基于物理的汽车雷达AI预测车辆参数合理性评估框架

针对AI雷达感知中数据驱动模型估计的车辆参数可能与雷达测量物理不一致的问题，提出一种基于物理的一致性评估框架，用于验证AI生成的车辆假设。该方法用物理参考模型从AI估计参数生成期望雷达特征，模型包含遮挡相关的边缘可见性、随视角和角度变化的RCS建模及车轮引起的MD特征，再以基于Wasserstein距离的一致性度量将期望特征与观测点云比较，度量由边缘检测空间分布、局部检测数和反射强度三项特征构成。该一致性模块作为级联后处理阶段集成于车辆朝向估计，可在不重训模型、不改网络架构的情况下识别并纠正物理上不合理的假设。