做网站费用,网站设计相似侵权吗,建筑工程网上申报如何补件,做网站有效果吗Link#xff1a;https://wiselabcmu.github.io/dart/ Publish#xff1a; 2024CVPR
Abstract
DART主要任务就是用来合成雷达距离多普勒图像range-droppler#xff0c;可用于生成高质量的断层扫描图像。
Related Work
1 Radar Simulation
基于模型的方法
任务#xff…Linkhttps://wiselabcmu.github.io/dart/ Publish 2024CVPR
Abstract
DART主要任务就是用来合成雷达距离多普勒图像range-droppler可用于生成高质量的断层扫描图像。
Related Work
1 Radar Simulation
基于模型的方法
任务使用物理和环境模型模拟雷达信号的传播 方法使用光线追踪、有限元建模FEM或有限差分时域FDTD模拟的某种组合 缺点不能够从雷达数据中推断环境的结构准确性受到用户创建雷达真实环境模型的能力的限制。
数据驱动的方法
方法使用真实传感器扫描建立环境模型主要分为稀疏方法和密集方法相干聚合和非相干聚合
2 雷达中的机器学习方法
3 NeRF
三个组件
世界模型世界定义为每个位置和视角的RGB和透明度世界表示渲染函数和模型反演
DART
主要工作
选择距离多普勒的度量表示去克服紧凑雷达分辨率差的问题使用网络模型考虑了电磁波相互作用的效应使用自适应网格世界表示的网络架构设计距离多普勒方法优化了渲染过程
1 距离多普勒表示
不同的点的多普勒速度是不一样的在3D空间中每个相同的多普勒值红色的球体对应一个圆锥体圆锥体球体和圆锥体的交集构成多普勒像素。 左图相当于圆锥体的侧视图右图为立体图。
2 雷达预处理
3 DART的世界模型
以数据驱动形式对属性进行建模使用基于视图的神经网络方法来表示反射率和透射率。
建模射频反射
空间中点的属性反射率反射回来的能量比例和透射率穿过去的能量比例
将目标特性分为反射系数和透射系数。 世界表征
用自适应的grid的Instant NGPInstant Neural Graphics Primitive作为backbone。 网络输出基础反射率 σ ‾ \overline \sigma σ 和渗透率 α ‾ \overline \alpha α、共享球谐系数其作为内积应用于入射角
激活函数 σ \sigma σ 是无界的应用线性激活函数 α \alpha α 应用 f ( α ) e x p ( m a x ( 0 , α ) ) f(\alpha) exp(max(0, \alpha)) f(α)exp(max(0,α)) 激活函数
4 雷达渲染和模型训练
使用可微映射来训练 σ σ σ 和 α α α该映射从给定的 ( σ , α ) (σ, α) (σ,α) 网络生成多天线距离多普勒热图将此称为雷达渲染。
光线追踪
雷达从位置 x x x 处发出一条射线射线的方向由旋转矩阵 A \bold A A 确定射线以 ω \omega ω 角度发射这个角度决定光线遇到物体表面时的碰撞方向。
当光线在空间中传播时它会经过路径上的不同点。每个点可以用 x r i ω xr_i \omega xriω 表示 r i r_i ri 表示从雷达到该点的距离。这些点上光线信号有一个振幅 u i u_i ui 随着距离增加由于自由空间路径损耗振幅会减小。
信号到达某一点时以振幅 u i σ ( t i ) u_i \sigma(t_i) uiσ(ti) 反射以 u i α ( t i ) u_i \alpha(t_i) uiα(ti) 继续向前传播。当反射信号返回到雷达时它会再次受到与距离 r i r_i ri 成正比的衰减意味着信号传输距离越远衰减越严重。
距离 r 1 , r 2 , ⋯ , r N r_1, r_2, \cdots, r_N r1,r2,⋯,rN 表示离散的距离区间雷达在这些区间上采样回波信号。振幅C表示在特定位置处接受到的信号强度
多普勒积分
在特定位置和速度下将雷达信号的返回值整合到一个多天线的范围-多普勒热图中。
多普勒速度采用 ⟨ ω , v ⟩ \lang \omega ,v \rang ⟨ω,v⟩ 计算和雷达入射方向和速度有关说明多普勒频移是由目标的相对运动引起的。 可以沿着每个范围-多普勒单元对应的薄环对返回信号 C C C 进行积分 之后需要对离散单元的宽度进行修正以考虑不同距离和速度下的变化。具体用M个随机方向 ω 1 , ⋯ , ω M \omega_1, \cdots, \omega_M ω1,⋯,ωM 来近似积分这些方向满足条件 ⟨ ω , v ⟩ d j \lang \omega ,v \rangd_j ⟨ω,v⟩dj 通过这些步骤可以得到一个经过调整和修正的雷达信号热图用于分析雷达回波信号在不同距离和速度上的分布情况。
优化渲染
主要是提高渲染速度和效率。
传统做法将每个距离、多普勒、天线“像素”都视为一个独立的采样点进行处理那么计算成本会非常高。这种方法类似于在神经辐射场NeRF中的标准实践。这种方法需要对场函数进行大量次的采样包括在距离、多普勒、天线、距离积分和多普勒积分上的多次采样以渲染出一张图像。
优化在渲染时同时处理具有相同多普勒值的所有区间bins从而重复使用 σ \sigma σ 和 α α α 的采样。可以显著减少场函数的评估次数因为多个像素可以共享相同的采样结果从而避免了重复计算。
