论文速览 | Arxiv, 2024 | EFEAR-4D: Ego-Velocity Filtering for Efficient and Accurate 4D radar Odometry |

论文速览 | Arxiv, 2024 | EFEAR-4D: 基于自体速度滤波的高效与精确 4D雷达Odometry技术 | 一种高效且精确的四维雷达定位技术

1 引言

在自主导航领域中,里程计被视为核心组件,主要依靠摄像头、LiDAR和IMU等传感器获取位置信息以实现路径规划与避障功能。然而,这些传感器在极端天气条件下可能会面临挑战,例如降雪与浓雾环境可能导致测量精度下降。幸运的是,FMCW雷达技术的发展为在不利条件下的稳健感知提供了潜力。最新一代的4D毫米波雷达（简称4D雷达）不仅能够提供距离、方位以及俯仰角等信息,并且还可以提供多普勒速度信息；然而,在实际应用中由于其点云数据稀疏以及噪声较为显著的特点,其性能仍需进一步优化以满足复杂场景的需求

本文提出了一种精确且高效地实现四维雷达里程计估计的方法——EFEAR-4D。该方法通过多普勒速度信息采用可靠的方法进行自身速度估算，并显著提升了初始猜测的准确性。该方法通过动态地去除障碍物以及提取区域特征来实现，在不同环境下均展现出对点云稀疏性和噪声处理上的高鲁棒性。

2 动机

与LiDAR相比，在雨雪及能见度较差的天气环境下（...），4D雷达展现出显著的优势。相较于传统雷达而言（...），4D雷达不仅能够提供包括俯仰角和多普勒速度在内的更多维度的信息（...），还能够在恶劣条件下进行感知（...）。然而，在提取边缘和平面等几何特征方面（...），由于其点云数据稀疏性所带来的挑战依然存在（...）。此外，在基于帧间数据关联的几何建模方面（...），由于其有限的视场范围所导致的问题依然不容忽视（...）。因此，在上述诸多限制条件下（... ），开发一种专门设计、高度可靠的里程计解决方案显得尤为必要（ ... ）。

3 方法

3.1 自车速度滤波

我们研发了一种 自行速度滤波方法 ，可作为里程计估计的基础数据提供。具体流程包含以下四个主要步骤：

通过高斯滤波器处理原始点云数据以去除噪声；基于DBSCAN算法对静态和动态数据进行分类处理；去除运动物体；并利用静止特征计算车辆速度。

多普勒速用来表征测量平台与雷达中心之间的径向运动速率。当测速仪处于静止状态时，则可推导出多普勒速度的计算公式：

v_R = v_S \cdot \cos(\theta)

其中v_R和v_S分别为被测物体沿径向的速度矢量和车辆自身运动的速度矢量，\theta为两者间的夹角。运用最小二乘法对观测数据进行处理后即可求解出车辆真实行驶的速度矢量。

3.2 区域特征提取

因为4D雷达生成的点云数据存在较大的噪声，在直接完成所有数据配准时容易造成显著误差。为此我们采用了基于区域特征提取技术的方法进行处理：首先将空间划分为体素单元后，在邻近体素中快速定位相关数据并结合K-D树算法搜索到邻域点集；随后计算这些邻域内各点加权平均得到稳定可靠的特征点作为代表值。在此基础之上我们进一步地，在计算表面法向量时采用了主成分分析方法以显著提升整体抗噪性能

3.3 扫描与地图匹配

基于4D雷达点云的稀疏性特点，在实际应用中仅凭两帧间的点云配准难以准确估计出移动物体的姿态信息。为此我们设计了一个关键帧滑动窗口模型用于实现配准。该模型能够实时获取车辆运动信息作为初始姿态估计的基础数据，并将这些估算值投影至子地图坐标系中完成初步对齐操作。在配准过程中我们采用点对点配准方法并结合Huber函数来提高配准过程的鲁棒性最终能够获得较为精确的空间位置信息集合完成特征配准

4 实验和结果

4.1 MSC数据集定量评估

我们对包括多源视觉信息在内的典型SLAM基准系统进行了系统性评估，并将其与现有的EFEAR-4D算法进行对比分析。实验结果表明，在绝大多数测试场景中,EFEAR-4D表现出色,其平均误差值显著低于当前主流算法ORB-SLAM3,并且在复杂动态环境下的表现尤为突出,能够与基于LiDAR技术实现的高度竞争力相媲美

4.2 NTU数据集定量评估

基于NTU数据集的实验平台，在对现有主流激光雷达技术进行系统性对比实验后发现,我们采用了EFEAR-4D方案,并将其与现有的两种代表性的四维激光雷达系统,即4DRadarSLAM和Livox Horizon Loam,展开了全面对比分析。研究结果表明,在中高速运动场景下,EFEAR-4D展现出比现有方案更高的定位精度。

4.3 自车速度估计评估

我们在MSC数据集中选取了四个不同场景下的运动序列，并对EFEAR-4D与REVE方法分别进行了对比实验。通过实验结果对比可以看出，在动态环境下该算法的准确性和稳定性均优于REVE方法，并且具有更小的误差值和抖动幅度。

4.4 自采集数据集评估

我们通过不同海拔高度获取了同一条路径的数据，并通过实验结果表明雷达高度对点云的数量产生了显著影响。在特定条件下,更低的传感器高度具有更高的特征提取效果

5 不足和未来展望

主要得益于其创新性的雷达技术设计，在多数实际应用场景中展现出色性能。然而，在特定环境下（如复杂多反射障碍物的空间场景），该系统仍面临感知精度不足的问题。未来研究应着重探索与其他传感器协同应用的可能性（如视觉传感器），以显著提升里程计测量精度和可靠性。同时值得关注的是，在处理高维数据时DBSCAN算法可能出现聚类失效的情况（如复杂混合分布数据），这也是优化改进的重要方向之一。

6 总结

本文提出了一种高效且精确的四维雷达定位系统——EFEAR-4D, 该系统通过自车速度滤波技术和区域特征提取算法, 在各类复杂场景中实现了稳定可靠的定位. 实验证明, 在多场具有挑战性的测试环境中,EFEAR-4D均超越了现有视觉技术和LiDAR方案. 该技术不仅提升了定位精度, 更为重要的是其具备良好的稳定性, 这一成果凸显了四维雷达技术在稳定性和精确定位方面的巨大应用前景.