高速公路全天候感知技术研究

谭屈山，杨 洋，王 俊，符刘旭，张珂溢，钟爱平

（四川数字交通科技股份有限公司，四川 成都 610000）

0 引言

随着经济快速发展，人们对出行质量的要求越来越高，交通建设随之不断进步，道路干线网络不断完善。自20 世纪初，我国建成第一条高速公路——沪嘉高速公路以来，中国的高速公路建设取得了举世瞩目的成就[1]，2012 年年底，我国高速公路通车总里程达9.6万公里，首次超越美国跃居世界第一[2]。到2021年年底，这个数据已刷新为16.91 万公里[3]，继续稳居世界第一。高速公路如此重要，因此保障高速公路顺畅、高效的通行也越发重要。

交通信息感知作为交通信息基础设施最为关键的功能之一，可为交通态势预判、信号控制、车路协同、无人驾驶等交通应用场景提供重要的数据与决策支撑，是践行“交通强国”战略的基石。[4]基于此，本文将结合智慧高速建设特点，对高速公路全天候感知技术开展研究。

1 毫米波雷达感知技术

在智能交通和自动驾驶领域，摄像头、激光雷达和毫米波雷达是常用的传感器，而毫米波交通雷达是其中唯一的全天候传感器。各传感器之间的特性对比如表1 所示。

表1 智能交通常用传感器对比

毫米波雷达除了受天线通道数影响，在角分辨率指标明显弱于视频和激光雷达外，几乎在其他方面均有明显优势：在探测距离方面，毫米波雷达可以精准检测和分析超过1000 米的长距离；同时，几乎不受夜间及雨雾尘霾等恶劣天气影响，显著优于摄像头和激光雷达，因此得到了交通领域的重视，在我国多个省市区的智慧高速试点中得到了广泛应用。

交通毫米波雷达全要素感知可以涵盖以下信息：

•车辆速度：交通雷达可以测量车辆的速度，对车辆行驶速度进行监测和控制，从而提高道路安全和交通效率。

•距离和位置：交通雷达可以测量车辆与雷达之间的距离，以及车辆在道路上的位置，从而提供更加准确的交通数据和信息。

•大小和形状：现代交通雷达可以实现目标分辨和多目标跟踪等高级功能，可以检测车辆的大小和形状，从而区分不同类型的车辆。

•车辆数量和流量：交通雷达可以通过检测车辆的位置和速度，计算出通过某个区域的车辆数量和流量，从而帮助交通管理人员更好地掌握交通状况，及时调整交通策略。

•交通事件：例如一些交通雷达可以检测车辆是否停放在了不允许的地点，例如紧急停车道等，从而帮助交通管理人员及时处理违规停车情况。

本文针对现有毫米波雷达在交通行业应用中“看不远”“看不准”“分不清”的三大痛点，研究开发了可以实现对乘用车定向探测距离超过1200 米、探测精度优于0.07°、分辨率优于0.5°的高性能交通雷达，比传统的交通雷达拥有更远的探测能力、更高的空间角分辨以及更优秀的测角精度。同时增加俯仰分辨能力，在复杂的部署环境下对门架、路牌等干扰具有较强的识别能力。

图1 高性能毫米波雷达系统框架

图2 交通毫米波雷达成都绕城高速部署

2 基于深度学习的三维目标检测技术

面对复杂的道路交通场景，传统检测技术难以满足精确的目标定位需求，从而存在一定道路安全隐患。此外，目标检测技术是计算机视觉领域的一个重要研究任务，目的是通过分析图像的数据内容快速检测和分割出目标物体。因此，研究类视觉传感器条件下的3D 目标检测具有重要的意义。

尽管近年来点云三维物体检测取得了快速进展，但笔者对三维目标检测两阶段网络进行研究发现，现有的两阶段方法不仅结构复杂，而且需要设计大量的超参数，缺乏灵活和高性能的方案。以往关于精细3D检测的工作仍依赖于人工设计的组件，如关键点采样、集合提取和多尺度特征融合等。

针对这些问题， 本文提出CT3D（Channel-wise Transformer for 3D Object Detection，CT3D）系统框架，包括一个RPN（Region Proposal Network，RPN）网络、一个特征编码模块和一个基于Transformer 的候选区域修正网络。首先利用RPN 网络生成粗略的3D 检测框，然后利用提出的Proposal-to-point 模块将候选区域建议信息编码到其周围的点特征中，最后将候选区域周围的点输入到提出的Channelwise Transformer 网络中，以有效提取整个候选区域的上下文特征，得到候选区域的置信度预测和粗3D 检测框的回归修正，有效地合并多层次上下文，有助于进行更准确的对象预测。大量实验表明，CT3D 方法具有优越的性能和出色的可扩展性。在KITTI 数据集的3D 检测基准数据集上，CT3D 实现了车辆检测81.77%的AP，超过其他现有方法。

图3 CT3D 系统框架图

3 交通毫米波雷达为主的雷视融合架构技术

对于智慧高速数字孪生建设中的实时感知维度的毫米波雷达与相机的融合感知，因存在低时延同步匹配、全天候，国内外研究还鲜有在智慧高速场景使用以雷达为主轨迹，视觉提供语义匹配，从而实现全天候轨迹行为一致性、视觉非全覆盖的区间覆盖效果。笔者针对以上技术挑战，创新式地提出了雷达为主的雷视融合感知体系，进一步提升了整套感知系统的实时性与感知能力。

以毫米波雷达为主的感知技术路径，感知方案针对高速场景需求，设计了一套模块化的感知框架，显著提升了对夜间及恶劣天气下的感知能力，有效解决了全天候感知的技术难题。如图4 所示，毫米波雷达与相机在授时同步基础上，基于高精地图进行联合标定，并分别执行目标检测跟踪算法策略链路，最终通过投影匹配，并完成多目标跟踪。当白天光照及天气良好时采用主毫米波雷达辅视觉的融合方案，当相机宕机、故障或夜晚能见度低时，感知体系以纯雷达模式运行。

图4 毫米波雷达为主的感知技术路径

以交通毫米波雷达为主的雷视融合架构，解决了夜间和极端天气下传统感知方法失效的问题，笔者设计的雷视融合感知算法实际效果如图5、图6 所示，相较普通视频目标检测算法，本项目所设计实现的雷视融合感知算法可实现夜间（包括强光直射）、雾天等场景下的全天候高性能融合感知，稳定进行目标检测及轨迹还原，展现了非常优异的低能见度感知能力，低能见度目标感知精度达到99.2%，显著突破低能见度感知瓶颈。

图5 四川成宜高速夜间、雨雾天低能见度下感知效果

图6 四川成宜高速实时分割精细感知效果

4 结语

针对高速公路全天候感知应用需求，笔者设计了一种可满足高速公路大范围部署的高性能毫米波雷达，并实现了基于神经网络模型的三维目标检测技术，通过以毫米波雷达为主的雷视融合感知技术，解决了夜间和极端天气下传统感知方法失效的问题，通过毫米波雷达+视觉信息的有效结合，赋予了感知端全天候能力，实现了全国首个800 米长间距且具有轨迹接力能力的多传感器全覆盖方案，布设间距处于行业领先水平，有效降低了外场布设成本。设计的雷视融合感知算法可实现夜间、雾天等场景下的全天候高性能融合感知，稳定进行目标检测及轨迹还原，低能见度目标感知精度达到99.2%，显著突破低能见度感知瓶颈。