随着自动驾驶技术的快速发展,4D毫米波雷达因其全天候适应性和抗干扰能力,成为同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的关键传感器。然而在隧道等封闭环境中,多径效应引发的虚警点云严重影响了雷达SLAM系统...随着自动驾驶技术的快速发展,4D毫米波雷达因其全天候适应性和抗干扰能力,成为同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的关键传感器。然而在隧道等封闭环境中,多径效应引发的虚警点云严重影响了雷达SLAM系统的定位精度与建图效果。针对这一问题,本文基于对隧道中的毫米波雷达点云数据特性和散射角特征的规律分析提出了一种全新的滑窗动态滤波算法。该方法结合了点云的空间统计特性与邻域密度检测方法剔除离群噪声点云,利用雷达点云粗配准获得先验估计位姿,结合雷达点云俯仰向和方位向的三维散射角特征,实现对真实目标点云数据的区分和聚类。随后使用随机采样一致性算法(Random Sample Consensus,RANSAC)拟合隧道墙壁平面并构建隧道墙面模型。通过引入动态滑窗更新策略,利用拟合的隧道墙面模型与先验估计位姿实时更新当前姿态节点到墙面边界距离阈值,使用距离阈值进一步消除隧道空间以外的虚警点云和噪声点云,并在因子图优化框架下完成全局位姿修正与局部地图更新。本研究在真实的隧道环境中采集多个不同场景的数据进行实验验证,实验结果证明本研究提出的方法在有效降低虚警点云干扰的同时,显著提高了定位精度和建图质量,且能在复杂环境中保持较高的稳定性。本研究为提高4D毫米波雷达SLAM在封闭环境中的鲁棒性提供了新的技术思路和实现路径。展开更多
