EFEAR-4D : Filtrage de la vitesse égo pour une odométrie radar 4D efficace et précise

L'odométrie est un composant crucial pour la mise en œuvre réussie de la navigation autonome, s'appuyant sur des capteurs tels que des caméras, des LiDAR et des IMU. Cependant, ces capteurs peuvent rencontrer des défis dans des conditions météorologiques extrêmes, telles que la neige et le brouillard. L'émergence de la technologie radar FMCW offre un potentiel pour une perception robuste dans des conditions défavorables. En tant que dernière génération de radars FWCW, le radar 4D mmWave fournit un nuage de points avec des informations sur la portée, l'azimut, l'élévation et la vitesse Doppler, malgré la rareté inhérente et les bruits dans le nuage de points. Dans cet article, nous proposons EFEAR-4D, une méthode précise, très efficace et sans apprentissage pour l'estimation d'odométrie radar 4D à grande échelle. EFEAR-4D exploite délicatement les informations de vitesse Doppler pour une estimation robuste de la vitesse égo, résultant en une estimation initiale très précise. EFEAR-4D maintient sa robustesse face à la rareté et aux bruits du nuage de points à travers divers environnements grâce à l'élimination d'objets dynamiques et à une extraction efficace des caractéristiques régionales. Des expériences approfondies sur deux ensembles de données radar 4D disponibles publiquement démontrent la fiabilité de pointe et la précision de localisation d'EFEAR-4D dans diverses conditions. En outre, nous avons collecté un ensemble de données suivant le même itinéraire mais avec des hauteurs d'installation variables du radar 4D, soulignant l'impact significatif de la hauteur du radar sur la qualité du nuage de points - une considération cruciale pour les déploiements dans le monde réel. Notre algorithme et notre ensemble de données seront bientôt disponibles sur https://github.com/CLASS-Lab/EFEAR-4D.