CFEAR Radarodométrie – Filtrage conservatif pour une radarodométrie efficace et précise

Cet article présente une méthode précise, très efficace et sans apprentissage, appelée CFEAR Radarodometry, pour l’estimation de la radarodométrie à grande échelle. En appliquant une technique de filtrage qui conserve les k retours les plus forts par azimut, et en filtrant par ailleurs les données radar dans l’espace cartésien, nous parvenons à calculer un ensemble creux de points surfaciques orientés, permettant un alignement de nuages de points efficace et précis. L’alignement est réalisé en minimisant une métrique point-ligne, tandis que la robustesse aux valeurs aberrantes est assurée par une perte de Huber. Nous avons pu en outre réduire le dérive en enregistrant conjointement la dernière acquisition avec une historique de frames-clés, et nous avons constaté que notre méthode se généralise à différents modèles de capteurs et à divers jeux de données sans ajuster un seul paramètre. Nous évaluons notre approche dans trois environnements très différents, et démontrons une amélioration par rapport à l’état de l’art validé par croisement spatial, avec une erreur de translation globale de 1,76 % sur une référence publique de radarodométrie urbaine, en fonctionnant à 55 Hz uniquement sur un seul thread du processeur d’un ordinateur portable.