.png){kind=icon}
返回
ClaRO: A Cluster-Based Method for Radar Odometry
.png){kind=icon}
OA
AI
DOI：10.1109/LRA.2026.3685927.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出ClaRO，一种无监督、基于聚类的里程计流程，用于4D成像雷达，以提高鲁棒性并减少雷达单里程计的长期漂移。我们的核心思想是利用基于密度的聚类来改进自运动估计，使用每个聚类的多普勒残差找到局部最佳结果，以种子一个鲁棒的加权最小二乘法，同时用于姿态估计的静态点。得到的全局内点掩码用于通过加权迭代最近点（ICP）方法优化姿态，该方法融合了多普勒和雷达散射截面（RCS）提示，同时降低了雷达弱仰角轴的权重。该方法完全无监督且与传感器无关。我们在多个公开数据集（View-of-Delft、HeRCULES和NTU4DRadLM）上比较了我们的方法，并表明我们的方法提供了与最新的雷达单里程计基线（Radar4Motion、EFEAR-4D）和基于姿态图的4DRadarSLAM相匹配或超越的结果。我们的基于聚类的显著减少了长期漂移，在HeRCULES数据集上，与最先进的雷达里程计方法相比，平均绝对轨迹误差（ATE）提高了72.0%，绝对旋转误差（ARE）提高了73.2%。在保持相对姿态估计竞争力的同时，我们的方法改进了全局轨迹一致性，并在VoD和NTU4DRadLM基准测试中展示了不同雷达传感器和环境下的鲁棒性。
Keyword:
Localization
mapping
odometry
clustering
期刊
I
IF:
5.3
论文数:
2.0K
被引数:
3.9W
机构
引用论文
Radar4Motion: IMU-Free 4D Radar Odometry With Robust Dynamic Filtering and RCS-Weighted MatchingRadar4Motion：一种无IMU的4D雷达里程计，具有鲁棒动态滤波和RCS加权匹配
.png){kind=icon}
PREAI
分享收藏
RaI-SLAM: Radar-Inertial SLAM for Autonomous VehiclesHerraez, D.C.; Zeller, M.; Wang, D.; Behley, J.; Heidingsfeld, M.; Stachniss, C. RaI-SLAM：用于自动驾驶车辆的雷达惯性SLAM。IEEE Robot. Autom. Lett. 2025, 10, 5257–5264. [Google Scholar] [CrossRef]
PREAI
分享收藏Lidar-Level Localization With Radar? The CFEAR Approach to Accurate, Fast, and Robust Large-Scale Radar Odometry in Diverse Environments用雷达进行激光雷达级定位？在不同环境中实现准确，快速和强大的大规模雷达里程计的CFEAR方法OAAI
OAAI分享收藏
查看更多内容