高速公路全天候感知技術(shù)研究

譚屈山，楊 洋，王 俊，符劉旭，張珂溢，鐘愛平

（四川數(shù)字交通科技股份有限公司，四川 成都 610000）

0 引言

隨著經(jīng)濟(jì)快速發(fā)展，人們對出行質(zhì)量的要求越來越高，交通建設(shè)隨之不斷進(jìn)步，道路干線網(wǎng)絡(luò)不斷完善。自20 世紀(jì)初，我國建成第一條高速公路——滬嘉高速公路以來，中國的高速公路建設(shè)取得了舉世矚目的成就[1]，2012 年年底，我國高速公路通車總里程達(dá)9.6萬公里，首次超越美國躍居世界第一[2]。到2021年年底，這個數(shù)據(jù)已刷新為16.91 萬公里[3]，繼續(xù)穩(wěn)居世界第一。高速公路如此重要，因此保障高速公路順暢、高效的通行也越發(fā)重要。

交通信息感知作為交通信息基礎(chǔ)設(shè)施最為關(guān)鍵的功能之一，可為交通態(tài)勢預(yù)判、信號控制、車路協(xié)同、無人駕駛等交通應(yīng)用場景提供重要的數(shù)據(jù)與決策支撐，是踐行“交通強(qiáng)國”戰(zhàn)略的基石。[4]基于此，本文將結(jié)合智慧高速建設(shè)特點(diǎn)，對高速公路全天候感知技術(shù)開展研究。

1 毫米波雷達(dá)感知技術(shù)

在智能交通和自動駕駛領(lǐng)域，攝像頭、激光雷達(dá)和毫米波雷達(dá)是常用的傳感器，而毫米波交通雷達(dá)是其中唯一的全天候傳感器。各傳感器之間的特性對比如表1 所示。

表1 智能交通常用傳感器對比

毫米波雷達(dá)除了受天線通道數(shù)影響，在角分辨率指標(biāo)明顯弱于視頻和激光雷達(dá)外，幾乎在其他方面均有明顯優(yōu)勢：在探測距離方面，毫米波雷達(dá)可以精準(zhǔn)檢測和分析超過1000 米的長距離；同時，幾乎不受夜間及雨霧塵霾等惡劣天氣影響，顯著優(yōu)于攝像頭和激光雷達(dá)，因此得到了交通領(lǐng)域的重視，在我國多個省市區(qū)的智慧高速試點(diǎn)中得到了廣泛應(yīng)用。

交通毫米波雷達(dá)全要素感知可以涵蓋以下信息：

?車輛速度：交通雷達(dá)可以測量車輛的速度，對車輛行駛速度進(jìn)行監(jiān)測和控制，從而提高道路安全和交通效率。

?距離和位置：交通雷達(dá)可以測量車輛與雷達(dá)之間的距離，以及車輛在道路上的位置，從而提供更加準(zhǔn)確的交通數(shù)據(jù)和信息。

?大小和形狀：現(xiàn)代交通雷達(dá)可以實(shí)現(xiàn)目標(biāo)分辨和多目標(biāo)跟蹤等高級功能，可以檢測車輛的大小和形狀，從而區(qū)分不同類型的車輛。

?車輛數(shù)量和流量：交通雷達(dá)可以通過檢測車輛的位置和速度，計算出通過某個區(qū)域的車輛數(shù)量和流量，從而幫助交通管理人員更好地掌握交通狀況，及時調(diào)整交通策略。

?交通事件：例如一些交通雷達(dá)可以檢測車輛是否停放在了不允許的地點(diǎn)，例如緊急停車道等，從而幫助交通管理人員及時處理違規(guī)停車情況。

本文針對現(xiàn)有毫米波雷達(dá)在交通行業(yè)應(yīng)用中“看不遠(yuǎn)”“看不準(zhǔn)”“分不清”的三大痛點(diǎn)，研究開發(fā)了可以實(shí)現(xiàn)對乘用車定向探測距離超過1200 米、探測精度優(yōu)于0.07°、分辨率優(yōu)于0.5°的高性能交通雷達(dá)，比傳統(tǒng)的交通雷達(dá)擁有更遠(yuǎn)的探測能力、更高的空間角分辨以及更優(yōu)秀的測角精度。同時增加俯仰分辨能力，在復(fù)雜的部署環(huán)境下對門架、路牌等干擾具有較強(qiáng)的識別能力。

圖1 高性能毫米波雷達(dá)系統(tǒng)框架

圖2 交通毫米波雷達(dá)成都繞城高速部署

2 基于深度學(xué)習(xí)的三維目標(biāo)檢測技術(shù)

面對復(fù)雜的道路交通場景，傳統(tǒng)檢測技術(shù)難以滿足精確的目標(biāo)定位需求，從而存在一定道路安全隱患。此外，目標(biāo)檢測技術(shù)是計算機(jī)視覺領(lǐng)域的一個重要研究任務(wù)，目的是通過分析圖像的數(shù)據(jù)內(nèi)容快速檢測和分割出目標(biāo)物體。因此，研究類視覺傳感器條件下的3D 目標(biāo)檢測具有重要的意義。

盡管近年來點(diǎn)云三維物體檢測取得了快速進(jìn)展，但筆者對三維目標(biāo)檢測兩階段網(wǎng)絡(luò)進(jìn)行研究發(fā)現(xiàn)，現(xiàn)有的兩階段方法不僅結(jié)構(gòu)復(fù)雜，而且需要設(shè)計大量的超參數(shù)，缺乏靈活和高性能的方案。以往關(guān)于精細(xì)3D檢測的工作仍依賴于人工設(shè)計的組件，如關(guān)鍵點(diǎn)采樣、集合提取和多尺度特征融合等。

針對這些問題， 本文提出CT3D（Channel-wise Transformer for 3D Object Detection，CT3D）系統(tǒng)框架，包括一個RPN（Region Proposal Network，RPN）網(wǎng)絡(luò)、一個特征編碼模塊和一個基于Transformer 的候選區(qū)域修正網(wǎng)絡(luò)。首先利用RPN 網(wǎng)絡(luò)生成粗略的3D 檢測框，然后利用提出的Proposal-to-point 模塊將候選區(qū)域建議信息編碼到其周圍的點(diǎn)特征中，最后將候選區(qū)域周圍的點(diǎn)輸入到提出的Channelwise Transformer 網(wǎng)絡(luò)中，以有效提取整個候選區(qū)域的上下文特征，得到候選區(qū)域的置信度預(yù)測和粗3D 檢測框的回歸修正，有效地合并多層次上下文，有助于進(jìn)行更準(zhǔn)確的對象預(yù)測。大量實(shí)驗(yàn)表明，CT3D 方法具有優(yōu)越的性能和出色的可擴(kuò)展性。在KITTI 數(shù)據(jù)集的3D 檢測基準(zhǔn)數(shù)據(jù)集上，CT3D 實(shí)現(xiàn)了車輛檢測81.77%的AP，超過其他現(xiàn)有方法。

圖3 CT3D 系統(tǒng)框架圖

3 交通毫米波雷達(dá)為主的雷視融合架構(gòu)技術(shù)

對于智慧高速數(shù)字孿生建設(shè)中的實(shí)時感知維度的毫米波雷達(dá)與相機(jī)的融合感知，因存在低時延同步匹配、全天候，國內(nèi)外研究還鮮有在智慧高速場景使用以雷達(dá)為主軌跡，視覺提供語義匹配，從而實(shí)現(xiàn)全天候軌跡行為一致性、視覺非全覆蓋的區(qū)間覆蓋效果。筆者針對以上技術(shù)挑戰(zhàn)，創(chuàng)新式地提出了雷達(dá)為主的雷視融合感知體系，進(jìn)一步提升了整套感知系統(tǒng)的實(shí)時性與感知能力。

以毫米波雷達(dá)為主的感知技術(shù)路徑，感知方案針對高速場景需求，設(shè)計了一套模塊化的感知框架，顯著提升了對夜間及惡劣天氣下的感知能力，有效解決了全天候感知的技術(shù)難題。如圖4 所示，毫米波雷達(dá)與相機(jī)在授時同步基礎(chǔ)上，基于高精地圖進(jìn)行聯(lián)合標(biāo)定，并分別執(zhí)行目標(biāo)檢測跟蹤算法策略鏈路，最終通過投影匹配，并完成多目標(biāo)跟蹤。當(dāng)白天光照及天氣良好時采用主毫米波雷達(dá)輔視覺的融合方案，當(dāng)相機(jī)宕機(jī)、故障或夜晚能見度低時，感知體系以純雷達(dá)模式運(yùn)行。

圖4 毫米波雷達(dá)為主的感知技術(shù)路徑

以交通毫米波雷達(dá)為主的雷視融合架構(gòu)，解決了夜間和極端天氣下傳統(tǒng)感知方法失效的問題，筆者設(shè)計的雷視融合感知算法實(shí)際效果如圖5、圖6 所示，相較普通視頻目標(biāo)檢測算法，本項(xiàng)目所設(shè)計實(shí)現(xiàn)的雷視融合感知算法可實(shí)現(xiàn)夜間（包括強(qiáng)光直射）、霧天等場景下的全天候高性能融合感知，穩(wěn)定進(jìn)行目標(biāo)檢測及軌跡還原，展現(xiàn)了非常優(yōu)異的低能見度感知能力，低能見度目標(biāo)感知精度達(dá)到99.2%，顯著突破低能見度感知瓶頸。

圖5 四川成宜高速夜間、雨霧天低能見度下感知效果

圖6 四川成宜高速實(shí)時分割精細(xì)感知效果

4 結(jié)語

針對高速公路全天候感知應(yīng)用需求，筆者設(shè)計了一種可滿足高速公路大范圍部署的高性能毫米波雷達(dá)，并實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)模型的三維目標(biāo)檢測技術(shù)，通過以毫米波雷達(dá)為主的雷視融合感知技術(shù)，解決了夜間和極端天氣下傳統(tǒng)感知方法失效的問題，通過毫米波雷達(dá)+視覺信息的有效結(jié)合，賦予了感知端全天候能力，實(shí)現(xiàn)了全國首個800 米長間距且具有軌跡接力能力的多傳感器全覆蓋方案，布設(shè)間距處于行業(yè)領(lǐng)先水平，有效降低了外場布設(shè)成本。設(shè)計的雷視融合感知算法可實(shí)現(xiàn)夜間、霧天等場景下的全天候高性能融合感知，穩(wěn)定進(jìn)行目標(biāo)檢測及軌跡還原，低能見度目標(biāo)感知精度達(dá)到99.2%，顯著突破低能見度感知瓶頸。