面向自动驾驶的4D毫米波雷达高分辨率点云生成与目标检测算法设计.docxVIP

PAGE2

面向自动驾驶的4D毫米波雷达高分辨率点云生成与目标检测算法设计

摘要

自动驾驶对环境感知的精度与鲁棒性提出了极高要求，传统毫米波雷达因缺乏高度测量能力且角度分辨率不足，难以在复杂场景中可靠分辨临近目标与细小障碍物。4D毫米波雷达可同步输出距离、速度、方位角及俯仰角信息，但受限于阵列孔径与硬件成本，其原始点云密度稀疏，仍远未达到激光雷达的感知水平。本课题围绕4D毫米波雷达信号处理流程，设计一种融合超分辨率成像与深度学习点云目标检测的算法方案，旨在提升点云密度与目标检测精度，从而增强复杂场景感知能力。

全文按照“需求分析→总体设计→详细设计→实现→测试”的工程逻辑展开。首先从自动驾驶感知痛点出发，明确系统功能与非功能指标；随后完成总体架构设计，划分信号处理、超分辨率点云生成与目标检测三大核心模块；在详细设计中对基于虚拟阵列扩展与深度展开网络的超分辨角度估计、改进的体素化点云检测网络进行算法描述与流程设计；实现阶段给出关键模块的代码逻辑与运行效果；最后通过仿真与实测数据验证系统性能。本设计的核心特色在于将模型驱动的稀疏恢复与数据驱动的深度学习相融合，在保持实时性的前提下显著提升4D雷达点云质量与目标检测率。

第一章绪论

1.1研究背景

自动驾驶车辆需在雨雾、强光及暗光等复杂工况下全天候感知周边环境，单一传感器难以兼顾所有场景。激光雷达点云稠密但成本高昂且易受恶劣天气