雷达成像论文阅读笔记：MWCL 2022, MWCL 2022: Radar-Based Mapping of the Environment: Occupancy Grid-Map Versus S

原始笔记链接: https://mp.weixin.qq.com/s?__biz=Mzg4MjgxMjgyMg==&mid=2247486648&idx=1&sn=1c793728b4fe157b36dcf950023e2f5e&chksm=cf51be41f8263757ddf6c8dc17b3fe8c2a993afdde80be3100c70b7fa919bb2f8ef8ff4ea061#rd
$\uparrow$ 打开上述链接即可阅读全文

MWCL 2022: Radar-Based Mapping of the Environment: Occupancy Grid-Map VS SAR

雷达成像论文阅读笔记：MWCL 2022, MWCL 2022: Radar-Based Mapping of the Environment: Occupancy Grid-Map Versus SAR

Abstract

• 背景

  • 自动驾驶车辆对环境表示有的高精度需求

  • 基于FMCW radar 生成环境表示主要有 两种方法 ：

    ✅ 基于合成孔径雷达(SAR)

    ✅ 基于占用网格图(OGM)

• 本文工作

  • 首次使用相同测量数据,对SAR和OGM环境表示进行定性比较

1 Introduction

背景：基于雷达重建环境有两种方法，缺乏比较

• 自动驾驶车辆对环境表示有的高精度需求

  • 毫米波雷达相比于激光雷达有优势

• 基于FMCW radar 生成环境表示主要有 两种方法 ：

  ✅ 基于合成孔径雷达(SAR)

  ✅ 基于占用网格图(OGM)

本文工作

• 首次使用相同的数据比较两种方法
  • 定性比较
  • 特别强调了OGM或SAR映射更具优势的场景

2 Processing Chain

• 整个信号处理 steps:

  • raw ADC 通过 FFT 转换到频域

  • 到频域后，SAR和OGM的处理流程不同

    

• SAR和OGM的主要区别：

  • 二者都是 cell-based representations of the environment
  • 区别：每个单元的分辨率和信息含量 + 不同的 signal processing

• 位置信息

  • 由 tachymeter (测速计) 精确获得

2.A Occupancy Grid Map

• OGMs通常是基于目标列表的映射算法
  • 幅度OGM和概率OGM
  • 概率OGM具有明显的鲁棒性优势
• OGM建图过程
  • 通过2D FFT在ADC样本上计算范围多普勒信息
  • 使用CFAR、峰值检测、AoA估计提取相关目标信息
  • 基于目标列表,为每个frame 和 sensor 生成目标模型和传感器模型
• 使用下式逐帧更新OGM
  • $$p(m_i|z_{}$$