ADCNet: End-to-end perception with raw radar ADC data

要約

自動運転業界では、レーダーセンサーへの関心が再び高まっています。
比較的成熟した技術であるレーダーは、ここ数年で着実に進歩しており、一般的に使用されている LiDAR の魅力的な代替手段または補完物となっています。
新たなトレンドは、豊富で低レベルのレーダー データを認識に活用することです。
この研究では、この傾向を極限まで推し進め、未加工のレーダー アナログ-デジタル (ADC) データに対してエンド ツー エンドの学習を実行する方法を提案します。
具体的には、ニューラル ネットワーク内の学習可能な信号処理モジュールと、従来の信号処理アルゴリズムによって導かれる事前トレーニング方法を設計します。
実験結果は、エンドツーエンドの学習方法の全体的な有効性を裏付けていますが、アブレーション研究は、個々のイノベーションの有効性を検証しています.

要約(オリジナル)

There is a renewed interest in radar sensors in the autonomous driving industry. As a relatively mature technology, radars have seen steady improvement over the last few years, making them an appealing alternative or complement to the commonly used LiDARs. An emerging trend is to leverage rich, low-level radar data for perception. In this work we push this trend to the extreme — we propose a method to perform end-to-end learning on the raw radar analog-to-digital (ADC) data. Specifically, we design a learnable signal processing module inside the neural network, and a pre-training method guided by traditional signal processing algorithms. Experiment results corroborate the overall efficacy of the end-to-end learning method, while an ablation study validates the effectiveness of our individual innovations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google