開芯課堂丨視覺與4D毫米波前融合感知算法設計

上海 2025年4月30日 /美通社/ -- 黑芝麻智能通過本文介紹了黑芝麻智能視覺與4D毫米波雷達前融合算法，通過多模態(tài)特征對齊和時序建模，顯著提升逆光、遮擋等復雜場景下的目標檢測精度，增強輔助駕駛安全性。

隨著輔助駕駛技術(shù)逐步融入日常生活，其安全性成為社會關(guān)注焦點，尤其在復雜交通場景中目標檢測的穩(wěn)定性和準確性成為行業(yè)研究核心。如何提升目標檢測的準確，穩(wěn)定性，成為了行業(yè)內(nèi)必須探討和研究的議題。不同目標識別傳感器的選擇以及其配套的識別方案，對目標檢測精度有著巨大的影響。

目標識別傳感器選擇

目前主流的傳感器感知方案包括純視覺、激光雷達與相機融合以及新興的毫米波雷達與相機融合，這三種方案各有優(yōu)劣。

• 純視覺的檢測方案因其方便部署，硬件成本較低，具有較高分辨率等優(yōu)勢，被廣泛應用于目前各大主流輔助駕駛平臺中。然而，由于純視覺方案受光照、天氣等因素的影響較大，在夜間、逆光、雨雪霧等場景下，性能存在一定的局限性，且圖片無直接的深度信息，需要依賴單目/雙目估計的方法估算目標距離信息，3D檢測精度有限；
• 相機激光雷達融合的方式，具有高精度 3D感知，全天候工作的特點，受到業(yè)界高端車型的青睞。但由于激光雷達硬件昂貴，量產(chǎn)車型成本壓力大，且在極端天氣下，激光束可能會發(fā)散，從而影響點云質(zhì)量，導致檢測精度下降；
• 相機毫米波雷達融合的方案，毫米波穿透性強，在雨霧、沙塵等惡劣天氣下仍可穩(wěn)定工作，具有全天候工作精度較高的優(yōu)秀表現(xiàn)。此外，毫米波雷達硬件成本適中，其成本僅為激光雷達的1/3以下，且產(chǎn)業(yè)鏈成熟，適合規(guī)?；慨a(chǎn)。

基于以上特點，毫米波雷達相機融合的方案成為了行業(yè)新趨勢。基于AI的融合算法，如前融合點云投影、后融合目標級關(guān)聯(lián)等逐步成熟。

行業(yè)毫米波雷達相機融合方案

輔助駕駛行業(yè)內(nèi)，4D毫米波雷達相機融合方案正在加速落地，各頭部車企都有相應的布局和應用：

• OEM廠商A：采用多模態(tài)融合架構(gòu)，結(jié)合攝像頭、4D成像雷達和激光雷達。通過前融合和中融合的方式，融合多模態(tài)信息。前融合于原始數(shù)據(jù)層進行融合，通過時空同步算法對齊雷達點云與圖像像素信息，提升三維重建精度；中融合于特征級進行融合，使用ResNet-FPN網(wǎng)絡提取圖像"占用體積"特征，并將該特征與之前的特征相融合，產(chǎn)生4D占用網(wǎng)絡，最后使用反卷積獲得體積及時序等反饋，從而實現(xiàn)動態(tài)以及靜態(tài)的障礙物感知，增強目標屬性的預測。多傳感器互補，具有高冗余性，且因為有雷達高度信息的加持，可以覆蓋長尾場景，如施工路段等，但多傳感器融合需要高算力支持，成本較高；
• OEM廠商B：整合攝像頭、激光雷達、毫米波雷達、超聲波雷達等傳感器的數(shù)據(jù)，構(gòu)建360°的環(huán)境感知能力。采用主流的BEV+Transformer技術(shù)方案，BEV負責將收集到的信息進行前融合，Transformer負責對信息進行處理。除此之外，疊加激光融合的GOD網(wǎng)絡，擺脫大量人工規(guī)則的約束，可以穩(wěn)定識別小狗、減速帶和車庫閘門等，對于路旁異常出現(xiàn)的水管水柱也能進行避讓；
• 傳統(tǒng) Tier1廠商A：使用毫米波雷達相機融合的方案，聚焦模塊化設計，采用JPDA（聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)）算法，將雷達目標與視覺檢測框通過IoU（交并比）和速度一致性匹配，提升目標跟蹤穩(wěn)定性；通過eCalib工具實現(xiàn)雷達與相機的時空同步，誤差控制在+-5cm內(nèi)，但該類的傳統(tǒng)規(guī)則融合算法迭代慢，泛化性差，較難支持高等級輔助駕駛需求。

黑芝麻智能融合團隊，采用了4D毫米波雷達和相機融合的方案，結(jié)合深度學習模型，提升了雨霧雪、黑夜、逆光等極端天氣和場景下目標檢測的準確性和穩(wěn)定性，改善了異形車、遮擋目標等物體檢測的識別率，優(yōu)化了上下坡、匝道等三維空間存在變化的場景中目標測距測速的精確性，顯著提升了輔助駕駛的安全性與可行性。

黑芝麻智能 4D毫米波雷達相機融合方案

黑芝麻智能 4D毫米波雷達相機融合方案，在BEV純視覺目標檢測方案基礎上，添加4D毫米波雷達特征提取分支。4D毫米波雷達點云在經(jīng)過特征提取分支后，與圖像分支提取的圖像特征對齊并融合，組成時序信息，再經(jīng)過目標head，輸出目標相關(guān)的信息，其總體框架如下圖所示：

4D毫米波雷達特征提取模塊

模塊使用稀疏點云作為輸入，包含3D位置信息，RCS信息，速度信息等。經(jīng)過PointPillars骨干網(wǎng)絡提取點云的局部特征，再經(jīng)過基于Transformer的骨干網(wǎng)絡捕獲全局信息。PointPillars可以壓縮冗余信息，提取局部特征；RCS編碼增強目標檢測的性能；Transformer強化關(guān)鍵特征，顯著提升稀疏點云的利用率。

PointPillars提取點云局部特征

采用Pillar編碼的方式結(jié)構(gòu)化編碼毫米波雷達，將無序的雷達點云劃分為規(guī)則的"柱狀"（Pillar）單元，每個柱體內(nèi)的點云通過簡化特征（坐標、反射強度等）編碼為固定維度的特征向量。通過局部特征聚合抑制噪聲，保留有效目標信息，有效解決毫米波雷達點云稀疏且包含噪聲的問題。針對多目標檢測，柱狀劃分可以有效地捕捉分散的雷達點云（如行人、車輛），提升對小型或遠距離目標的檢測能力。

RCS編碼提升檢測性能

采用基于RCS感知的BEV編碼器，利用雷達截面（RCS）能夠粗略衡量目標尺寸的特性，有效解決因雷達生成的BEV特征是稀疏的而帶來的檢測性能損失問題，即利用RCS作為目標尺寸，將一個雷達點的特征分散到BEV空間中的多個像素而不是一個像素。

Transformer捕獲全局信息

Transformer的子注意力機制可以跨柱體建立關(guān)聯(lián)，捕捉場景中目標之間的空間關(guān)系（如車輛與行人的相對位置），彌補傳統(tǒng)卷積網(wǎng)絡局部感受野的局限。并且采用動態(tài)權(quán)重分配的策略，根據(jù)目標重要性動態(tài)調(diào)整特征權(quán)重，例如在擁堵場景中強化相鄰車輛的特征，抑制背景干擾。

多模態(tài)特征對齊時序模塊

多模態(tài)特征間的對齊問題，一直是影響目標檢測優(yōu)劣的關(guān)鍵因素。

兼顧算力要求的多模態(tài)特征融合對齊

模塊通過接收圖像特征提取骨干網(wǎng)絡的圖像特征以及毫米波雷達特征提取骨干網(wǎng)絡的雷達特征后，通過多模態(tài)特征對齊模塊，將二者融合為一體。通過特征拼接，操作計算量極低，能夠顯著降低硬件的算力要求。并且不對原始特征進行壓縮或者變化，保留了特征的原始信息，避免信息丟失，適合需要高保真度的場景。如果需要較強的時序建模能力，且算力資源較為豐富，亦可采用多模態(tài)deformable attention的方式來實現(xiàn)對齊。

temporal模塊

按照時序添加temporal模塊，疊加多幀目標的feature map，能夠有效的獲取目標的時序信息，大大提升了目標時序特征的準確性和穩(wěn)定性，如位置、速度等。因采用多幀特征相結(jié)合的方式，能夠有效提升遮擋目標的檢測準確度。

測試指標和結(jié)果展示

測試指標說明

模型的測試指標主要通過以下幾個方面進行對比：

• mAP：mean Average Precision，評估目標檢測模型的準確性。它計算每個類別的平均精度（AP），然后對所有類別的AP進行平均，常用于物體檢測任務，如COCO數(shù)據(jù)集評估；
• mATE：mean Absolute Trajectory Error，評估物體軌跡預測精度的指標。它計算預測軌跡與真實軌跡之間的絕對誤差的平均值，常用于運動預測和計算機視覺中的跟蹤任務；
• mAVE：mean Average Velocity Error，評估物體速度預測的指標。它計算預測速度與真實速度之間的誤差的平均值，常用于動態(tài)場景的分析和預測。

結(jié)果

• 分類測試指標

經(jīng)過測試，相較于純視覺模型，4D毫米波雷達相機融合模型，在縱向100米（自車前方），橫向+-32米范圍內(nèi)，mAP提升5%，mATE提升2.5%，mAVE提升明顯33.85%。

4D毫米波雷達具有全天候，成本適中，產(chǎn)業(yè)鏈較成熟等特點，目前正在成為行業(yè)內(nèi)多模態(tài)融合目標檢測任務中的重要傳感器。實驗結(jié)果表明，4D毫米波雷達相機融合方案，相較于純視覺目標檢測方案，有效提升了目標檢測的精度，改善了純視覺模型測距測速的性能，特別是極端場景下模型的表現(xiàn)，如光線局限場景、遮擋場景以及非同平面場景等，提升輔助駕駛的駕駛安全性。