创建既坚固又能够进行高清成像的射频传感器

研究人员表示，当前机器人和自主系统技术发展迅速，已应用于自动驾驶、搜索救援、仓储物流、医疗健康等领域。这就要求机器人能够实现对周围环境既准确又鲁棒的感知，以保证安全顺利地完成作业。

目前常用的传感器主要包括摄像头和激光雷达，它们可以提供高分辨率图像和点云。然而，作为一种视觉传感器，它们有着和人眼一样的“缺点”，那就是在充满浓烟和水雾的恶劣环境下，很难看清周围的环境。

例如，配备摄像头和激光雷达的自动驾驶汽车在大雾天气下无法正常工作，搜救机器人无法在充满烟尘的火灾现场开展救援行动。

射频是指可以辐射到空间的电磁频率，其频率范围在300KHz至30GHz之间。在上述恶劣环境下，射频传感器可以有效、可靠地工作。这是因为射频传感器所依赖的无线电波可以轻松穿过空气中悬浮的微小颗粒。这背后的原理和人们在雾天仍然可以听广播的原理是一样的。

此前，许多学者已经开始利用射频传感器的上述特性进行射频成像，以便为机器人提供鲁棒可靠的传感方法。然而，当前的自动驾驶汽车和送货机器人仍然严重依赖摄像头和激光雷达，因为现有的射频传感器往往分辨率较低。要知道摄像头可以实现百万像素甚至千万像素的高分辨率图像，但由于低分辨率射频传感器只能给出一堆反射图像，因此很难区分周围环境和周围物体。

为了让射频传感器保持可靠和鲁棒的特性，同时提供像激光雷达一样的高分辨率成像结果，团队开始了这项研究。

成像质量堪比激光雷达

如前所述，与激光雷达等光学传感器相比，射频成像传感器的分辨率存在显着差距。此外，大多数现有技术需要很长时间来扫描，这在动态应用中显然是不切实际的。一些雷达产品虽然可以实现高分辨率，但价格非常昂贵，并且只能提供二维平面信息，这不仅增加了部署成本，而且限制了获取信息的维度。

因此，迫切需要一种新的方法来突破移动机器人射频成像的瓶颈。一次偶然的机会，研究人员注意到电脑中旋转的冷却风扇。这让他们想到，或许可以通过旋转天线阵列来快速稳定地扩展天线阵列，从而提高成像分辨率。

基于此，他们设定了这个研究方向：设计一种基于旋转雷达的高分辨率射频成像系统。

为了验证上述想法的可行性，他们首先开发了一个原型系统。他们从一个非常简单的旋转装置开始——商店中常见的小型商品展示转盘。虽然这套慢速旋转平台看起来“原始”，但它们在静态环境下成功生成了房间轮廓的射频图像，这表明旋转雷达的基本思想是可行的。

然后，他们将上述慢速旋转平台移植到移动机器人平台上，并引入工业电机，实现快速旋转，同时提高成像效率。然而，他们发现机器人运动时成像质量受到严重干扰。后来他们发现，这是因为对于需要极高天线位置精度的雷达成像来说，机器人的运动破坏了信号的相位一致性。

为了解决这个问题，他们提出了一种基于多普勒效应的机器人运动估计和补偿方法，使得这款PanoRadar能够在动态环境下实现高精度成像。

此时，PanoRadar已经可以在水平和深度方向上实现更高分辨率。不过，为了实现真正的高分辨率三维成像，他们打算进一步提高PanoRadar的垂直分辨率。受三维环境结构特征的启发，研究团队采用数据驱动的方法，引入大模型，利用三维空间中物体表面的连续性，增强PanoRadar在垂直方向的分辨率，与地面的支撑关系。这一改进极大地提高了PanoRadar的整体成像质量，甚至可以与激光雷达的成像质量相媲美。

清洁工与“报警事件”

在研究中，数据收集是一个重要的环节。为了验证PanoRadar的性能，他们需要在建筑物走廊和实验室环境等真实场景中运行机器人。

由于PanoRadar配备的是旋转雷达，这种新颖的设计总是吸引人们驻足观看。尤其是当人们看到雷达随着机器人移动而不断旋转时，会好奇地问：“这是在做什么？”每次遇到这样的问题，他们都会耐心解释，这是一个用于科学研究的移动机器人。 ，可用于复杂环境下的高分辨率成像。

尤其是当提到它即使在烟尘等恶劣条件下也能清晰感知周围的环境时，大家的表情总是充满了惊讶和敬佩。尽管这些互动打断了数据收集的进程，但它们也成为令人愉快的小插曲。

最有趣的是，几乎每次研究团队收集数据时，都会遇到一个固定的“老熟人”——负责清洁的保洁员。起初，清洁工和其他人一样，对研究人员在做什么非常好奇。

但随着大家都熟悉起来，清洁工甚至还记得他们。有一次，清洁工看到他们推着机器人，直接打招呼：“你们又出去采集数据了吗？”这句小小的日常问候，给科研工作增添了一丝生活气息。

除了数据收集外，还进行烟雾实验。为了测试PanoRadar对空气中颗粒物（如烟雾和灰尘）的成像能力，研究团队购买了一台便携式烟雾发生器——一种可以快速产生浓雾的小型设备。

一天晚上，他们计划在实验楼的走廊里进行测试。当时周围人不多，环境比较安静。研究小组将机器人放置在走廊中央，并使用烟雾发生器在其周围喷出浓雾，以模拟有雾的环境。

实验初期的结果非常好，让人们清楚地看到了射频成像穿透烟雾的能力，数据表现完全符合预期。正当他们兴奋地记录数据时，意外发生了：雾气太浓，触发了大楼内的烟雾警报器。突然，整个楼道里的警铃声响起，震耳欲聋！

起初他们并没有意识到发生了什么，直到他们看到走廊尽头的警报灯在闪烁，才意识到实验已经触发了警报。幸运的是，那天晚上大楼里几乎没有人，教室里也空无一人，所以没有发生太大的骚动。

尽管如此，他们还是立即关闭设备，打开窗户通风，并迅速清理现场。回想起来，这起“报警事件”成了团队里的一个笑话。从那时起，他们对实验环境和实验方法变得更加谨慎。

为了避免再次触发警报，他们使用激光切割的亚克力板制作了一个小盒子来覆盖设备，从而限制了浓雾进入盒子。

随着项目的结束，研究团队决定开源代码和数据。他们希望通过共享这些资源，能够进一步推动射频成像技术在自动驾驶、机器人等领域的发展。

近日，在移动计算和网络会议（MobiCom，移动计算和网络）上发表了一篇相关论文，标题为“Enabling Visual Recognition at RadioFrequency”[1]。赖浩文为第一作者，宾夕法尼亚大学赵明敏教授为通讯作者。