首尔国立大学的研究人员开发了 RaDiVe，这是一套 4D 雷达里程计流程，能够让机器人在雾、雨和尘土中精准感知自身运动——而这些环境会让摄像头和激光雷达几乎失明。RaDiVe 利用多普勒速度识别不可靠的雷达点，并通过带距离约束的 NDT 对齐扫描结果，从而减少传统估计器容易失效时的累积漂移。
目录
研究人员构建了什么
RaDiVe 是一套专为 4D 雷达传感器设计的完整自身运动估计流程。里程计指机器人持续估计自身行进距离与转向方向的能力，是导航、建图和控制的基础。在雨、雾、雪或尘土环境中，激光雷达和摄像头的性能会严重下降，而毫米波雷达仍能持续返回测量结果。
系统会对每次雷达扫描执行四个阶段的处理。预处理首先移除动态点（行驶中的车辆、行人），以及无线电波穿透材料后在其后方表面反射所产生的重复回波。随后，流程根据多普勒测量估计自身速度，并依据每个点的径向速度与该运动估计之间的偏差，为其分配不确定性分数。接着，系统从近期扫描中提取表面点，构建低噪声局部子地图；最后，通过带距离约束的 NDT 配准，将当前扫描与子地图对齐并输出里程计结果。整套流程只依赖雷达运行，不需要 GPS、轮速编码器或 IMU。
关键结果
RaDiVe 最突出的成果，是在光学传感器失效的场景中依然实现稳定、低漂移的里程计。两项创新相互配合：基于速度偏差的点不确定性能够识别运动物体和受污染的回波，而带距离约束的 NDT 则防止残留离群点扭曲位姿求解结果。
这一组合针对雷达里程计最主要的两类失效模式。卡车从机器人旁边驶过时，不会再把配准结果拖向卡车；无线电波穿透造成的幽灵回波会在配准前被清除。此外，由于当前扫描是与多帧扫描构成的子地图匹配，而不是与原始点逐一匹配，雷达固有的散斑噪声也会得到平均抑制。
研究人员在真实道路驾驶序列上进行了评估，并将 RaDiVe 与成熟的雷达里程计基线方法进行比较。结果显示，速度感知加权与有界配准相结合后，即使在拥挤、车流密集的场景中，也能保持准确的运动轨迹。纯雷达运行还意味着：在 GPS 信号受阻或轮速编码器打滑时，该方法依然可靠，这对实际部署具有重要价值。
工作原理
RaDiVe 将每个雷达检测结果视为一个五维测量值：距离、方位角、俯仰角以及多普勒径向速度。其中，速度通道是实现稳健点云筛选的关键。
阶段 1——预处理。 无线电波能够穿透某些材料（保险杠、护栏、塑料外壳），并产生看似幻影表面的重复回波。预处理模块会识别并移除这些幽灵点，同时清除多普勒特征表明其属于运动物体的检测结果。
阶段 2——自身速度与点不确定性。 对于静态表面，某个点测得的径向速度必须等于传感器自身运动在该点视线方向上的投影。RaDiVe 首先根据多普勒测量估计自身速度，然后计算每个点的速度偏差，即测得径向速度与预测径向速度之间的差值。偏差越大，说明该点越可能是动态点或受污染的回波，因此会被赋予更高的不确定性，并在后续优化中获得更低的权重。
阶段 3——表面提取与子地图构建。 系统选出可靠点，并将其累积为局部子地图，用平滑表面而非一个个嘈杂的回波点来表示环境。
阶段 4——带距离约束的 NDT 配准。 子地图会被转换为正态分布变换（Normal Distributions Transform，NDT）表示，即由一组描述局部表面形状的高斯分布组成的网格。系统将当前扫描与这些分布对齐，从而求出里程计位姿。距离约束会限制关联半径：超出该范围的点无法影响估计结果，因此即使仍有离群点残留，也不会破坏配准。
这对机器人技术意味着什么
可靠的里程计，决定了机器人能否顺利完成任务，而不是中途迷路。对于在积尘严重的履约中心运行的仓储机器人、穿行于雨水浸湿街道的户外配送机器人，以及在飞扬尘土中工作的农业或采矿设备，4D 雷达具备激光雷达和摄像头无法提供的优势：即使能见度下降，也不会同样程度地失去测量能力。
雷达的机械结构也更简单——不需要旋转镜面或扫描组件——而且通常更易于集成、成本更低，因此能够降低车队摆脱昂贵激光雷达设备的门槛。RaDiVe 直面雷达导航长期以来的薄弱环节：噪声大、离群点多，容易导致轨迹漂移。通过让雷达里程计能够作为独立传感器稳定工作，它有望推动雷达从安全备份传感器升级为主要导航输入。同样的筛选与配准思路，也可以增强二手工业机器人以及加装雷达、用于户外或恶劣环境作业的自动导引车的能力。
局限性与待解问题
雷达点云仍比激光雷达更稀疏、噪声更大，因此 RaDiVe 的子地图和 NDT 网格需要针对不同环境与传感器型号仔细调参。基于速度偏差的筛选假设多普勒读数可靠；而在大多数检测结果都来自未知运动物体的场景中，它的作用会有所减弱。开阔且缺乏特征的区域——例如没有静态散射体的平坦地面——无法为任何雷达里程计提供足够约束。没有回环闭合时的长距离漂移、嵌入式硬件上的计算开销，以及跨雷达厂商的泛化能力，仍是有待研究的问题。距离约束必须根据传感器和具体场景设定；而纯雷达设计则有意将 IMU 融合、GPS 接入和回环闭合检测留待后续工作。
常见问题
什么是 4D 雷达？它与标准雷达有什么不同？ 4D 雷达在传统的距离、方位角和俯仰角测量之外，增加了多普勒速度。因此，每个检测结果都会带有独立的径向速度读数，RaDiVe 正是利用这一信息区分静态表面与运动物体。
为什么用雷达而不是激光雷达做里程计？ 激光束在雾、雨和尘土中容易发生散射，而毫米波雷达能够穿透颗粒物，并且昼夜均可工作。4D 雷达通常也更便宜，而且没有旋转机械部件。
什么是 NDT 配准？ NDT（Normal Distributions Transform，正态分布变换）不是使用原始点，而是用高斯分布网格来描述环境。将扫描结果与这些分布对齐，比点到点匹配更快速、更稳健，尤其适合雷达这类噪声较大的传感器。
带距离约束的 NDT 中，“带距离约束”是什么意思？ 它限制了一个点在配准过程中与所匹配表面之间允许相隔的最大距离。超出该范围的离群点无法影响位姿估计，因此运动物体和幽灵回波不会把机器人的轨迹拖偏。
结论
RaDiVe 表明，对于在恶劣天气和复杂环境中工作的机器人，雷达完全有机会从备份传感器升级为主要导航来源。速度感知点加权与带距离约束的 NDT 相结合，为实现抗漂移里程计提供了一套实用方案——无需 GPS 或 IMU。
如果你的车队需要在恶劣天气中运行，你会愿意用纯雷达导航替代激光雷达吗？