（四十）机器人技术的新浪潮：毫米波雷达在机器人技术中的应用（第二部分）
科技
2024-10-04 09:58
江苏
每周学术论文，阅读习惯养成！这是《毫米波雷达 | 论文品读专栏》的第40篇文章，全文1.2W字，专栏合集已达40.2W字。每期的论文原文在文末给出查看方式，便于读者查找阅读。除了手工设计的基于特征的定位技术、直接法和统计法之外，还有一些工作尝试利用雷达的独特特性和深度学习来定位机器人系统。神经网络可以学习雷达图像之间的一致特征或变化，这对于里程计和地图绘制很有用。这些网络能够逼近函数，在存在非高斯噪声的情况下解释各种数据的一致模式。与传统方法一样，有几种学习方法致力于识别鲁棒特征，以便以后进行扫描匹配以生成里程计。Aldera等人[69]使用弱监督学习来短暂关联扫描，用于过滤稳健且相干的雷达样本以进行里程计。Barnes等人 [70]设计了一个卷积神经网络来提取能够消除独特雷达噪声挑战的掩模，例如散斑噪声和多径反射。应用于笛卡尔雷达扫描的该掩模会产生独特的特征图，然后在一组样本旋转中进行比较，以预测 softargmax 下的姿态，并具有姿态不确定性。系统的唯一监督信号是地面实况姿势， 而Barnes等人[70]在里程计估计方面计算出出色的性能，它们具有很高的时间复杂度。因此，Weston等人[71]用基于 FFT 的方法代替了强力旋转计算，总体精度低于[70]，但计算时间显着减少。
