Rozpoznawanie obiektów w chmurach punktów z czujników radarowych z wykorzystaniem modeli głębokiego uczenia

Uczenie głębokie jest szeroko wykorzystywane w zagadnieniach rozpoznawania, szczególnie w zbiorach o uporządkowanej strukturze przestrzeni. Algorytmy zdolne do rozpoznawania obiektów w chmurach punktów są zdecydowanie słabiej opisane w literaturze; ponadto zwykle skupiają się na gęstych chmurach z sensorów laserowych (lidarów). Działanie wspomnianych algorytmów jest rzadko opisywane w kontekście detekcji obiektów w punktach z czujników elektromagnetycznych (radarów). W pracy przedstawiono porównanie skuteczności działania modeli PointPillars i PointRCNN na danych z radaru zamontowanego na samochodzie w scenach ze środowiska miejskiego. Ponadto dane te zostały skonfrontowane z modelami wytrenowanymi za pomocą algorytmu PointPillars, w którego sieci szkieletowej wprowadzono zaproponowane przez autora modyfikacje, polegające na zmianie funkcji aktywacji, dodaniu dodatkowych warstw splotowych i zastosowaniu algorytmu dynamicznego splotu.