通过高效的跨模态扩散模型实现密集准确的雷达感知

提出了一种基于高分辨率雷达点云的混合高斯模型无监督学习算法，在多模态交通监测中取得了良好的分割效果。

DiffSBR 是一种基于云图的微波传感技术的 3D 重建方法，通过梯度优化器实现了对微波信号稀疏性的精确 3D 重建。

研究提出了一种新的生成模型，可以基于图像表示生成多样性和高保真度的 3D 场景点云，有效优化了 KITTI 数据集的生成任务。

介绍了 CRUW3D 数据集，包括 66K 个同步校准的相机、雷达和激光雷达帧，雷达数据以射频张量格式呈现，增强了物体感知的可靠性。

提出了一种用于毫米波雷达稀疏连续点云的语义分割框架，实验结果表明该模型在多个数据集上表现优异。

探讨了利用无人机上的毫米波雷达传感器重建多个物体的 3D 形状的可行性，评估了两个不同模型的效果。

提出了一种基于多模态机器学习的方法，快速预测光束方向，准确度超过 75%。

提出了一种基于毫米波雷达的单芯片室内地图系统 milliMap，适用于低能见度环境，提供语义注释。

提出了一种低复杂度高精度的端到端方法，实时跟踪和识别多个主体，操作速度高达 15 帧/秒。

利用商用毫米波雷达测试其在目标识别、实时追踪和定位中的性能，提供了广泛的实验数据。