論文の概要: 4D Radar Perception Algorithms for Autonomous Driving: A Review

• arxiv url: http://arxiv.org/abs/2609.19216v1
• Date: Wed, 16 Sep 2026 12:46:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.953234
• Title: 4D Radar Perception Algorithms for Autonomous Driving: A Review
• Title（参考訳）: 自律走行のための4次元レーダ知覚アルゴリズムのレビュー
• Abstract要約: 近年,4次元ミリ波レーダ認識アルゴリズムの研究が盛んである。 本稿では,認識タスクとアルゴリズムの進化にともなう分野を整理する。
• 参考スコア（独自算出の注目度）: 12.29760827475647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research on 4D millimeter-wave radar perception algorithms has flourished in recent years, extending from signal processing and object detection to semantic segmentation, motion estimation, occupancy prediction, and dynamic scene reconstruction. This review organizes the field according to the evolution of perception tasks and algorithms. It first introduces radar fundamentals, data representations, and quality-enhancement methods, and then reviews object-level perception, motion and localization, local and dense spatial perception, and dynamic scene understanding. Across these directions, we compare radar-only learning, multimodal fusion, and cross-modal supervision and knowledge distillation. Particular attention is paid to how elevation, Doppler measurements, and radar physical priors are exploited across tasks. We further summarize the task coverage, input data, annotations, and evaluation protocols of existing datasets, clarifying the empirical support for different research directions. Finally, we discuss the common challenges and future directions of 4D radar perception for autonomous driving. This review provides a task-oriented perspective on the transition from sparse object perception to dynamic spatial understanding.
• Abstract（参考訳）: 近年, 信号処理や物体検出からセマンティックセグメンテーション, 動き推定, 占有率予測, 動的シーン再構築に至るまで, 4D ミリ波レーダ認識アルゴリズムの研究が盛んである。 本稿では,認識タスクとアルゴリズムの進化にともなう分野を整理する。 まずレーダーの基礎、データ表現、品質向上手法を導入し、続いてオブジェクトレベルの知覚、動きと局所化、局所的および密集した空間的知覚、ダイナミックなシーン理解をレビューする。 これらの方向にわたって、レーダーのみの学習、マルチモーダル融合、モーダル間監督と知識蒸留を比較した。 特に、高度、ドップラー測定、レーダーの物理的事前がタスク全体にわたってどのように利用されるかに注意が払われる。 さらに、既存のデータセットのタスクカバレッジ、入力データ、アノテーション、評価プロトコルを要約し、異なる研究方向に対する実証的支援を明確にする。 最後に,自動運転における4次元レーダ認識の課題と今後の方向性について論じる。 このレビューは、スパース物体知覚から動的空間理解への移行に関するタスク指向の視点を提供する。

関連論文リスト

• RadarOcc: Robust 3D Occupancy Prediction with 4D Imaging Radar [15.776076554141687]
  3D占有に基づく知覚パイプラインは、かなり進歩した自律運転を持つ。 現在の方法では、LiDARやカメラの入力を3D占有率予測に頼っている。 本稿では,4次元イメージングレーダセンサを用いた3次元占有予測手法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T21:48:17Z)
• 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)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Exploring Radar Data Representations in Autonomous Driving: A Comprehensive Review [9.68427762815025]
  レビューでは、自律運転システムで使用されるさまざまなレーダーデータ表現の探索に焦点を当てている。 レーダセンサの機能と限界について紹介する。 各レーダ表現について、関連するデータセット、方法、利点、限界について検討する。
  論文  参考訳（メタデータ） (2023-12-08T06:31:19Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• R4Dyn: Exploring Radar for Self-Supervised Monocular Depth Estimation of Dynamic Scenes [69.6715406227469]
  駆動シナリオにおける自己教師付き単眼深度推定は、教師付きアプローチに匹敵する性能を達成した。 本稿では,自己監督型深度推定フレームワーク上に費用効率の高いレーダデータを利用する新しい手法であるR4Dynを提案する。
  論文  参考訳（メタデータ） (2021-08-10T17:57:03Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)
• 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)

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。