MATLAB算法实战应用案例精讲-【自动驾驶】FMCW 雷达

目录

前言

几个高频面试题目

脉冲雷达和连续波雷达的区别特点，优缺点，以及应用场景？

传统的 FMCW 连续波雷达系统

先进的 FMCW 系统

算法原理 

FMCW是什么呢？

 FMCW特点

FMCW抗互扰能力特别强

FMCW抗环境光、日光干扰的能力也很强

FMCW能直接测速

FMCW雷达基本原理 

FMCW激光雷达公司对应的核心技术

优缺点

FMCW雷达的优点

FMCW雷达的缺点

FMCW激光雷达存在的挑战 

1.对硅光芯片的要求比光通信产品苛刻得多

2.短期内，成本很难降下来

3.并非绝对“无干扰”

4.1550纳米激光器遇到雨水就失灵

5.无法获取目标物的反射率信息

6.算法无法复用

FMCW激光雷达的市场前景

FMCW雷达详细实验

实验设备

雷达模块

运算放大器

模数转换卡

树莓派

连接树莓派

启动树莓派

命令行处理的基础知识

保存Python数据

实验1：连续波多普勒雷达 

脚本

测量

 实验2：调频连续波雷达

脚本

测量

---

 

前言

激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统，它可以提供目标物丰富精准的3D甚至4D数据，适应相对苛刻的环境和光照条件，能显著提升自动驾驶的可靠性，公认是L3级以上自动驾驶的必备传感器。

激光雷达种类繁多，分类的方式也各有不同，按测距原理可分为ToF和FMCW两种。ToF路线是比较传统且发展较早的技术，已被大家所熟知，而FMCW路线是近两年才发展起来，除了少数从业者，人们对此特性知之甚少。

 一般都认为FMCW路线的兴起跟硅光技术的发展密不可分，但并不是说在硅光技术成熟之前就没人做FMCW，早期的FMCW激光雷达都是由各种分立器件堆叠起来，组件调试和器件成本都非常高，很难达到大规模商业化落地需求。但随着硅半导体产业的成熟，基于硅CMOS半导体生态发展起来的硅光技术平台，可以把这些分立的器件集成到同一块芯片上，甚至理想状态下在FMCW中能将光学镜头和扫描部件芯片化，保障性能的同时大大降低成本。