mmPlace: Robust Place Recognition with Intermediate Frequency Signal of Low-cost Single-chip Millimeter Wave Radar

要約

場所の認識は、ループ閉鎖の検出や再位置特定などのタスクにとって非常に重要です。
シングルチップミリ波レーダー (略してシングルチップレーダー) は、劣化した視覚環境の影響を受けにくいという利点を備え、場所認識用の低コストセンサーのオプションとして登場しました。
ただし、2 つの課題に直面します。
まず、シングルチップレーダーからのまばらな点群は、より高密度のデータを前提とする現在地認識方法を使用する場合、パフォーマンスの低下につながります。
第 2 に、視野 (FOV) の重なりが限られているため、回転および横方向の変動を伴うシナリオではパフォーマンスが大幅に低下します。
私たちは、これらの課題に対処するための堅牢な場所認識システムである mmPlace を提案します。
具体的には、mmPlace は中間周波数 (IF) 信号をレンジ方位ヒートマップに変換し、空間エンコーダーを使用して特徴を抽出します。
さらに、回転および横方向の変動を伴うシナリオのパフォーマンスを向上させるために、mmPlace は回転プラットフォームを採用し、回転サイクルでヒートマップを連結し、システムの FOV を効果的に拡大します。
中国科学技術大学 (USTC) のキャンパス、キャンパス周辺の市道、地下駐車場で収集された milliSonic データセットに対する mmPlace のパフォーマンスを評価します。
結果は、mmPlace が点群ベースの手法を上回り、回転および横方向の変動を伴うシナリオで 87.37% の再現率 @1 を達成することを示しています。

要約(オリジナル)

Place recognition is crucial for tasks like loop-closure detection and re-localization. Single-chip millimeter wave radar (single-chip radar in short) emerges as a low-cost sensor option for place recognition, with the advantage of insensitivity to degraded visual environments. However, it encounters two challenges. Firstly, sparse point cloud from single-chip radar leads to poor performance when using current place recognition methods, which assume much denser data. Secondly, its performance significantly declines in scenarios involving rotational and lateral variations, due to limited overlap in its field of view (FOV). We propose mmPlace, a robust place recognition system to address these challenges. Specifically, mmPlace transforms intermediate frequency (IF) signal into range azimuth heatmap and employs a spatial encoder to extract features. Additionally, to improve the performance in scenarios involving rotational and lateral variations, mmPlace employs a rotating platform and concatenates heatmaps in a rotation cycle, effectively expanding the system’s FOV. We evaluate mmPlace’s performance on the milliSonic dataset, which is collected on the University of Science and Technology of China (USTC) campus, the city roads surrounding the campus, and an underground parking garage. The results demonstrate that mmPlace outperforms point cloud-based methods and achieves 87.37% recall@1 in scenarios involving rotational and lateral variations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google