Dr-BA：直接雷達束調整與定位的可分離最佳化

雷達感測器因其對雨雪霧等惡劣天氣的魯棒性，在自動駕駛和移動機器人領域備受關注。與攝像頭和雷射雷達不同，雷達在降水條件下依然能穩定工作，因此成為全天候自主系統的關鍵感測器。然而，現有的基於旋轉雷達的狀態估計方法通常先提取稀疏點雲，再利用點雲配準技術估計車輛運動或環境結構，這種方法限制了精度和魯棒性。來自多倫多大學的研究團隊Daniil Lisus等人提出了Dr-BA，這是一種直接對二維旋轉雷達強度影像進行束調整（Bundle Adjustment，BA）的全新框架，首次將BA技術直接應用於雷達影像。Dr-BA不依賴稀疏點雲提取，而是直接利用多幀掃描的完整雷達回波強度資訊，聯合估計密集的環境地圖和感測器的位姿。其核心創新在於採用可分離最佳化策略，將位姿估計與地圖構建解耦，顯著降低了計算複雜度，同時提高了估計精度。此外，該框架可以自然地擴充套件到直接雷達僅用定位（Direct Radar-only Localization, DRL）任務，即在已有的地圖中進行跨會話定位，無需依賴其他感測器。研究團隊在超過200公里的真實道路資料上進行了實驗，涵蓋五條不同路線，結果表明Dr-BA在雷達束調整和跨會話定位方面均達到了最先進水平。該論文於2026年5月7日提交至arXiv，並被機器人領域頂級會議RSS 2026接收。相關程式碼已在GitHub上開源（https://github.com/utiasASRL/dr_ba），為雷達SLAM和定位研究提供了新的基準和方向。Dr-BA的提出不僅推動了雷達在自主系統中的應用，也為全天候環境下的定位與建圖提供了更可靠的解決方案。