面向自动驾驶的长距4D毫米波雷达超分辨率角估计与静态目标聚类算法设计.docxVIP

PAGE2

面向自动驾驶的长距4D毫米波雷达超分辨率角估计与静态目标聚类算法设计

摘要

自动驾驶系统对复杂环境感知的精度与鲁棒性提出了极高要求，长距4D毫米波雷达因其全天候工作能力，成为感知栈的核心传感器之一。然而，现有雷达在角度分辨率、点云密度及静态目标解析方面仍存在明显不足，难以满足L3级以上自动驾驶对远距离小目标与静止障碍物精确辨识的需求。本课题针对上述痛点，设计了一套面向长距4D毫米波雷达的超分辨率处理框架。核心方案包括：提出基于压缩感知的二维角估计算法，突破天线阵列物理孔径对角度分辨率的限制；设计面向稀疏点云的静态目标聚类策略，提升路沿、护栏等静态场景元素的感知稳定性。论文按照工程递进思路展开：首先分析自动驾驶雷达感知的现实需求与现有方案局限，明确设计目标；随后介绍相关技术并完成选型论证；接着梳理系统需求，完成总体架构与模块划分；在此基础上对超分辨角估计模块与静态目标聚类模块进行详细设计；最后给出实现与测试方案，验证算法性能。设计核心创新在于将压缩感知重构理论与雷达信号模型深度融合，并结合场景先验实现静态目标稳健聚类，在低信噪比与少快拍条件下仍能获得高精度角度估计，显著提升了复杂场景感知能力。

第一章绪论

1.1研究背景

近年来，自动驾驶技术加速演进，从辅助驾驶向高度自动化与无人驾驶跨越。环境感知作为自动驾驶系统的“眼睛”，需要实时、准确地获取周围物体的距离、速