4DRaL：利用知识蒸馏桥接4D雷达与LiDAR进行地点识别
计算机视觉与模式识别
2026-03-30 v1 机器人学
摘要
地点识别对于机器人学中的回环检测和全局定位至关重要。虽然主流算法通常依赖相机和LiDAR，但这些传感器容易受到恶劣天气条件的影响。幸运的是，最近发展的4D毫米波雷达（4D雷达）为全天气地点识别提供了有前景的解决方案。然而，4D雷达数据中固有的噪声和稀疏性显著限制了其性能。因此，在本文中，我们提出了一个名为4DRaL的新框架，利用知识蒸馏（KD）来增强4D雷达的地点识别性能。其核心是采用高性能的LiDAR-to-LiDAR（L2L）地点识别模型作为教师来指导4D雷达-to-4D雷达（R2R）地点识别学生模型的训练。4DRaL包含三个关键KD模块：一个局部图像增强模块来处理原始4D雷达点的稀疏性，一个特征分布蒸馏模块确保学生模型生成更具判别性的特征，以及一个响应蒸馏模块以保持教师和学生模型之间特征空间的一致性。更重要的是，4DRaL还可以通过不同的模块配置进行4D雷达-to-LiDAR（R2L）地点识别训练。实验结果证明，4DRaL在正常和恶劣天气条件下均能在R2R和R2L任务中达到最先进的性能。
引用
@article{arxiv.2603.26206,
title = {4DRaL: Bridging 4D Radar with LiDAR for Place Recognition using Knowledge Distillation},
author = {Ningyuan Huang and Zhiheng Li and Zheng Fang},
journal= {arXiv preprint arXiv:2603.26206},
year = {2026}
}
备注
Accepted by ICRA 2026