4D Radar Ground Truth Augmentation with LiDAR-to-4D Radar Data Synthesis

要約

グラウンドトゥルースの増強（GT-8月）は、グラウンドトゥルース境界ボックス（GT Bボックス）を活用することによりオブジェクト密度を高めるため、LIDARベースのオブジェクト検出の一般的な方法です。
ただし、GT-AUGを4Dレーダーテンソルデータに直接適用すると、GT BBOXの外側の重要な測定値を見落としています。
この制限に対処するために、4Dレーダーグラウンドトゥルース増強（4DR GT-8月）を提案します。
私たちのアプローチは、最初にLIDARデータを増強し、LIDAR-To-4Dレーダーデータ合成（L2RDAS）モジュールを介して4Dレーダーデータに変換します。
そうすることで、実際の測定値に近い4Dレーダーデータ分布を生成し、それによりオブジェクトの検出精度が向上します。
K-Radarデータセットの実験は、提案された方法が4Dレーダーのオブジェクト検出の従来のGT-8月と比較して、パフォーマンスの向上を達成することを示しています。
実装コードは、https：//github.com/kaist-avelab/k-radarで入手できます。

要約(オリジナル)

Ground truth augmentation (GT-Aug) is a common method for LiDAR-based object detection, as it enhances object density by leveraging ground truth bounding boxes (GT bboxes). However, directly applying GT-Aug to 4D Radar tensor data overlooks important measurements outside the GT bboxes-such as sidelobes-leading to synthetic distributions that deviate from real-world 4D Radar data. To address this limitation, we propose 4D Radar Ground Truth Augmentation (4DR GT-Aug). Our approach first augments LiDAR data and then converts it to 4D Radar data via a LiDAR-to-4D Radar data synthesis (L2RDaS) module, which explicitly accounts for measurements both inside and outside GT bboxes. In doing so, it produces 4D Radar data distributions that more closely resemble real-world measurements, thereby improving object detection accuracy. Experiments on the K-Radar dataset show that the proposed method achieves improved performance compared to conventional GT-Aug in object detection for 4D Radar. The implementation code is available at https://github.com/kaist-avelab/K-Radar.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google