智能网联汽车的自动驾驶系统对环境感知提出了全天候、高精度与低时延的要求。传统的摄像头与激光雷达在雨雾、扬尘或强光条件下性能下降明显，而毫米波雷达凭借其穿透能力与速度测量优势成为弥补上述短板的关键传感器。4D毫米波雷达在传统三维空间坐标的基础上增加了速度维度的直接测量能力，能够输出包含目标距离、方位、俯仰与径向速度的密集点云数据。这一技术进步使得毫米波雷达从辅助性的避障传感器升级为主力环境感知单元。然而，4D毫米波雷达输出的点云具有稀疏性不均匀、虚警率高以及缺乏目标轮廓细节等固有特性，单纯依靠雷达点云无法满足自动驾驶对目标分类与语义理解的需求。多传感器融合成为必然的技术路径，将4D毫米波雷达点云与摄像头图像、激光雷达点云进行时空同步与联合处理，可以形成互补的感知能力。融合处理的难点在于不同类型点云的数据结构、噪声特性和信息密度存在显著差异，需要在统一的处理框架中完成点云滤波、特征提取与目标检测。从原始传感器数据到可用的环境表征，整个处理链路的设计直接决定了自动驾驶系统在复杂交通场景下的可靠性与响应速度。
4D毫米波雷达点云的核心特征在于每个点不仅携带空间位置信息，还附带了径向速度测量值。速度信息使得系统可以在点云层面直接区分静态障碍物与动态目标，无需依赖多帧数据的运动补偿与追踪。这一特性对于城市交叉路口、高速公路汇入区等动态目标密集的场景具有重要价值。但4D毫米波雷达的点云密度远低于激光雷达，且点云的分布呈现显著的方向依赖性，朝向雷达的目标表面会反射出密集点云，而偏离雷达法线方向的表面则可能只有零星点甚至没有回波。这种非均匀分布特性导致单独使用毫米波雷达点云进行目标轮廓重建时存在先天不足。摄像头图像能够提供丰富的纹理与边缘信息，但其缺乏直接的距离测量能力，单目视觉的深度估计在远距离和遮挡场景中误差较大。激光雷达点云具有高精度和高密度的空间采样特性，但在雨雾天气中有效探测距离大幅缩短且成本较高。三种传感器在物理特性上的互补关系决定了融合点云处理不应简单地将点云叠加，而需要设计一个以4D毫米波雷达点云为速度与距离基准、以激光雷达点云为空间细节填充、以摄像头图像为语义标签来源的分层融合架构。
多传感器融合点云处理的第一步是实现精确的时空对准。4D毫米波雷达、激光雷达与摄像头在智能网联汽车上的安装位置不同，各自的坐标系原点存在固定偏移。同时各传感器的数据采样时刻不一致，毫米波雷达的帧率通常低于激光雷达但高于摄像头，且各传感器内部的信号处理延迟各异。时空对准的误差会直接导致融合点云中出现重影或虚假目标，工程实现中采用外参标定与内插补偿相结合的方法。外参标定通过采集多传感器对同一标定物的观测数据，求解坐标系之间的刚性变换矩阵。内插补偿则根据每个时间戳的惯性测量单元数据，将不同时刻采集的点云投影到同一基准时刻。完成时空对准后，融合点云处理进入数据级融合环节。在这一环节中，激光雷达点云因其密度优势被用作空间占用的主要依据，而4D毫米波雷达点云中的速度信息被附加到邻近的激光雷达点上，使每个空间点同时具备精确的三维坐标与径向速度属性。摄像头图像的像素颜色与语义分割结果则通过透视投影映射到激光雷达点云上，为点云赋予类别概率。
融合点云中的噪声滤波是决定后续目标检测质量的关键步骤。4D毫米波雷达在近距离大目标的边缘区域会产生旁瓣噪点，这些噪点在空间上呈现散粒状分布，不具备真实物体的结构特征。激光雷达在强阳光直射或低反射率目标表面会产生飞点噪声，即在真实点云周围出现孤立的高程异常点。摄像头在逆光或低照度条件下输出的语义分割结果可能出现类别错误，进而为点云赋予错误的标签。传统的单传感器滤波方法针对各自传感器的噪声模型设计，在融合点云中直接套用会导致滤波参数无法同时匹配多种噪声分布。解决这一问题的策略是采用分层滤波架构，首先在各传感器自身的点云空间内执行独立滤波，去除物理上不可能存在的孤立噪点，然后再将滤波后的点云进行融合。融合后的点云中仍然可能存在因时空对准残余误差导致的伪影点，这些伪影点的特征是距离最近邻点的空间距离远大于正常点云的分布密度。通过统计每个点在局部邻域内的平均距离，可以设定一个自适应的距离阈值，将孤立的伪影点标记并剔除。
经过滤波处理的融合点云需要进一步进行特征提取与目标分割。自动驾驶场景中的目标检测要求系统能够区分车辆、行人、骑行者以及道路上的非标准障碍物。基于传统聚类算法的点云分割方法将空间上相邻的点归为同一目标，但在目标相互靠近或部分遮挡时容易出现欠分割或过分割。融合点云中速度信息的引入为聚类提供了额外的约束条件。属于同一刚体的点应当具有相近的径向速度分布，这一速度一致性可以作为聚类合并的判断依据。两个空间上相邻但速度差异显著的点集不应被归为同一目标，这在处理并排行驶的车辆场景中尤其有效。对于获得的目标点云簇，系统需要提取用于分类的特征向量，包括目标的外形尺寸、点云密度分布、速度分布方差以及从摄像头图像投影得到的语义标签直方图。这些特征被输入到轻量化的分类器中进行目标类别判断。分类器的训练依赖于标注好的融合点云数据集，标注过程中需要同时利用三种传感器的原始数据来确认目标的真实边界和类别。值得注意的是，4D毫米波雷达对于行人的反射点云通常非常稀疏，仅有躯干部分产生两到三个点，肢体部分几乎无回波。在这种情况下，单纯依靠雷达点云无法构成有效的外形特征，必须借助摄像头语义分割结果中的人体像素区域来引导激光雷达点云的筛选，从而在融合点云中保留与行人相关的激光雷达点，形成一个具有完整轮廓但速度信息来源于雷达的点云簇。
