毫米波雷达在自动驾驶中的应用
扫描二维码
随时随地手机看文章
提供更好的乘坐体验，未来汽车的自动驾驶等级会越来越高。 自动驾驶汽车会配置越来越多的传感器来保证汽车在复杂的交通场景和恶劣的天气条件下可靠运行。由于不容易受外界条件的影响，毫米波雷达传感器受到汽车厂家的青睐。目前的智能汽车已配置5个毫米波雷达，一般包括一个长距离和4个短距离雷达。
自动驾驶是当今汽车行业的热门话题，也是未来出行的重要趋势。为了实现自动驾驶，汽车需要配备各种传感器，来感知周围的环境和目标，从而做出正确的决策和控制。其中，最重要的传感器之一就是雷达，它可以通过发射和接收电磁波，测量目标的距离、速度、方向和高度等信息。
目前，自动驾驶领域主要使用两种雷达技术：激光雷达和毫米波雷达。激光雷达是通过发射和接收激光束，测量目标的反射时间，从而计算出目标的距离和位置。激光雷达的优点是分辨率高，可以生成高密度的点云图像，清晰地显示目标的轮廓和细节。激光雷达的缺点是价格高，体积大，易受天气和光照的影响，而且需要高速旋转，容易损坏。
自主驾驶在复杂场景下的目标检测任务至关重要，而毫米波雷达和视觉融合是确保障碍物精准检测的主流解决方案。本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法，从任务介绍、评估标准和数据集三方面展开。
并对毫米波雷达和视觉融合过程的传感器部署、传感器标定和传感器融合(融合方法分为数据级、决策级和特征级融合方法)三个部分进行了汇总讨论。
此外，还介绍了三维(3D)目标检测、自动驾驶中的激光雷达和视觉融合以及多模态信息融合，并进行了展望。
较高level的自动驾驶车辆面临的挑战之一是复杂场景中的精确目标检测，当前的视觉目标检测算法已经达到了性能上限，因为检测算法在实践中面临非常复杂的情况。
对于自动驾驶场景，障碍物主要包括行人、汽车、卡车、自行车和摩托车，视觉范围内的障碍物具有不同的尺度和长宽比。此外，障碍物之间可能存在不同程度的遮挡，并且由于暴雨、大雪和大雾等极端天气，障碍物的外观可能会模糊，从而导致检测性能大大降低[13]。研究表明，CNN对未经训练的场景泛化能力较差[14]。
基于毫米波雷达的ADAS功能需要能够克服天气/光线条件和电磁环境的影响，也需要满足最高速度和最高精度的测试要求。在向SAE定义的L3级(或更高)自动驾驶或完全自动驾驶功能演进时，自动驾驶汽车将面临更大的挑战，更大的责任和更困难的验证手段。
罗德与施瓦茨公司作为电磁兼容、无线通讯和射频测试系统的引领者，针对自动驾驶车(Autonomous Driving Vehicle ,简称AV)在复杂电磁干扰环境中抗干扰测试设计构建了TA-ACE测试系统，来提高自动驾驶汽车的驾驶安全和可靠性。
这个方案根据ISO 11451-2来开发，此次EMS测试便是专门用于整车的抗扰度测试。方案将主要为两个ADAS功能(ACC和AEB)提出测试方法。当VUT在测试转毂上运行时，应激活ADAS功能。当进行电磁干扰测试时，记录和观察到的VUT的ADAS功能异常或故障。VUT的响应观察可以通过测试轮毂控制器上的车轮速度，以及通过摄像头对仪表盘上的刹车灯及其它任何指示灯的监控。方案关键挑战之一将是如何复现一个真实交通场景，让带有车载雷达的ADAS功能在EMS测试期间激活。雷达目标回波发生器(R&S AREG)模拟VUT所探测的前方车辆，该车辆处于预定义的距离和速度变化状态下。雷达目标定位架(TA-RDS)模拟车道从左到右的变化，反之亦然。这两个子系统可组成验证VUT性能的场景，分别是ACC模式下的自动变速和AEB模式下的紧急制动。TA-RDS为R&S AREG模拟的目标提供方位角运动，因此可以模拟车辆切入场景，模拟实际路况。这增加了在不同场景下车载雷达的测试范围和可靠性。
上图场景远车突然刹车场景和远车危险变道场景，是使用AREG模拟前方车辆。当前方车辆作出急速刹车或紧急刹车停止动作时，VUT 的ACC 或AEB 应做出响应。
下载文档
