面向恶劣条件下普适人体检测的轻量级模型驱动 4D 雷达框架
计算机视觉与模式识别
2026-01-21 v1
摘要
工业和地下环境中的普适感知受到空气中的粉尘、烟雾、受限几何结构以及金属结构的严重制约，这些因素会迅速降低光学和 LiDAR 感知性能。具有高程分辨能力的 4D 毫米波雷达对此类条件具有极强的抗性，但如何处理其稀疏且各向异性的点云以在封闭、能见度下降的空间中实现可靠的人体检测，目前仍缺乏深入理解。本文提出了一种完全模型驱动的 4D 雷达感知框架，专为在嵌入式边缘硬件上实时执行而设计。该系统仅使用雷达作为感知模态，集成了领域感知的多阈值滤波、自运动补偿的时间累积、结合多普勒感知优化的 KD 树欧氏聚类，以及基于规则的三维分类器。该框架在充满粉尘的封闭拖车和真实地下采矿隧道中进行了评估，在测试场景中，当相机和 LiDAR 模态在严重能见度下降情况下失效时，基于雷达的探测器仍能保持稳定的行人识别。这些结果表明，所提出的模型驱动方法为恶劣工业和地下环境中的安全关键应用提供了鲁棒、可解释且计算高效的感知能力。
引用
@article{arxiv.2601.13373,
title = {A Lightweight Model-Driven 4D Radar Framework for Pervasive Human Detection in Harsh Conditions},
author = {Zhenan Liu and Amir Khajepour and George Shaker},
journal= {arXiv preprint arXiv:2601.13373},
year = {2026}
}