重塑毫米波雷达空间感知：3D点溅射技术的突破与挑战
物理驱动下的渲染革命
在自动驾驶感知系统的版图中，毫米波雷达始终占据着不可或缺的基石地位。相较于摄像头，它在雨雾天气下的鲁棒性更为突出；相较于激光雷达，其成本更为亲民。然而，随着行业对“全景感知”追求的深入，单一视角的雷达扫描已难以满足日益复杂的场景重建需求。如何在保持毫米波雷达物理特性的前提下，实现类似NeRF（神经辐射场）那样的“合成新视角”成为了一项亟待突破的技术难题。
传统的毫米波雷达成像流程本质上是“发射-反射-接收”的时间序列过程。早期的学术尝试多试图将光学领域的NeRF或3D高斯泼溅直接移植至雷达域，但这类方法往往陷入一个两难境地：为了追求渲染速度，它们不得不丢弃信号的相位信息，仅保留幅值数据。这种处理方式虽然在视觉上生成了彩色图像，但在毫米波雷达语境下却丢失了关键的物理信息，限制了其在测距、速度估计等核心任务上的应用价值。
在此背景下，由学术界提出的3D点溅射方法打破了常规。该技术并非简单的模型移植，而是基于毫米波雷达的标准方程重新推导而来。它的核心创新在于保留了复数输出，这意味着渲染出的不仅仅是亮度，而是包含了幅值与相位信息的完整信号。这种“物理 faithful”（物理忠实）的渲染方式，让算法不再是在“盲人摸象”，而是在严格的电磁学模型约束下进行空间重建。
从方程到溅射：复数与材质的闭形求解
3D点溅射之所以能够在众多方案中脱颖而出，关键在于其对“材质模型”的处理。每一个三维点并非简单的几何体，而是携带了ITU-R P.2040标准材质模型。这意味着算法能够根据点的表面属性，在闭形式下计算雷达信号与该点的相互作用。这种处理方式极大地提升了模型的泛化能力，无需海量的标注数据即可理解不同表面的反射特性。
更为巧妙的是“溅射”过程的实现。研究人员引入了预计算的点扩散函数（PSF），将复数相位信号平滑地映射到范围bins（测距离）中。这种机制既保证了渲染的数值稳定性，又避免了传统优化方法中常见的“折旧”现象。值得注意的是，该渲染器的产品无关性体现在其输出格式的灵活性上。无论是模拟器中的ADC（模数转换器）数据，还是复范射像（CRP），又或者是范围-方位（RA）图像，都可以通过标准的快速傅里叶变换（FFT）管道直接生成，无需针对每一种格式重新训练模型。这对于工程落地具有极高的实用价值。
性能与效率的双重验证
在实际实验环节，研究团队利用六个户外ColoRadar场景进行了测评。结果显示，该方法在保持高保真度的同时，实现了0.587的均Pearson相关系数。这组数据在业界内具有相当的参考价值，因为它不仅展示了重建的几何准确性，更反映了信号相位的保留质量。
在与光学类NVS基线的对比中，3D点溅射展现出了显著的性能优势。相较于RadarSplat、Radar Fields以及DART等现有方法，其均相关系数提升了1.7倍至5.2倍的幅度。这种差距并非偶然，而是物理模型与数据驱动模型在处理毫米波特有的“复信号”时的必然结果。此外，该方法的训练效率也值得关注。仅需在单张RTX 4090显卡上约三分钟即可完成单场景的训练，这在同类高精度重建任务中属于“轻量级”表现，极大地降低了实验门槛。
展望与思考
展望未来，3D点溅射技术的出现标志着毫米波雷达在计算机视觉领域应用的一个新里程碑。它成功地将电磁学的严谨性与现代渲染引擎的灵活性结合了起来。对于自动驾驶系统而言，这意味着可以在虚拟环境中基于真实雷达数据生成任意视角的感知图像，这在数据增强、传感冗余设计以及仿真环境搭建方面将开辟新的可能性。
然而，技术的完善仍需时间。目前的方法在复杂多反射场景下的表现尚待验证，且对点云质量的依赖度较高。未来的研究方向或许可以探索如何在保持物理模型精度的同时，进一步优化算法的鲁棒性，以及如何将这种“可微渲染”的思路延伸至更广频段的雷达系统。无论如何，3D点溅射已经证明，毫米波雷达不再是一个只能输出静态数据的传感器，它正在通过算法的革新，逐步具备“感知世界多角度”的能力。