据外媒报道，加州大学圣地亚哥分校（University of California San Diego）的电气工程师开发了一种方法提高现有雷达传感器的成像能力，可以使其准确预测场景中物体的形状和大小。新系统在夜间和大雾天气测试时表现良好。

（图片来源：加州大学圣地亚哥分校）

恶劣的天气会给自动驾驶汽车带来挑战。自动驾驶汽车依靠像激光雷达和雷达等技术来观察周围环境，并进行导航，但每种技术都有其缺点。在晴朗的天气条件下，激光雷达可以绘制高分辨率3D图像，但在雾、尘、雨或雪等环境中却无法看清周围环境。而雷达虽然不受天气影响，但却只能捕捉部分道路图像。

加州大学圣地亚哥分校教授Dinesh Bharadia解释道，“这是一种类似激光雷达的雷达，能以较低的成本，使自动驾驶汽车在恶劣天气条件下也能感知周围环境。我们的技术还可以实现激光雷达和雷达的融合，无需使用昂贵的激光雷达。”

该系统由装置在发动机罩上的两个雷达传感器组成，其平均间距为普通汽车的宽度（1.5米）。相较于单一的雷达传感器，以此种方式布置两个雷达传感器能使系统看到更多的空间和细节。在晴朗的昼夜进行测试驾驶时，在确定移动车辆的轮廓方面，该系统的性能与激光雷达传感器相当。而且在模拟大雾天气的试验中，其性能也没有变化。该团队使用烟雾器，使另一辆汽车隐藏起来，该系统仍能精确地预测该车辆的3D几何形状，而激光雷达传感器却没有通过测试。

雷达成像质量较差的原因在于，当无线电波从物体上反射时，只有一小部分信号会反射回传感器，因此，车辆、行人和其他物体以稀疏的点集形式出现。加州大学圣地亚哥分校计算机科学和工程博士Kshitiz Bansal表示，“这就是使用单一雷达进行成像所面临的问题。由于单个雷达只接收到几个点来代表场景，因此感知能力较差，就需要采用多雷达装置，通过增加反射点的数量来提升感知能力。”研究小组发现，将两个雷达传感器间隔1.5米装置在汽车引擎盖上是最优方案。Bansal称，“以此种方式安装两个雷达可以创建高分辨率区域，从而提高物体检测性能。”

此外，该系统还克服了雷达的另一个缺点：噪点。在雷达图像中经常会出现不属于任何物体的随机点，传感器会接收到这些回波信号，即不是直接来自被探测物体的无线电波反射信号。Bharadia指出，更多的雷达意味着更多的噪点。因此，该团队开发了一种新算法，可以将来自两个不同雷达传感器的信息融合在一起，生成无噪点的新图像。

同时，该团队还构建了一个数据集，融合了来自两个雷达的数据。Bharadia表示，“目前还没有包含此类数据的公开数据集，这些数据来自多个雷达的重叠视场。我们收集自己的数据，建立自己的数据集，用于训练算法和测试。”

该数据集由54000帧在白天和夜晚拍摄到的雷达图像组成，包含实时交通和模拟的雾天驾驶场景。未来，研究人员将在雨天收集更多的数据，为此，该团队需要为其硬件打造更好的防护罩。目前，该团队正与丰田公司合作，将新的雷达技术与摄像头结合起来。研究人员表示，此种技术有可能取代激光雷达。Bharadia表示，“仅依靠雷达，我们无法感知车辆颜色或型号，而这些特征对于提高自动驾驶汽车的感知能力也很重要。”