感知技术路线
01
一般来说,自动驾驶系统包含感知预测,规划决策和执行控制这三个主要模块。粗略来说,这三个模块对应生物系统的眼睛,大脑和四肢。感知系统负责了解周围障碍物和道路的信息,决策系统根据周围的环境以及设定的目标决定下一步需要执行的动作,而控制系统则负责执行这些动作,比如转向,加速,刹车等。感知环节对于自动驾驶技术是极其重要的,相当于人的眼睛和耳朵,负责了解周围障碍物和道路信息,在车辆环境感知领域,毫米波雷达是除车载摄像头外的另一主流方案。毫米波雷达通过发射电磁波,对行人、其他交通参与者以及车辆周围的物体进行有无检测,实时提供自车与目标物体的距离、相对速度、方位角等信息,生成障碍物预警或规避信息并传输到控制电路,由控制电路控制车辆变速器、制动器等发出应对动作。什么是毫米波雷达
02
毫米波雷达(mmWave Radar)工作在毫米波段。通常毫米波是指30~300GHz频段(波长为1~10mm)。毫米波的波长介于厘米波和光波之间,因此毫米波兼有微波制导和光电制导的优点。同厘米波导引头相比,毫米波导引头具有体积小、质量轻和空间分辨率高的特点。与红外、激光、电视等光学导引头相比,毫米波导引头穿透雾、烟、灰尘的能力强,具有全天候(大雨天除外)全天时的特点。同时具备频段宽的优点,容易实现窄波束,可实现远距离探测(200 米以上);对速度感知灵敏,测速准确度高。毫米波雷达主要包括雷达射频前端、数字信号处理器、后端算法三部分。其中,射频前端由天线、射频前端MMIC 芯片构成。射频前端MMIC 芯片和数字信号处理芯片是毫米波雷达的两大功能性器件。此外,毫米波雷达系统还包括电源、通信芯片(CAN 收发器、以太网等)、存储单元(SRAM、Flash、LPDDR 等)等外围的电路,以及整流罩、塑料底板等组件。技术原理
03
毫米波雷达系统可实现距离测量、速度测量和角度测量三大基本功能。车载毫米波雷达常用调频连续波(FMCW)雷达,其工作频率随时间做周期性线性变化,能测速和测距,适合做近距离测量,有较高的测量精度。具体而言,测距方面,FMCW 毫米波雷达通过发射天线发射电磁波,由接收天线捕捉目标反射的信号,测量发射信号和接收信号之间的频率差来确定目标的距离。毫米波雷达测距能力与发射功率、天线增益、物体反射截面积等因素有关。发射功率越大、天线增益越高、物体反射截面积越大,雷达能检测到的有效回波越强,测量距离就越远。距离分辨率与雷达信号的有效带宽成反比,测距精度与信号带宽和信噪比成反比。毫米波雷达对目标速度的测量通常通过两种方式来实现。一种方式是基于多普勒原理,通过检测反射信号和发送信号的频率差,测得目标相对于雷达的运动速度。另一种方式是基于跟踪位置(角度),进行微分得到速度。测速精度和速度分辨率都与信号时宽成反比。信号波长越短,测速精度和速度分辨率越高。毫米波雷达对目标角度的测量主要是通过并列的多个接收天线收到同一个目标反射回来的若干毫米波的相位差来确定目标的方位角计算。角分辨率的高低与天线孔径大小成正比。孔径越大,角分辨率越高。提升角分辨率可以从硬件和软件两个方面着手。在硬件上,增加天线的数量。使用 MIMO 技术,利用多发多收的天线布局形成的虚拟孔径阵列,进而提高角分辨率。在软件上,通过 AI 算法增加虚拟通道数。傲酷推出虚拟孔径成像技术(VAI)+独特天线设计,在硬件成本、尺寸、功耗、体积不变的条件下,极大提升角分辨率。国内外行业代表
04
(一)博世拥有超过 20 年的 77GHz 毫米波雷达经验,产品分为中距雷达和长距雷达两个系列。截至 2021 年底,博世实现了超过 550 万套雷达模组生产并装车。早在 2000 年博世就推出了第一代 77GHz 长距雷达,用于高端车型。后面 15 年时间里,长距雷达迭代了三代。为了应对中低端车型对雷达的需求,博世于2013年推出中距雷达。2019年博世推出第五代雷达;2021年,博世首次展出了博世第五代毫米波雷达至尊版(4D 成像雷达),最远探测距离高达 302米,水平视场角可达 120 度,垂直视场角可达 24 度。从性能参数指标来看,博世产品目前处于行业领先的地位。技术趋势
05
车载毫米波雷达将向着高分辨率、低成本、小尺寸、低功耗的方向发展。由传统毫米波雷达升级而来的 4D 成像雷达,仍处于发展的早期。未来将采用新材料、新工艺、新架构、新算法,推动毫米波雷达技术一步步向前迭代。(一)前端 MMIC 工艺由锗硅(SiGe)转向先进制程的 CMOS 工艺。作为目前新兴的 CMOS 工艺,能进一步降低成本,提高集成度,同时降低功耗。(二)天线从微带天线向波导天线演进。微带天线由于其低剖面、低成本的特点而广泛应用于各种车载雷达上。(三)毫米波雷达由分布式雷达转向使用集中处理架构的卫星雷达。通过集中式架构,雷达前端用来实现射频收发和底层的信号处理,雷达信号处理的后半部分以及数据处理从毫米波雷达模组中剥离,转移进入域控制器中,利用域控制器芯片的计算能力,降低毫米波雷达模组的成本,缩小雷达的体积。 (四)在雷达信号处理中,机器学习将成为提升的方向之一。集中式域架构下,4D 成像雷达输出的密集点云可以使用机器学习技术来训练雷达感知系统,帮助解决传统毫米波雷达无法克服的边缘检测、分类等难题。注:文章中引用数据和图片来源网络
meko@mekorp.com
Tel: +86-512-57176128
Fax:+86-512-57176129