多雷达系统实时预测车辆尺寸（红框是预测，蓝框是真实测量） 在晴朗的白天和夜晚试驾期间，该系统在确定车流中移动车辆的尺寸方面与激光雷达的性能相当。而在模拟大雾天气的试验中，它的性能没有变化。研究小组用雾机“隐藏”了另一辆车，系统精确地预测了前车的3D几何结构；而激光雷达传感器基本上没有通过测试。

改进成像能力的新雷达系统精确预测雾中移动汽车的尺寸

两只眼睛比一只眼睛强

传统雷达成像质量差的原因在于，当无线电波从物体上反射时，只有一小部分信号被反射回传感器。因此，车辆、行人和其他对象显示为一组稀疏的点。

“这就是使用单一雷达成像的问题。它只接收到一些点来表示场景，因此感知能力很差。”加州大学圣地亚哥分校计算机科学与工程博士生Kshitiz Bansal说：“在这种环境中，你可能看不到其他汽车。”因此，如果单台雷达造成这种盲目性，多台雷达的设置将通过增加反射回来的点的数量来改善感知。”

研究小组发现，汽车引擎盖上间隔1．5米的两个雷达传感器是最佳的安排。Bansal说：“通过在不同的有利位置部署两台雷达，并在重叠的视野范围内进行探测，我们就形成了一个高分辨率的区域，很容易探测到存在的物体。”这不就是汽车宽度吗？何不在两侧示宽灯或反光镜中各集成一个小雷达？

不过，更多的雷达意味着更多的噪声。因此，研究小组开发了新的算法，可以将来自两个不同雷达传感器的信息融合在一起，生成一幅没有噪声的新图像。该团队构建了第一个数据集，将来自两台雷达的数据结合起来。

Bharadia说：“目前还没有公开的数据集能提供这种数据，这些数据来自视野重叠的多个雷达。我们收集了自己的数据，建立了自己的数据集，用于训练算法和进行测试”

该数据集由54000个雷达帧组成，包括实时交通和模拟大雾条件下白天和夜间的驾驶场景。未来的工作将包括在雨中收集更多的数据。要做到这一点，团队首先需要为他们的硬件建立更好的保护罩。

该团队目前正与丰田公司合作，将新的雷达技术与摄像头进行融合。研究人员说：“这有可能取代激光雷达，而单凭雷达无法告诉我们汽车的颜色、品牌或型号，但这些功能对于提高自动驾驶汽车的感知能力也很重要，”Bharadia说。

激光雷达的难题

激光雷达传感器的工作原理是发射大量狭窄的近红外光束，这些光束具有圆形／椭圆形的截面，可以反射物体的轨迹并返回到激光雷达传感器的探测器。

激光雷达传感器的问题之一是其在雨中的性能下降。如果激光雷达光束在距离发射器很近的距离内与雨滴相交，雨滴可以将足够的光束反射回接收器，因此会将其误认为一个物体。水滴还可以吸收一些发射的光，降低传感器的性能范围。

华威大学（WMG）智能汽车组的研究人员专门模拟并评估了激光雷达在雨中的性能。他们使用WMG 3xD模拟器在不同强度的雨中测试了一辆自动驾驶汽车的激光雷达，并在周边的模拟道路上行驶。模拟器是测试自动驾驶汽车的关键部分，相当于在数百万英里的道路上行驶，因此这意味着可以在与真实道路相同的安全环境中进行测试。 

测试激光雷达的WMG 3xD模拟器 研究人员使用不同的概率降雨模型，在雨中测量激光雷达对雨的反应，记录假阳性和假阴性结果。他们发现，随着降雨强度的增加，传感器探测目标变得更加困难。在距离车辆很短的距离内（50米），错误地检测到了几滴雨。然而，在中等范围内（50－100米），错误有所减少，但随着降雨量增加到每小时50毫米，随着距离的增加，传感器对物体的探测能力逐渐减弱。

WMG的Valentina Donzella博士说：“我们最终确认，雨越大、距离越远，激光雷达传感器探测到的物体就受到的影响越厉害，这意味着未来的必须研究如何确保激光雷达传感器在嘈杂环境下仍能充分探测到物体。”

如果上面提到的“双目雷达”得以成行，或许可以一箭双雕，帮了特斯拉，也解了恶劣天气环境车载激光雷达目标检测的缺憾！