基于 4D 毫米波雷达的道路边界检测：面向自动驾驶

检测道路边界——即可用作驾驶区域的静态物理边界——对于自动驾驶和高级车辆辅助系统 (ADAS) 的安全导航和有效路径规划至关重要。传统上，自动驾驶中的道路边界检测依赖摄像头和激光雷达，但它们在夜间或直射阳光眩光等恶劣照明条件下十分脆弱，或昂贵难以用于低端车辆。为此，本文引入了 4DRadarRBD，即首个基于 4D 毫米波雷达的道路边界检测方法，具有成本效益高且在复杂驾驶场景中鲁棒性强。主要思想是，道路边界（如栅栏、灌木、障碍物）反射毫米波，从而生成雷达的点云数据。为克服 4D 毫米波雷达点云中包含大量噪声点的挑战，我们首先通过道路边界的物理约束减少噪声点，然后通过引入基于距离的损失来对噪声点进行分割，该损失对远离实际道路边界的点进行惩罚。此外，我们利用每个点与车辆运动补偿后前一帧得到的道路边界检测结果之间的偏差，以及点云的空间分布，用于点级道路边界分割。我们通过真实世界的驾驶测试评估了 4DRadarRBD，并实现了93%的道路边界点分割准确率，中位数距离误差最高达0.023米，相较于基准模型实现了92.6%的误差降低。