換 (NDT) を導入し, 一致探索を近距離ボクセル対に制限することにより, 最適化安定性と計算効率を向上させる。測定のあいまいさを軽減するため,推定エゴ速度から予測されるドップラー半径速度と放射速度との差に応じて,各入力4Dレーダ点を重み付けする速度依存性不確実性モデルを提案する。さらに、暗黙的ニューラルマッピングによるサイン付き距離関数(SDF)に基づく表面点抽出を組み込んで、幾何的に一貫した雑音フィルタリングされた局所部分マップを構築する。複数の公開データセットで評価した結果、RaDiVeは既存の4Dレーダーのオドメトリーのベースラインを44.4%、平均で21.3%で上回り、リアルタイムのパフォーマンスを維持している。ソースコードは、ロボットコミュニティ(https://github.com/to-be-open-sourceed)に公開される。

関連論文リスト

RbFT-Net: Rectify-Before-Fuse Temporal Radar Anchors for 4D Radar-Camera Depth Completion [20.340336916195053]
レーダー測定は本質的にスパースであり、乱れ、マルチパス反射、投射誤差の影響を受けやすい。 RbFT-Netは,マルチフレーム4次元レーダカメラの深度補正のためのエンドツーエンドフレームワークである。 ZJU-4DRadarCamと新たに収集された4Dレーダーカメラ-LiDARデータセットの実験は、RbFT-Netが独立レーダーカメラ法より一貫して優れていることを示している。
論文参考訳（メタデータ） (2026-08-13T11:26:46Z)
RAMBA: 4D Radar Mapping by Bundle Adjustment [3.8603693015738205]
本稿では,一貫した4次元レーダマッピングのためのレーダバンドル調整フレームワークであるRAMBAを提案する。 ColoRadarとSNAIL Radarデータセットの実験は、RAMBAがマップの一貫性を改善し、通常は軌道精度を高めることを示している。
論文参考訳（メタデータ） (2026-05-24T12:38:18Z)
4D Radar Gaussian Modeling and Scan Matching with RCS [80.74019565026542]
レーダークロスセクション(RCS)情報は、しばしば見落とされ、通常マッチングプロセスのモデリングやスキャンには使われない。本稿では,RCSの物理的挙動をモデルに組み込むことにより,シーンの要約情報をさらに強化することを提案する。
論文参考訳（メタデータ） (2026-04-16T10:58:29Z)
UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry [16.577608323279662]
UNRIOは、不確実性を認識したレーダー慣性オドメトリーシステムである。生のmmWaveレーダーIQ信号から直接エゴ速度を推定する。
論文参考訳（メタデータ） (2026-04-15T07:43:06Z)
Equi-RO: A 4D mmWave Radar Odometry via Equivariant Networks [19.594498796044835]
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。
論文参考訳（メタデータ） (2025-09-25T02:21:05Z)
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)
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)
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)
SMURF: Spatial Multi-Representation Fusion for 3D Object Detection with 4D Imaging Radar [12.842457981088378]
本稿では,単一4次元イメージングレーダを用いた新しい3次元物体検出手法である空間多重表現融合(SMURF)を提案する。 SMURFは、狭角分解能とレーダ信号のマルチパス伝搬による測定精度の低下を緩和する。 The experimental evaluations on View-of-Delft (VoD) and TJ4DRadSet datasets showed the effective and generalization ability of SMURF。
論文参考訳（メタデータ） (2023-07-20T11:33:46Z)
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)
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)

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。