SMURF：基于4D成像雷达的3D目标检测空间多表示融合方法

4D毫米波（mmWave）雷达因其成本效益高且在恶劣天气条件下仍能稳定工作，成为车辆感知领域极具前景的技术。然而，该技术的实际应用受到雷达点云数据稀疏性和噪声问题的制约。本文提出了一种名为空间多表示融合（Spatial Multi-Representation Fusion, SMURF）的新方法，用于基于单台4D成像雷达的三维目标检测。SMURF通过融合雷达检测点的多种表征方式，包括基于核密度估计（Kernel Density Estimation, KDE）构建的多维高斯混合分布的柱状化表示与密度特征，有效提升了数据表达能力。KDE能够缓解因角分辨率有限及雷达信号多路径传播导致的测量误差，同时通过捕捉点云密度特征，显著缓解了点云稀疏问题。在View-of-Delft（VoD）和TJ4DRadSet两个数据集上的实验结果表明，SMURF在检测性能与泛化能力方面均优于近期提出的基于4D成像雷达的单表示模型。更重要的是，尽管仅使用4D成像雷达，SMURF的性能仍可与当前最先进的雷达与摄像头融合方法相媲美：在TJ4DRadSet数据集的鸟瞰图（bird’s-eye view）上，平均精度均值（mAP）提升1.22%；在VoD数据集完整标注区域的3D平均精度均值上，提升达1.32%。此外，所提方法展现出优异的推理效率，大多数扫描帧的推理时间不超过0.05秒，充分满足实时检测需求。本研究充分展示了4D毫米波雷达在三维目标检测中的潜力，为后续基于4D成像雷达的三维感知研究提供了强有力的技术基准。