毫米波雷达作为智能汽车环境感知单元中的重要一员,在智能驾驶和自动驾驶系统中发挥了非常重要的作用,特别是一些涉及安全性的功能,比如AEB自动紧急制动系统、BSD盲区监测系统和ELK紧急车道保持系统等。
4D毫米波成像雷达的优势
4D毫米波成像雷达可以获得目标障碍物的距离、速度、方位角及俯仰角等信息,相较于普通毫米波雷达增加了俯仰角的测量信息。另外,4D毫米波成像雷达的角分辨率较高,可输出大量的测量点,这种致密的测量点又称为“点云”,故也将4D毫米波成像雷达称为“点云雷达”。点云雷达对照射区域的目标进行信号处理。基于这些高质量和丰富的点云数据,可以清晰地呈现出目标障碍物的轮廓,同时对这些点云数据进一步处理,可以获取更多信息,进一步扩展毫米波雷达的应用范围。
新一代4D毫米波成像雷达不仅可实现4D点云输出,还可以使用神经网络技术,根据呈现的点云图像信息,对道路的使用者和障碍物进行目标检测及分类。这种技术的关键在于通过多芯片级联,增加实体天线,配合MIMO成像技术,实现密集点云的采集,完成目标的检测,并通过人工智能的软件算法对目标进行分类。
另外,4D毫米波成像雷达的点云数据与摄像头图像数据进行融合,可以对周边复杂环境进行3D实时建模,并对周围行人、车辆等目标物的距离、速度等进行精确监控。由于毫米波雷达的环境适应能力强,可弥补摄像头在夜晚、雨雾天、逆光环境下性能不足的问题;同时,4D毫米波成像雷达和摄像头相结合的感知方案,相对于激光雷达的方案更具性价比。
4D毫米波成像雷达的主要优势:
1)环境适应性强,几乎能在任何条件下工作,甚至是雾、暴雨、夜晚及空气污染等各种天气和环境条件下,也能提供高可靠性的探测。2)可实现对目标物垂直高度的测定,弥补现有毫米波雷达的缺点。3)水平和垂直视场角和分辨率变大,点云密度的覆盖范围已超越了绝大多数车载激光雷达。4)一定程度上可实现非视距感知,能够“看穿”墙壁、紧闭的门和其他固体物体,可探测到被前车挡住的前前车位置和速度。5)与摄像头进行数据融合的难度比激光雷达低,验证成本较低。
4D毫米波成像雷达的应用
4D毫米波成像雷达在车端、路端都有很多应用场景,比如高速公路巡航的远距离跟车、静止障碍物的识别和避障、城市复杂交通路口的车流量统计、目标类型识别及变道抓拍等。
1.车端的应用
由于4D毫米波成像雷达探测距离远,出色的水平和垂直的角度分辨能力、适应性强等特性,在辅助驾驶和自动驾驶领域存在广泛的应用场景。
以高速巡航避障为例,传统的毫米波雷达很难可靠检测到静止障碍物,比如:路边静止车辆、道路护栏、锥桶等,从而导致车辆事故产生;而由于4D毫米波成像雷达具有出色的角度分辨率,对于环境识别能力更强大。同时可稳定识别出100m以外路面上的锥桶或更小的物体,这将大幅提升车辆在高速上驾驶的安全性,同时也拓展了更多的应用场景。
2.路端的应用
毫米波雷达在路端的应用,主要体现在智能汽车交叉口通行车路协同控制技术中。在车路协同场景中,4D雷达与摄像头融合,可实现同时对各种移动和静止的大小车辆、自行车、行人以及其他目标进行分类和追踪。它尤其擅长于在大规模复杂路口、人车流混杂的车路协同场景应用,包含传统的智能交通功能、事件检测和车流量统计等。它一般安装在高清摄像头旁边,由V2X(车路协同控制系统)将信号传出去。
以停车检测技术为例,由于传统毫米波雷达对于低速和静止目标检测不稳定,而在路口停车时,车速较低,前后车辆间距小,甚至存在部分遮挡的情况,所以停车检测一直是交通检测中的难点。而4D毫米波雷达高精度的检测能力,通过优化低速目标的检测质量,同时基于该场景进行针对性算法优化,在当前轨迹目标不稳定的情况下,基于前车的运动轨迹和行为,结合当前车道停车排队尾部的位置信息,合理推测出最后车辆的停车位置,从而很好地解决了这一难题。
评论
加载更多