实体
RadarScenes
RadarScenes
PulseAugur coverage of RadarScenes — every cluster mentioning RadarScenes across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
通过累积历史扫描数据改进雷达目标分类
开发了一种新的雷达目标分类方法，通过累积目标历史观测数据来改进现有的单扫描分类器。该方法利用了雷达数据的稀疏性和目标运动的时间动态性，例如行人的微多普勒特征和变化的RCS波动。所提出的模型达到了0.8897的宏观F1分数，显著优于基线单扫描分类器的0.7370，大部分收益归因于多扫描的汇集，而不是所使用的特定序列建模技术。
-
新的跟踪系统弥合了多视角物体检测中的合成到真实世界的差距 · 跟踪了2个来源
研究人员开发了两个新系统Syn2RealTrack和ModTrack，通过解决合成训练数据与真实世界应用之间的差距来改进多视角多目标跟踪（MV-MOT）。Syn2RealTrack将问题分解为相机标定、物体形状先验和物体计数，每个组件都得到了特定的解决方案。另一方面，ModTrack提供了一种模块化、传感器无关的方法，将感知与跟踪分离，利用具有协方差传播的身份信息过滤。这两个系统都旨在提高不同数据集和传感器模态下的跟踪准确性和泛化能力。
-
新型IRGNN模型提升自动驾驶雷达目标检测能力
研究人员开发了IRGNN（不变雷达图神经网络），一种用于自动驾驶系统中雷达点云目标检测的新型网络。该网络通过将稀疏无序的雷达数据转换为具有平移和旋转不变特征的图表示，解决了数据处理的挑战。IRGNN采用增强的消息传递神经网络，以改进特征传播和上下文建模，并在RadarScenes数据集上展现出优于现有雷达方法的性能和效率。