https://proceedings.neurips.cc/paper_files/paper/2017/hash/d8bf84be3800d12f74d8b05e9b89836f-Abstract.html PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space Requests for name changes in the electronic proceedings will be accepted with no questions asked. However name changes may cause bibliographic tracking issues. Authors are asked to consider this carefully and disc..
Radar 데이터를 사용하여 Trajectory Prediction을 수행하는 연구에 대한 조사 이 분야는 주로 aircraft를 target으로 하는 연구가 주를 이루는 것으로 보인다. 하지만, 도로 상의 객체를 target으로 하는 연구도 존재하는데 이러한 연구들은 센서 융합 기반의 방식을 사용하여 Radar뿐 아니라 camera나 LiDAR를 같이 사용하는 것으로 보인다. Trajectory Prediction Based on Roadside Millimeter Wave Radar and Video Fusion https://ieeexplore.ieee.org/abstract/document/9725037 Trajectory Prediction Based on Roadside Millimeter W..
Introduction 4D 레이더는 감지 범위에 따라 단거리, 중거리, 장거리 모드로 다양한 작동 모드를 가지고 있습니다. 표 I에서 각 4D 레이더는 그 장점을 가지고 있음을 관찰할 수 있습니다. 다른 작동 모드에서 4D 레이더가 수집하는 포인트 클라우드의 해상도와 범위는 다르며, 여러 작동 모드에서 4D 레이더는 다른 포인트 클라우드 밀도와 수집 범위를 가집니다. 사용한 Radar 1. ARS548 RDI 장점: 더 긴 범위의 포인트 클라우드를 수집할 수 있다. 단점: denoise 과정을 거쳐 sparse한 데이터를 제공하기 때문에 작거나 가까운 물체를 탐지하기에 적합하지 않다. (miss detection) 2. Arbe Phoenix 장점: denoise를 거치지 않아 dense한 데이터를 이..
gen.m main 함수와 같은 역할을 하는 파일 다음과 같은 step으로 되어있다. 1. Default & Hyper-parameters 2. Tesseract Generation 3. ZYX Cube Generation 4. BEV Image Generation 5. Point Cloud Image Generation 1. gen_1_load_data.m 레이더와 라이다 데이터를 처리하기 위한 초기 설정과 파라미터를 정의 레이더나 라이다를 공간적으로 매핑하는데 필요한 기초적인 설정 경로설정 파일 이름 및 확장자 지정 : Radar=bin, LiDAR=baginfo_label.mat에서 Range, Azimuth, Elevation 정보 가져옴하이퍼 파라미터 설정(각 축의 최소값, 최대값, 그리고 단위..
