[论文解读] Radar-based Pose Optimization for HD Map Generation from Noisy Multi-Drive Vehicle Fleet Data

Alexander Blumberg, Jonas Merkert+1 more|arXiv (Cornell University)|Mar 3, 2026

Autonomous Vehicle Technology and Safety被引用 0

一句话总结

该论文提出一种基于雷达的姿态图优化流程，用于跨驱动对齐车队雷达数据，生成全局雷达占据图并相较于基线方法提升HD车道边界映射质量。

ABSTRACT

High-definition (HD) maps are important for autonomous driving, but their manual generation and maintenance is very expensive. This motivates the usage of an automated map generation pipeline. Fleet vehicles provide sufficient sensors for map generation, but their measurements are less precise, introducing noise into the mapping pipeline. This work focuses on mitigating the localization noise component through aligning radar measurements in terms of raw radar point clouds of vehicle poses of different drives and performing pose graph optimization to produce a globally optimized solution between all drives present in the dataset. Improved poses are first used to generate a global radar occupancy map, aimed to facilitate precise on-vehicle localization. Through qualitative analysis we show contrast-rich feature clarity, focusing on omnipresent guardrail posts as the main feature type observable in the map. Second, the improved poses can be used as a basis for an existing lane boundary map generation pipeline, majorly improving map output compared to its original pure line detection based optimization approach.

研究动机与目标

• 通过在跨驱动对齐雷达点云来缓解车队派生的HD地图生成中的GNSS定位噪声。
• 开发基于网格的相关性方法以从雷达数据估计姿态变化。
• 构建一个姿态图优化框架以获得整个车队的全局一致车辆姿态。
• 通过对齐姿态生成全局雷达占据图以辅助车内定位。
• 评估基于雷达的姿态对齐对车道边界HD地图生成的影响。
• 在地图质量方面比较基于雷达的对齐与基于车道检测的对齐。

提出的方法

• 处理来自覆盖重叠路线的车队多次驾驶的2D雷达点云与道路特征检测。
• 在同一辆车队的不同驱动之间/跨驱动采集候选姿态对；为提高效率，抽样10%的对进行评估。
• 比较相关性方法：快速GICP基线（GICP、VGICP、D2D NDT）与一种新颖的基于网格的拟合方法。
• 基于网格的拟合将雷达点云转换为0.1 m网格，并迭代旋转/平移第二个点云以最大化网格相关性。
• 在旋转（±1°）和平移（±2 m）上形成一个三维相关矩阵，并选择相关性最大的变换；为鲁棒性计算标准化分数Z。
• 构建一个非线性姿态图（GTSAM），采用基于GNSS的先验和雷达派生的姿态边；应用Huber鲁棒化和Levenberg–Marquardt优化以得到全局对齐的姿态。
• 通过投影对齐后的雷达点并创建0.1 m网格与基于S形曲线的平滑，生成全局雷达占据图。
• 可选：通过将改进姿态输入现有的基于车道检测的HD地图管线，生成雷达对齐的车道边界图。

实验结果

研究问题

• RQ1 能否通过雷达点云实现跨驱动多车队对齐以克服GNSS定位噪声？
• RQ2 网格基相关性是否比传统的ICP/ND基线在车队雷达数据上更鲁棒、更有效？
• RQ3 使用雷达派生边的姿态图优化是否能实现车队的全局一致姿态？
• RQ4 与基线方法相比，使用雷达对齐的姿态是否提升全局雷达占据图及下游车道边界HD地图的质量？

主要发现

Metric	Unaligned	GICP	VGICP	NDT	Ours
MME	-0.15507	-0.150471	-0.154754	-0.15507	-0.490938

• 网格基拟合在未对齐姿态上显著改进对齐效果，而基线GICP/VGICP/NDT在平均地图熵上未呈现明显改进。
• 来自网格对齐姿态的雷达占据图能够清晰地辨识雷达回波（如防撞护栏柱），而未对齐的数据特征则模糊在一起。
• 雷达对齐的车道边界地图更平滑、连续，较EM基线的车道对齐在缺失区域方面更少。
• 在60次驾驶、5000公里的高速公路数据集上定量评估显示，网格基方法相对于未对齐数据降低了平均地图熵；其他基线未见改善。
• 车道边界与路边界检测误差比车道分隔线更大，但雷达对齐的姿态保持了相当甚至改进的横向优化并减少了数据集中的纵向波动。
• 该方法实现了全局一致的姿态解，以及在下游HD地图组件（尤其是高速公路场景）中的显著改进。