據外媒報道，加州大學聖地亞(ya) 哥分校（University of California San Diego）的電氣工程師開發了一種方法提高現有雷達傳(chuan) 感器的成像能力，可以使其準確預測場景中物體(ti) 的形狀和大小。新係統在夜間和大霧天氣測試時表現良好。

（圖片來源：加州大學聖地亞(ya) 哥分校）

惡劣的天氣會(hui) 給自動駕駛汽車帶來挑戰。自動駕駛汽車依靠像激光雷達和雷達等技術來觀察周圍環境，並進行導航，但每種技術都有其缺點。在晴朗的天氣條件下，激光雷達可以繪製高分辨率3D圖像，但在霧、塵、雨或雪等環境中卻無法看清周圍環境。而雷達雖然不受天氣影響，但卻隻能捕捉部分道路圖像。

加州大學聖地亞(ya) 哥分校教授Dinesh Bharadia解釋道，“這是一種類似激光雷達的雷達，能以較低的成本，使自動駕駛汽車在惡劣天氣條件下也能感知周圍環境。我們(men) 的技術還可以實現激光雷達和雷達的融合，無需使用昂貴的激光雷達。”

該係統由裝置在發動機罩上的兩(liang) 個(ge) 雷達傳(chuan) 感器組成，其平均間距為(wei) 普通汽車的寬度（1.5米）。相較於(yu) 單一的雷達傳(chuan) 感器，以此種方式布置兩(liang) 個(ge) 雷達傳(chuan) 感器能使係統看到更多的空間和細節。在晴朗的晝夜進行測試駕駛時，在確定移動車輛的輪廓方麵，該係統的性能與(yu) 激光雷達傳(chuan) 感器相當。而且在模擬大霧天氣的試驗中，其性能也沒有變化。該團隊使用煙霧器，使另一輛汽車隱藏起來，該係統仍能精確地預測該車輛的3D幾何形狀，而激光雷達傳(chuan) 感器卻沒有通過測試。

雷達成像質量較差的原因在於(yu) ，當無線電波從(cong) 物體(ti) 上反射時，隻有一小部分信號會(hui) 反射回傳(chuan) 感器，因此，車輛、行人和其他物體(ti) 以稀疏的點集形式出現。加州大學聖地亞(ya) 哥分校計算機科學和工程博士Kshitiz Bansal表示，“這就是使用單一雷達進行成像所麵臨(lin) 的問題。由於(yu) 單個(ge) 雷達隻接收到幾個(ge) 點來代表場景，因此感知能力較差，就需要采用多雷達裝置，通過增加反射點的數量來提升感知能力。”研究小組發現，將兩(liang) 個(ge) 雷達傳(chuan) 感器間隔1.5米裝置在汽車引擎蓋上是最優(you) 方案。Bansal稱，“以此種方式安裝兩(liang) 個(ge) 雷達可以創建高分辨率區域，從(cong) 而提高物體(ti) 檢測性能。”

此外，該係統還克服了雷達的另一個(ge) 缺點：噪點。在雷達圖像中經常會(hui) 出現不屬於(yu) 任何物體(ti) 的隨機點，傳(chuan) 感器會(hui) 接收到這些回波信號，即不是直接來自被探測物體(ti) 的無線電波反射信號。Bharadia指出，更多的雷達意味著更多的噪點。因此，該團隊開發了一種新算法，可以將來自兩(liang) 個(ge) 不同雷達傳(chuan) 感器的信息融合在一起，生成無噪點的新圖像。

同時，該團隊還構建了一個(ge) 數據集，融合了來自兩(liang) 個(ge) 雷達的數據。Bharadia表示，“目前還沒有包含此類數據的公開數據集，這些數據來自多個(ge) 雷達的重疊視場。我們(men) 收集自己的數據，建立自己的數據集，用於(yu) 訓練算法和測試。”

該數據集由54000幀在白天和夜晚拍攝到的雷達圖像組成，包含實時交通和模擬的霧天駕駛場景。未來，研究人員將在雨天收集更多的數據，為(wei) 此，該團隊需要為(wei) 其硬件打造更好的防護罩。目前，該團隊正與(yu) 豐(feng) 田公司合作，將新的雷達技術與(yu) 攝像頭結合起來。研究人員表示，此種技術有可能取代激光雷達。Bharadia表示，“僅(jin) 依靠雷達，我們(men) 無法感知車輛顏色或型號，而這些特征對於(yu) 提高自動駕駛汽車的感知能力也很重要。”