Dr-BA：直接雷达束调整与定位的可分离优化

雷达传感器因其对雨雪雾等恶劣天气的鲁棒性，在自动驾驶和移动机器人领域备受关注。与摄像头和激光雷达不同，雷达在降水条件下依然能稳定工作，因此成为全天候自主系统的关键传感器。然而，现有的基于旋转雷达的状态估计方法通常先提取稀疏点云，再利用点云配准技术估计车辆运动或环境结构，这种方法限制了精度和鲁棒性。来自多伦多大学的研究团队Daniil Lisus等人提出了Dr-BA，这是一种直接对二维旋转雷达强度图像进行束调整（Bundle Adjustment，BA）的全新框架，首次将BA技术直接应用于雷达图像。Dr-BA不依赖稀疏点云提取，而是直接利用多帧扫描的完整雷达回波强度信息，联合估计密集的环境地图和传感器的位姿。其核心创新在于采用可分离优化策略，将位姿估计与地图构建解耦，显著降低了计算复杂度，同时提高了估计精度。此外，该框架可以自然地扩展到直接雷达仅用定位（Direct Radar-only Localization, DRL）任务，即在已有的地图中进行跨会话定位，无需依赖其他传感器。研究团队在超过200公里的真实道路数据上进行了实验，涵盖五条不同路线，结果表明Dr-BA在雷达束调整和跨会话定位方面均达到了最先进水平。该论文于2026年5月7日提交至arXiv，并被机器人领域顶级会议RSS 2026接收。相关代码已在GitHub上开源（https://github.com/utiasASRL/dr_ba），为雷达SLAM和定位研究提供了新的基准和方向。Dr-BA的提出不仅推动了雷达在自主系统中的应用，也为全天候环境下的定位与建图提供了更可靠的解决方案。