毫米波雷达数据处理_如何做好一款4D高分辨毫米波雷达？

毫米波雷达的发展趋势是智能+高分辨    

做好一款毫米波雷达本身是一个庞大的系统工程，所以我不可能会像标题那样面面俱到讲毫米波雷达的方方面面，我也没那本事，好吧，这篇文章主要和大家聊聊如何从算法及功能层面做好4D 高分辨毫米波雷达(4D High Resolution Radar,以下简称4D Radar)，咱们开始。

啥是4D Radar

首先4D指的是(range, velocity, azimuth,elevation)，有时候有的厂家为了唬人，加上RCS这个维度，就成了5D radar，那么4D Radar相较于传统毫米波雷达主要强势在这一个方面：

• cluster数目是传统雷达的数十倍(一般为数万cluster/秒)，如此致密的cluster也就换了一个更洋气的名字，点云(point cloud),隔壁激光雷达可能会投来鄙视的目光。。。

需要指出的是，做毫米波雷达不会一味追求点云数量，一味追求点云计算量上去了不说，也产生了许多冗余信息，没必要。所以，这里的点云是指有效点云，也就是说，我们不仅要看点云的量，更要看点云的质。那如何提高点云数量及质量我们待会再聊。如此致密的点云使得4D雷达有时候又被称为4D成像雷达(4D Imaging Radar)。

4D radar 能干啥

说白了，4D毫米波雷达最强势的点就是提供高质量的点云，而高质量的点云却极大得扩展了毫米波的应用范围。过去啊，毫米波雷达最多在ADAS混出个样，也就是在L2，L3级别的自动驾驶刷刷存在感。再往上走，也就是高级别无人驾驶(L4,L5)就惨啦，低声下气，一直要看激光雷达的眼色，甚至还比不过摄像头。即是好说歹说配备了毫米波雷达，往往也是做陪衬(数据融合，实际中对毫米波雷达的输出往往置信度较低)。怎么办，想出人头地就得猥琐发育，卧薪尝胆。如今，4D Radar的推出无疑为毫米波雷达家族进入高级无人驾驶铺平道路，提供了更多可能性！主要是4D雷达太能干了，不信请看：

• 环向毫米波雷达感知

• Freespace 

• 自动泊车(APS)

• 目标分类(Classification)

• 局部定位(Localization)

• landmark based SLAM

以上功能都是过去毫米波雷达薄弱的点，也就是激光雷达鄙视毫米波雷达的底气。往后我会逐一介绍每个功能应用的实现细节等。

4D radar 目前什么水平

目前国内外知名雷达厂商都在积极布局4D Radar，因为它确实代表未来的感知技术方向。国内玩家主要是先搞个样机，展现一下强大的研发实力，估计也可以解决部分融资需求，但离量产还有距离。图1 是国内森斯泰克点云雷达实测效果图，可以看到点云及其致密，为丰富应用提供基础。

图1 Sensor Technologies 4D Radar 

如图2所示，木牛科技于2019年也发布了一款点云雷达样机，点云致密并且提供了高度(elevation)信息。

图2 木牛科技4D radar效果图

国外玩家更多，玩法也多种多样，以后有空细聊，这里简单介绍几家有特色的。METAWAVE是当中戏比较多的，核心技术是利用超材料构建收发阵列，基于pencil beam的窄波束覆盖整个FoV，并在算法层面引入AI Engine，实现一款高分辨智能雷达。

图3 METAWAVE 点云雷达效果图

此外，Cognitive，Arbe，Oculii，Uhnder，Vayyar，Lunewave，Echodyne等公司都在相继研发4D Radar.

4D radar 算法怎么做

涉及雷达算法，我们暂且分为数据处理及信号处理，信号处理偏底层，更重要更基础。我们会把重心放在这。

雷达信号处理(Radar Signal Processing，RSP)，主要要包含如下几个方面

RSP
- Antenna Array Design (Azimuth/Elevation)(ULA/NLA/MRA)
- MIMO Signal Processing(Channel Separation)
- Frequecy Estimation for Range & Doppler
- DoA(FFT/MUSIC/SSP)

- Calibration

Antenna Array设计依赖功能需求，就4D Radar而言，给出的天线设计需要满足无模糊方位角及俯仰角检测条件外，对方位角的分辨率及精度提出高要求，往往分辨率要低于2度。

MIMO Signal Processing核心问题是如何实现接收端发射通道分离，方法有很多，诸如BPM, TDM，CDM等等，但是各有各的问题，如何实现适合4D雷达的通道分离方案很重要。

Frequecy Estimation for Range & Doppler，对距离和速度的估计主要采用FFT+插值细化，对传统毫米波雷达是够了，而4D Radar还有上升空间。

DoA，可以说是RSP最重要的一块，没有之一，DoA方法太多了，但是结合天线设计，给出一种高效，高分辨的DoA方法是具有相当挑战性的，主流还是ULA+FFT，4D雷达为了高分辨，这种配置是不够的。

Calibration，校准对于多通道是必须的，校准对象，校准方法很多。比如

Channel  Error

Coupling Error

Position  Error

Mount  Error

Finite  sampling errors

声明：本文内容及图片由BC-AUTO转载至网络，信息来源于公众号毫米波雷达技术杂货铺。

#	BC-AUTO 在售报告列表
1	全球及中国数十家汽车工程技术服务企业研究报告
2	全球及中国电液制动系统EHB产业研究报告
3	全球及中国汽车基础软件企业研究报告
4	全球及中国车机系统产业研究报告
5	全球及中国前向ACC、AEB产业技术研究报告
6	全球及中国车载ESP产业研究报告
7	全球及中国车载EPS产业研究报告
8	国际汽车半导体企业研究报告
9	中国汽车半导体企业研究报告
10	全球及中国汽车半导体产业研究报告
11	Euro-NCAP、C-NCAP主动安全规划及技术方案研究
12	全球及中国车联网产业研究报告
13	全球及中国整车OTA应用产业研究报告
14	全球及中国车企、主流Tier1出行业务研究
15	全球及中国汽车大数据应用研究报告
16	全球及中国商用车自动驾驶产业研究报告
17	全球及中国驾驶员监测系统产业研究报告
18	全球及中国车载5G智能终端产业研究报告
19	智能汽车操作系统产业研究报告
20	中国智能汽车行业主流Tier1研究报告
21	全球智能汽车网络安全及信息安全产业研究报告
22	全球及中国车载网关产业研究报告
23	全球及中国车载超声波雷达产业研究报告
24	全球及中国环视ADAS产业研究报告
25	国际主流前向双目视觉ADAS产业研究报告
26	国际主流前向单目视觉ADAS产业研究报告
27	全球及中国泊车辅助&自主泊车研究报告
28	特斯拉整车OTA汇总分析研究报告
29	国际主流Tier1自动驾驶业务分析报告
30	全球及中国车载毫米波雷达产业研究报告
31	全球及中国车载激光雷达产业研究报告
32	全球及中国车载高精度地图产业研究报告
33	全球及中国自动驾驶算法集成企业研究报告
34	全球及中国主流车企自动驾驶进展研究报告
35	智能网联汽车Tier2转型为Tier1供应商研究报告
36	全球及中国自动驾驶域控制器产业研究报告
37	全球及中国车载T-box产业研究报告
38	全球及中国数十项ADAS功能研究报告
39	面向智能网联电动汽车的高速公路设计研究报告
40	全球及中国软件定义汽车产业研究报告
41	全球及中国数十家汽车仿真企业及产品研究报告
42	全球及中国车身域控制器产业研究报告
43	全球及中国汽车仪表系统产业研究报告
44	全球及中国智能座舱产业研究报告

<<最专业的智能汽车社群，值得你的加入