点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

作者丨Kaiwen Cai

来源丨 计算机视觉life

今天给大家介绍一个最新的开源工作：AutoPlace，主要用于车载单片毫米波雷达场景识别。该工作由爱丁堡大学MAPS Lab的卢晓轩团队（Kaiwen Cai， Bing Wang,  Chris Xiaoxuan Lu）完成，开源了代码和数据集，可谓是一大福音！

大家快去star吧！

项目地址：https://ramdrop.github.io/assets/pages/AutoPlace/AutoPlace_customized.html

代码地址：

Code：https://github.com/ramdrop/AutoPlace

Demo如下所示

场景识别是许多机器自主任务的基础，比如回环检测和尺度定位。一般的场景识别系统使用视觉相机或者激光雷达来实现，但它们在黑暗、恶劣天气以及其他视线不佳的情况下性能会极大降低。机械毫米波雷达（如CTS-350X）可以应对一些恶劣工况，但是它体积大、成本高且必须安装在车顶，这使得难以被大规模商用。车载单片毫米波雷达是近年来新出现的商用环境感知传感器，它体积小、成本低，采集信号种类丰富（包括多谱勒速度和RCS）。但是车载单片毫米波雷达的点云稀疏又嘈杂，如何将其良好应用于场景识别是一个尚未解决的挑战。

本工作提出一套针对车载单片毫米波雷达的场景识别方法，我们称之为AutoPlace。AutoPlace挖掘车载单片毫米波雷达的Doppler Velocity和RCS两种测量物理信号，并使用深度学习网络提取点云的时间和空间信息，为每一帧点云生成一个具有强区分度的全局描述子。

下面分别介绍AutoPlace三个模块的功能和效果：

1. DPR（Dynamic Points Removal）

动态点云不属于静态环境特征，因此我们借助于雷达测量的物体Doppler Velocity来进行动态点云去除。具体来说，（1）雷达静止时，我们直接过滤Doppler Velocity大于设定阈值的点云；（2）雷达运动时，我们使用正弦曲线拟合物体位置角-Doppler Velocity曲线，拟合外点即被视为动态点并滤除。(下图中红色点为识别出的动态点)

2. SE+TE（Spatial Encoder + Temporal  Encoder）

我们将点云俯视图转换成图像，然后使用多层CNN提取图像空间特征。此外，我们认为雷达的时间信息也有助于提升场景可识别度，因此将连续的三张CNN特征图输入到单层LSTM中，得到最终的点云全局描述子。

3. RCSHR（RCS Histogram Reranking）

RCS是主要由物体本身材料特性和反射角决定的物理量。在推理阶段，我们进一步提取点云的RCS的直方图特征来对取回样本进行重排。

我们在nuScenes数据集上进行了实验，相关的数据集和算法代码均已开源：

项目地址：https://ramdrop.github.io/assets/pages/AutoPlace/AutoPlace_customized.html

代码地址：

Code：https://github.com/ramdrop/AutoPlace

本文仅做学术分享，如有侵权，请联系删文。

3D视觉精品课程推荐：

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~