通过远场磁偶极子理论提升路边激光雷达（LiDAR）的感知能力

《Advanced Industrial and Engineering Polymer Research》：Enhancing roadside LiDAR perception ability via far-field magnetic dipole theory

提出基于远场磁偶极子理论的背景过滤新框架，通过建模背景点为磁偶极子阵列，将几何距离问题转化为磁场强度比较问题，有效解耦传感器绝对坐标依赖。实验在RLBF和Rcooper数据集上验证，显著降低假阳性率，同时保持低假阴性，在振动、密集交通、远距离小目标检测等场景中表现优异。

　　

Hui Liu|Ciyun Lin|Bowen Gong|Hongchao Liu

湖北文理学院汽车与交通工程学院，中国襄阳441000

摘要

路边激光雷达（LiDAR）在车对基础设施（V2I）协同感知中发挥着关键作用，但由于环境干扰，精确的背景过滤仍然是一个挑战。现有的基于背景构建的方法通常依赖于绝对坐标差异，这使得它们对传感器振动和多传感器配准误差非常敏感。为了解决这些限制，本文提出了一种基于远场磁偶极子理论的新型背景过滤框架。与传统几何方法不同，我们将背景点（地面和静止物体）建模为一组产生虚拟磁场的磁偶极子。通过分析相对磁场强度及其空间变化，我们将分割任务重新定义为磁场强度比较问题，有效地将过滤标准与传感器的绝对原点解耦。在两个公共数据集（RLBF和Rcooper）上的实验结果表明，所提出的方法取得了最先进的性能，显著减少了误报（FP）的同时保持了较低的漏报（FN）。值得注意的是，该方法在检测小型或远距离物体、处理密集交通流、适应传感器振动以及实现多传感器协作等具有挑战性的场景中表现出更好的鲁棒性。

引言

路边激光雷达（LiDAR）传感器无论在何种光照条件下都能提供可靠的高分辨率3D空间数据，使其成为车对基础设施协同系统的核心[1]。通过为自动驾驶车辆（AVs）或联网车辆（CVs）提供高分辨率的微观级、互补的超出视觉范围的交通数据[2]，路边激光雷达增强了智能交通系统（ITS）的安全性和效率[3]、[4]。

背景过滤是路边激光雷达感知中的基本任务。在现有的过滤算法中，基于背景构建的过滤方法具有代表性，并且在过滤准确性和速度方面表现出色。Zhang [5]首次提出了基于距离差异的背景构建过滤方法框架，该方法包括两个过程：背景构建过程和过滤过程。最近的研究进一步提高了准确性和计算效率。我们之前的工作[6]发现，更准确的背景点云有助于获得更准确的过滤结果。因此，我们通过识别可行驶区域并移除错误点来提高过滤的准确性。在提高运行效率方面，Zhao [7]提出了2D背景构建方法和基于解码的过滤过程方法，大大提高了过滤速度。

尽管基于背景构建的方法已经取得了进展，但它们严重依赖于一个刚性假设，即传感器原点与背景之间的绝对空间关系保持不变。然而，这一假设在现实世界的应用中存在根本性缺陷。路边基础设施不可避免地会受到强风或经过的重型车辆引起的高频振动的影响。此外，在多传感器协同系统中，坐标配准误差会导致虚拟位移。在这些条件下，依赖绝对距离阈值的传统算法会失败，将静态背景点错误地分类为前景障碍物（误报）或由于刚性过滤边界而遗漏远处的小物体。因此，迫切需要一种与绝对传感器原点解耦且对几何干扰具有鲁棒性的过滤范式。

为了解决这些问题，提出了一种基于磁偶极子理论的新型背景过滤方法。首先，引入了一种基于基本背景点云的磁偶极子选择策略。然后，根据磁偶极子的磁场强度，选择历史点云中交通物体较少的数据来优化背景构建过程。在过滤过程中，过滤标准不再由激光雷达和目标点的绝对位置定义。相反，我们关注目标点与不同类别磁偶极子之间的相对位置，并根据磁场差异确定每个点的类别。此外，我们提出了一种基于磁场强度变化的前景点识别方法，提高了提取远距离物体的准确性。

本文的主要贡献如下：

1)

提出了一种基于远场磁偶极子理论的新型背景过滤框架。通过将几何距离问题转化为磁场强度确定问题，我们建立了一种达到最先进过滤准确性的过滤范式。

2)

设计了一种基于磁场强度和梯度变化的过滤优化策略，显著减少了误报结果，提高了背景过滤的准确性和鲁棒性。

3)

开发了一种利用磁场变化来减少背景构建过程中前景干扰的帧选择方法。

本文的其余部分组织如下：第二节回顾了背景过滤的相关研究。第三节介绍了所提出方法的关键模型。第四节介绍了具体的实现方法。第五节进行了实验，以说明我们提出方法的性能。第五节以总结和可能的未来工作结束本文。

相关研究

相关工作

为了明确区分本研究与以往的工作，本节回顾了背景点过滤的相关文献。此外，由于所提出的方法基于远场磁偶极子理论，还讨论了其在感知中的应用文献。

关键模型

在本文中，选择远场磁偶极子模型而不是其他模型（例如重力模型），有两个物理直觉原因。首先，其磁矩本质上捕捉了交通场景的垂直方向约束。其次，其快速的空间衰减确保了严格的局部化聚类效果，防止了密集背景错误地吸引远距离目标。具体来说，磁偶极子是表示由

方法论

所提出的框架改进了基于背景构建的过滤范式。它包括两个主要阶段：背景构建步骤和背景过滤步骤。本节详细介绍了如何通过整合远场磁偶极子模型系统地优化这两个阶段，从而提高背景过滤性能。

数据集和实验设置

为了评估所提出方法的性能，我们在两个公开可用的数据集上进行了实验：Roadside LiDAR Background Filtering (RLBF) 数据集[30] 和 Rcooper 数据集[31]。RLBF [30] 是一个专门为单路边激光雷达背景过滤方法设计的开源数据集。它包括使用低分辨率（Velodyne VLP-16 LiDAR）、中等分辨率（RoboSense RS-Helios-32 LiDAR）和高分辨率（RoboSense RS-M1 LiDAR）激光雷达传感器收集的交通数据，这些数据分布在不同的

结论与讨论

路边激光雷达的背景过滤是下游任务的关键基础。为了进一步提高准确性和鲁棒性，我们提出了一种基于远场磁偶极子理论的新型背景过滤框架。它分为两个主要步骤：背景构建步骤和背景过滤步骤。在背景构建步骤中，我们引入了一种新的磁偶极子选择策略，利用模拟的磁场来生成

CRediT作者贡献声明

Hui Liu：概念化、数据整理、形式分析、资金获取、调查、方法论、项目管理、资源、软件、监督、验证、可视化、初稿撰写、审稿与编辑。Ciyun Lin：监督、资源、方法论、数据整理。Bowen Gong：可视化、方法论、资金获取。Hongchao Liu：方法论、概念化。

资助

本工作部分得到了吉林省教育厅科研项目JJKH20250152KJ的支持。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。