原理解析 | 为什么毫米波雷达无法识别静态物体？

作者 | 汽车知家  编辑 | 3D视觉工坊

原文链接：https://www.zhihu.com/question/308426613/answer/2701475247

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【多传感器融合】技术交流群

后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！

毫米波雷达，顾名思义，就是工作在毫米波（Millimeter wave，频率30~300GHz，波长1-10mm）波段的雷达。英文名为Radar（Radio Detection and Ranging），即无线电探测和测距；

与普通雷达相似，Radar通过发射无线电信号，接收反射信号来测量自车与障碍物之间的距离和相对速度。毫米波雷达兼具微波雷达和光电雷达一些优点，非常适合于自动驾驶汽车领域的应用；由于毫米波雷达具有较好的穿透性，能轻松穿透塑料材质的保险杠或标牌，因此常被安装在汽车保杠或标牌后面。

优点：

1、直接测速，基于多普勒效应，且测速精度高；

2、全天候全天时工作，不受天气，夜间的影响，可在雨雪，烟雾，粉尘等恶劣条件下工作；

3、探测精度高，探测距离长（可达150~250m），可满足汽车高速运动时探测较大范围的需求；

缺点：

1、无法观测Z坐标的数据，只有X，Y，V 3D信息；

2、角分辨率，横向运动目标难以识别；

3、行人反射波较弱，对行人分辨率不高，探测距离近；

4、对高处物体（标识牌）和小物体（井盖、锥桶）识别效果不佳；

毫米波雷达工作原理

车载毫米波雷达通过发射电磁波信号（毫米波波段）并接收回波信号来测定汽车车身周围的物理环境信息（如汽车与其他物体之间的相对距离、相对速度、角度、运动、运动方向），然后根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，完成合理决策，减少事故发生率。其中测速可以直接根据发射波和回波的多普勒频移得，而测距无法直接获得（以脉冲波为例，30m目标往返时间2×10^-7s，对芯片处理速度的要求很高），因此目前主要通过FMCW调频连续波的发射和回波信号联合解算进行测距和测试。

Radar Operation

多普勒效应

如上所述，雷达通过多普勒效应测速。可以直接测速是雷达的一大优势。下面我们介绍一下多普勒效应。

当信号源与观测者以相对速度v≠0运动时，观测者所收到的振动频率与信号源所发出的频率有不同。信号源靠近观测者，连续波之间的到达时间降低，频率增加；信号源远离观测者，连续波之间的到达时间增加，频率降低。这种现象我们称为多普勒效应。

所有波段的雷达都可以识别静态物体。这是电磁波传感器（雷达）的基本属性，如果不能识别静态物体，就违背了电磁波反射的物理本质。

所谓不能识别静态物体，因为我们有时候对雷达信号处理是要滤除静止物体的特征的，这样的算法叫做：“静态杂波滤除”。是将多普勒速度为零的信号去除，这样的话基本上所有零速、微动目标都会被抑制掉。

所以说：不是雷达不能探测，而是我们不需要雷达探测到的这部分信号，这个是基本常识。

往期回顾

超过200米！多传感器融合新基线DeepFusion：一个鲁棒的LiDAR-相机-Radar融合3D检测器

【自动驾驶之心】全栈技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、规划控制、模型部署落地、自动驾驶仿真测试、硬件配置、AI求职交流等方向；

加入我们：自动驾驶之心技术交流群汇总！

自动驾驶之心【知识星球】

想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球（三天内无条件退款），日常分享论文+代码，这里汇聚行业和学术界大佬，前沿技术方向尽在掌握中，期待交流！