基于4D成像雷达的自动驾驶多目标检测与可行驶区域分割.docxVIP

PAGE2

基于4D成像雷达的自动驾驶多目标检测与可行驶区域分割

摘要

随着自动驾驶技术向L3及以上级别演进，单一传感器在极端天气与复杂场景下的感知局限日益凸显。4D成像雷达凭借全天候工作能力、高密度点云和精确径向速度测量，成为弥补视觉与激光雷达短板的关键传感器。本课题设计并实现了一套基于4D成像雷达的感知系统，重点解决多目标检测与可行驶区域分割两大核心任务。面对雷达点云稀疏、噪声大的挑战，系统引入点云密度增强与径向速度补偿机制，并采用深度学习方法分别构建三维目标检测网络与点云语义分割网络，实现路面与障碍物的可靠分离。全文遵循工程递进思路：从需求分析入手，明确系统在雨、雪、雾等极端天气下的感知指标；进而完成总体架构设计，将系统划分为数据预处理、点云增强、目标检测、可行驶区域分割和后处理五大模块；在详细设计中给出了关键算法的处理流程与伪代码；最后通过公开数据集及模拟极端天气场景进行功能与性能测试。测试结果表明，系统在常规天气下车辆检测精度达到85.2%，可行驶区域分割IoU为78.6%；在模拟降雪天气下精度仅下降6.3个百分点，展现出良好的鲁棒性。本设计的核心创新在于将4D雷达的高程信息与径向速度融入深度学习网络，有效提升了遮挡场景下的检测能力，为全天候自动驾驶感知提供了可行技术方案。

第一章绪论

1.1研究背景

自动驾驶技术正从封闭园区测试走向开放道路运营，安全性成为首要