CFEAR Radarodometrie – Konservative Filterung für effiziente und genaue Radarodometrie

Diese Arbeit präsentiert die genaue, hocheffiziente und lernfreie Methode CFEAR Radarodometry zur Schätzung von Radardaten für großflächige Anwendungen. Durch die Anwendung einer Filtertechnik, die pro Azimut die k stärksten Rückmeldungen beibehält, sowie eine zusätzliche Filterung der Radardaten im kartesischen Raum, gelingt es, eine spärliche Menge aus orientierten Oberflächenpunkten effizient und genau zu berechnen, um eine präzise Scan-Matching-Registrierung durchzuführen. Die Registrierung erfolgt durch Minimierung einer Punkt-zu-Linie-Metrik, während die Robustheit gegenüber Ausreißern mittels einer Huber-Verlustfunktion gewährleistet wird. Zusätzlich konnten wir die Drift reduzieren, indem wir die aktuellste Scan-Datenmenge gemeinsam mit einer Historie von Schlüsselbildern registrieren. Dabei zeigte sich, dass unsere Odometriemethode sich auf verschiedene Sensormodelle und Datensätze verallgemeinern lässt, ohne dass ein einziger Parameter angepasst werden muss. Wir evaluieren unsere Methode in drei stark unterschiedlichen Umgebungen und demonstrieren eine Verbesserung gegenüber dem Stand der Technik, die durch räumliche Kreuzvalidierung bestätigt wurde, mit einer Gesamt-Translationsfehlerquote von 1,76 % in einem öffentlichen urbanen Radarodometrie-Benchmark – ausgeführt mit einer Geschwindigkeit von 55 Hz lediglich auf einem einzigen CPU-Thread eines Laptops.