Spatial–Temporal U-Net for Localizing Ground-Penetrating Radar

探地雷达 遥感 雷达成像 三维雷达 雷达 图像分辨率 计算机科学 雷达工程细节 地质学 环境科学 人工智能 电信
作者
Yuwei Chen,Pengyu Zhang,Beizhen Bi,Liang Chi Shen,Tian Jin,Xiaotao Huang
出处
期刊:IEEE Geoscience and Remote Sensing Letters [Institute of Electrical and Electronics Engineers]
卷期号:22: 1-5 被引量:2
标识
DOI:10.1109/lgrs.2025.3572338
摘要

As a promising technology for autonomous driving, localizing ground penetrating radar (LGPR) is a vehicle localization method that relies on prior maps and couples deeply with subsurface features. However, the unique characteristics of GPR data often lead to a significant number of mismatched candidates during localization. Previous learning-based GPR place recognition methods have primarily relied on 2D convolutional neural networks (CNNs), which struggle to effectively capture critical temporal information, limiting further performance improvements. To address this limitation, we propose a spatial-temporal U-shaped network (STU-Net) that leverages 3D convolutional neural networks to simultaneously extract spatial and temporal features from GPR image sequences. Additionally, residual dense blocks (RDBs) are integrated into the network to enable multi-scale feature extraction. Extensive experiments conducted on publicly available datasets demonstrate that our STU-Net achieves state-of-the-art performance, outperforming existing methods with significant improvements.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
七七爱学习完成签到,获得积分10
刚刚
华仔的应助被平常马里奥采纳,获得10
刚刚
金锐发布了新的文献求助10
1秒前
1秒前
cbx完成签到,获得积分10
1秒前
1秒前
2秒前
雪白的南晴完成签到,获得积分10
2秒前
时尚的蚂蚁完成签到,获得积分10
2秒前
章绝施发布了新的文献求助10
2秒前
3秒前
大模型的应助被刘承昭采纳,获得10
3秒前
3秒前
赘婿的应助被Lily采纳,获得10
3秒前
Smile_Uo完成签到,获得积分10
3秒前
fortuna发布了新的文献求助10
4秒前
行止完成签到,获得积分10
4秒前
KKKeeeekkkee发布了新的文献求助10
4秒前
安珊完成签到,获得积分10
4秒前
4秒前
在水一方的应助被碎碎采纳,获得10
4秒前
百卞小亮完成签到,获得积分10
5秒前
超帅的白易完成签到 ,获得积分10
5秒前
5秒前
无限凛发布了新的文献求助10
5秒前
HSY完成签到,获得积分10
5秒前
充电宝的应助被123采纳,获得10
5秒前
锦鲤完成签到,获得积分10
5秒前
小马甲的应助被MIA采纳,获得10
6秒前
6秒前
pp完成签到 ,获得积分10
7秒前
csjlpp完成签到,获得积分10
7秒前
乐乐的应助被小昵采纳,获得20
7秒前
7秒前
希望天下0贩的0的应助被安靖采纳,获得10
7秒前
lili完成签到,获得积分10
7秒前
迷路寇完成签到 ,获得积分10
9秒前
开心的吗喽完成签到 ,获得积分10
9秒前
wanci的应助被tomatoGG采纳,获得10
9秒前
马2333完成签到,获得积分20
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8160268
求助须知:如何正确求助?哪些是违规求助? 9555328
关于积分的说明 21727231
捐赠科研通 7750062
什么是DOI,文献DOI怎么找? 3427353
关于科研通互助平台的介绍 2552391
邀请新用户注册赠送积分活动 2471707