RadarTrack: Enhancing Ego-Vehicle Speed Estimation with Single-chip mmWave Radar

要約

この作業では、モバイルプラットフォームに堅牢な速度推定を実現するために、シングルチップミリ波（MMWave）レーダーを使用した革新的な自我速度推定フレームワークであるRadarTrackを紹介します。
クロスモーダル学習や計算集中的な深い神経ネットワーク（DNNS）に依存する以前の方法とは異なり、RadarTrackは新しい位相ベースの速度推定アプローチを利用しています。
この方法は、ドップラーの測定と静的なサルロンに依存する従来の自我速度推定アプローチの限界を効果的に克服します。
RadarTrackは、埋め込みプラットフォーム上の低遅延操作用に設計されており、速度と効率が重要なリアルタイムアプリケーションに適しています。
私たちの主な貢献には、信号処理のみに基づいて、新しい位相ベースの速度推定手法の導入と、広範な現実世界の評価を通じて検証されたリアルタイムプロトタイプの実装が含まれます。
自我速度の推定に信頼性の高い軽量ソリューションを提供することにより、RadarTrackは、マイクロロバティック、拡張現実、自律ナビゲーションなど、幅広いアプリケーションの重大な可能性を保持します。

要約(オリジナル)

In this work, we introduce RadarTrack, an innovative ego-speed estimation framework utilizing a single-chip millimeter-wave (mmWave) radar to deliver robust speed estimation for mobile platforms. Unlike previous methods that depend on cross-modal learning and computationally intensive Deep Neural Networks (DNNs), RadarTrack utilizes a novel phase-based speed estimation approach. This method effectively overcomes the limitations of conventional ego-speed estimation approaches which rely on doppler measurements and static surrondings. RadarTrack is designed for low-latency operation on embedded platforms, making it suitable for real-time applications where speed and efficiency are critical. Our key contributions include the introduction of a novel phase-based speed estimation technique solely based on signal processing and the implementation of a real-time prototype validated through extensive real-world evaluations. By providing a reliable and lightweight solution for ego-speed estimation, RadarTrack holds significant potential for a wide range of applications, including micro-robotics, augmented reality, and autonomous navigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google