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!