![](https://img-blog.csdnimg.cn/20190918140213434.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
论文解读
文章平均质量分 92
学习研究毫米波雷达领域经典论文和相关前沿技术论文
奔袭的算法工程师
Radar算法工程师,略懂Lidar和视觉相关算法
展开
-
论文解读--4D mmWave Radar for Autonomous Driving Perception:A Comprehensive Survey
自动驾驶技术的快速发展推动了感知系统的不断创新,其中4D毫米波(mmWave)雷达是关键的传感设备之一。利用其全天候操作特性和在具有挑战性的环境中的强大感知能力,4D毫米波雷达在实现高度自动化驾驶方面发挥着至关重要的作用。本文系统总结了4D毫米波雷达在自动驾驶领域的最新进展和关键应用。首先,我们介绍了4D毫米波雷达的基本原理和技术特点,并深入探讨了其在距离、速度、角度和时间维度上的综合感知能力。随后,我们详细分析了4D毫米波雷达在复杂环境中与其他传感器相比的性能优势。原创 2024-07-13 16:17:40 · 1008 阅读 · 0 评论 -
论文解读--Coherent Automotive Radar Networks:The Next Generation of Radar-Based Imaging and Mapping
成像雷达是汽车和工业应用的关键感知技术。在高通道数系统方面已经取得了很大进展,例如,部署了12个发射通道和16个接收通道,采用级联单片微波集成电路解决方案。然而,在密集的城市驾驶场景中,完全自动驾驶需要更高的角分辨率来做出驾驶不足/行驶过度的决策,并精确预测物体的轨迹。这两个问题都可以通过增加天线尺寸和构建更大的雷达来解决。然而,可以放置在汽车前部的东西是有物理限制的,制造非常大的阵列是相当困难的。因此,相干汽车雷达网络是一种实现高空间分辨率并从单次测量中获得物体完整速度矢量的方法。原创 2024-07-12 11:16:04 · 829 阅读 · 0 评论 -
论文解读--Resolving Target Ambiguities in Automotive Radar Using DDMA Techniques
多普勒分多址(DDMA)是一种慢时相位编码技术,可以使用传统相控阵硬件实现多输入多输出(MIMO)雷达。然而,众所周知,DDMA会在接收到的多普勒频谱中引起模糊。虽然非对称DDMA已经被提出来缓解目标模糊问题,但它可能导致不同发射天线关联的不同目标反射之间的碰撞。本文介绍了一种基于DDMA的汽车MIMO雷达中目标模糊度的解决方法。除一个发射天线外,推荐的方法中所有天线均采用传统的DDMA。同时,使用独立于DDMA编码的单一慢时信道来解决目标模糊。原创 2024-05-11 17:53:06 · 1067 阅读 · 1 评论 -
论文解读--High-resolution Automotive Radar Point Cloud Imaging and Processing
汽车雷达具有体积小、硬件成本低、全天候工作、高分辨率等公认的优点,是高级驾驶辅助系统(ADAS)必不可少的一类重要传感器。然而,低角度分辨率和低成像性能的限制很难满足下一阶段ADAS的需要。新兴的4D成像雷达采用多芯片级联多输入多输出(MIMO)技术,可以在方位角和仰角尺寸上实现高分辨率,提供高质量的三维点云图像。本文提出了一种集成高分辨率MIMO雷达点云成像与处理的新算法。首先,我们对称地研究了MIMO雷达技术,将其分为三种主要模式:TDM-MIMO,相位编码MIMO, DDM-MIMO。原创 2024-05-10 11:08:24 · 1046 阅读 · 0 评论 -
High Performance Automotive Radar:A review of signal processing algorithms and modulation schemes
随着汽车驾驶功能的不断自动化,高级驾驶辅助系统(ADAS)将演变为能够高度自动化驾驶的系统,而这将进一步发展为完全自动驾驶的自动驾驶汽车。为了正常工作,这些功能首先必须能够通过雷达、激光雷达、摄像头和超声波传感器等手段感知汽车周围的环境。随着这些系统的复杂性随着自动化水平的提高而增加,对包括雷达在内的环境传感器的需求也在增长。为了使雷达性能满足自动驾驶汽车的要求,直接缩放雷达参数是不够的。为了改进雷达能力以满足更严格的要求,可能需要从根本上不同的方法,包括。原创 2024-03-15 20:22:23 · 950 阅读 · 7 评论 -
论文解读--Mutual Interference Mitigation in PMCW Automotive Radar
对先进驾驶辅助系统(ADAS)的需求日益增长,导致配备在同一频段工作的毫米波雷达系统的车辆激增,导致相互干扰,可能会降低雷达性能,从而产生安全隐患。虽然研究已经解决了FMCW和PMCW雷达之间的相互干扰问题(参见[12]-[15]以及其中的参考文献),但在PMCW系统的波形设计方面存在研究空白,特别是当雷达系统具有相似的物理参数时。如图1所示,在ADC中,时间分为快时间t′和慢时间索引n,时间间隔t为t = t′+ nT, t′∈[0,t],在快时间中,信号可以间隔Tc采样,即在t′= mTc处,得到。原创 2024-03-01 20:35:54 · 1252 阅读 · 0 评论 -
论文解读--Phase Noise in FMCW Radar Systems
相位噪声是现代雷达、通信、光谱和计量系统的基本性能参数之一。本文提出了一种适用于FMCW雷达系统的相位噪声理论。导出了一个新的设计方程,用于确定雷达系统中允许的源相位噪声电平的最大界。分析了在传输延迟小于参考振荡器相干时间时,相干混频引起的非线性相位噪声去相关函数;讨论了在传输延迟大于参考振荡器相干时间时,目标响应的频谱展宽。提出了收发链中各子系统的影响,并讨论了一种新的ADC相位噪声模型。介绍了相位噪声建模技术,然后将锁相环频率合成器与低噪声频率合成器进行比较,以演示减少相位噪声边带以改善检测和跟踪性能。原创 2024-01-16 15:54:52 · 1105 阅读 · 0 评论 -
论文解读--Impact of ADC clipping and quantization of phase-modulated 79GHz CMOS radar
宽带调相连续波雷达具有吸引人的特性,但需要非常高速的模数转换器(ADC)。为了保持这些ADC的功耗可接受,它们的分辨率必须保持尽可能低。我们研究了典型的79 GHz人员检测场景所需的ADC分辨率。该分析基于端到端的Matlab仿真链进行的仿真,考虑到波形特性、芯片实现、传播效果、目标和环境。我们得出结论,在考虑的场景中,4位ADC是足够的。这一结果表明,在先进的CMOS节点上实现完整的79 GHz雷达系统芯片是可行的,可以在汽车、工业和消费产品中实现广泛的新应用。原创 2024-01-25 15:55:29 · 1080 阅读 · 0 评论 -
论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results
本文提出了一种工作频率在120 GHz ~ 140 GHz之间的宽带FMCW MIMO雷达传感器。该传感器基于SiGe技术制造的雷达芯片组,并使用MIMO方法来提高角度分辨率。MIMO操作通过发射机的时域复用实现。该雷达能够通过使用FFT处理和延迟和波束形成器产生2D图像。本文给出了雷达系统的总体设计、图像重建算法和初步成像结果。原创 2024-01-25 11:09:20 · 1374 阅读 · 0 评论 -
论文解读--System Performance of a 79 GHz High-Resolution 4D Imaging MIMO Radar With 1728 Virtual Channel
未来的驾驶员辅助和自动驾驶系统需要高分辨率的4D成像雷达,即使在恶劣的天气或光照条件下,也能提供有关车辆周围环境的详细而可靠的信息。在这项工作中,提出了一种具有1728个虚拟通道的新型高分辨率雷达系统,比目前最先进的汽车雷达传感器信道数高出9倍。为了实现该系统,采用了一种新的混合馈通和配电网拓扑结构来分配斜坡振荡器信号。设计制作多层印刷电路板,所有元件组装在背面,射频信号分布在埋地层,只有天线在正面。该阵列被优化为支持多输入多输出操作和发射波束形成。原创 2024-01-17 15:33:26 · 878 阅读 · 0 评论 -
论文解读--Wheel extraction based on micro doppler distribution using high-resolution radar
随着先进驾驶辅助系统(ADAS)在城市场景中的出现,对汽车、卡车或摩托车等轮式车辆进行快速可靠的分类和运动估计至关重要。车轮的速度不同于车辆的底盘速度的事实被利用。第一次,基于多普勒分布的全自动方法提取了车轮的确切位置。计算归一化多普勒矩,描述基于车轮多普勒分布的每个反射的多普勒特征。具有高值的位置显示轮子的位置。除了分类之外,还可以估计车辆的方向,从而估计行驶方向。此外,还估计了后轴的位置,这对于可靠地预测旋转运动和估计偏航率至关重要。在77 GHz汽车雷达传感器上的实验结果验证了该方法的可行性。原创 2024-01-15 16:58:25 · 1706 阅读 · 0 评论 -
论文解读--High Fidelity Physic Simulation of a 512-Channel 4D-Radar Sensor for Automotive Applications
雷达已成为当今车辆中部署的许多主动安全和舒适相关高级驾驶辅助系统(ADAS)的核心传感技术。利用雷达技术,自车可以同时探测多个目标的距离和速度。采用多输入多输出(MIMO)阵列,还可以在方位角和仰角上检测目标的到达角。4D汽车雷达传感器可以确定交通场景中目标的距离、速度、方位角和俯仰角。目前,交通场景雷达回波主要是通过测量获得的。虽然测量是有价值的,但它可能是昂贵的,耗时的,由于实用性问题而受到限制,并且在某些corner-case交通场景中也是不安全的。原创 2024-01-15 16:53:26 · 909 阅读 · 0 评论 -
论文解读--High Fidelity Physics Simulation of 128 Channel MIMO Sensor for 77GHz Automotive Radar
汽车雷达是先进驾驶辅助系统(ADAS)和全自动驾驶汽车的使能技术之一。在复杂的城市环境中导航的自动驾驶汽车,除了需要以相当高的分辨率确定目标的距离和速度外,还需要具有高方位角和高俯仰角分辨率的雷达传感器。尺寸和成本限制限制了可用于实现高分辨率到达方向(DoA)估计的天线的物理数量。多输入/多输出(MIMO)方案使用比单输入/多输出(SIMO)系统所需的更少的物理天线实现更大的虚拟阵列。原创 2024-01-13 08:00:00 · 919 阅读 · 0 评论 -
论文解读--Compressed Sensing for MIMO Radar - Algorithms and Performance
我们通过增加一个离散的多普勒分量(步长Δf和相应的Nf多普勒值)来扩展离散的距离-方位网格,得到一个均匀的距离-方位-多普勒网格{(θi, rj, fk)}。选择dR =1/2, dT = 1/2NR或dR =1/2NT, dT =1/2,令−π/4≤θ≤π/4,设Δτ = c/2B(其中c为光速,B为信号带宽),Δθ = 2/NRNT。现在我们知道,在矩阵A和x的稀疏性的一定条件下,(1)和(2)具有相同的唯一解[2,3,5,6]。第i个发射天线发射si(t),其中t = 1,···,Ns。原创 2023-12-26 16:37:36 · 1008 阅读 · 0 评论 -
论文解读--Doppler-Offset Waveforms for MIMO Radar
在多输入多输出(MIMO)雷达中,独立的波形从不同的位置发射,产生的反射经过处理形成一个比雷达物理孔径更大的“虚拟天线阵列”。本文研究了用于自适应MIMO GMTI雷达系统的多普勒偏置波形的设计。这种波形提供了良好的自适应对消性能,但也受到较强的距离和多普勒模糊。我们分析了这些模糊,并展示了它们与阵列拓扑和波形设计的关系。然后,我们描述了一种新的波形方法,称为“抖动DDMA”,它可以在大范围多普勒区域实现高性能杂波消除,而不会引入模糊的距离或盲速,并且不会增加MIMO处理器的计算负荷。原创 2023-12-26 16:29:13 · 1383 阅读 · 0 评论 -
论文解读--Compensation of Motion-Induced Phase Errors in TDM MIMO Radars
为了实现高分辨率的到达方向估计,需要大孔径。这可以通过提供宽虚拟孔径的多输入多输出雷达来实现。但是,它们的工作必须满足正交发射信号的要求。虽然发射单元的时分复用是一种低硬件成本的正交实现,但在非平稳情况下会出现相位误差。这篇文章简要地讨论了运动引起的相位误差的问题,并描述了处理步骤,没有额外操作就可以减少(误差)。仿真和实测数据验证了该方法的有效性。原创 2023-12-25 13:37:57 · 1045 阅读 · 0 评论 -
论文解读--Design of a Linear Non-uniform Antenna Array for a 77-GHz MIMO FMCW Radar
本文介绍了一种用于77 GHz MIMO FMCW系统的线性非均匀天线阵列的设计和实现,该阵列可以同时估计目标的距离和角度位置。目标是在主波束宽度和旁瓣电平之间实现良好的权衡。非均匀间距加上MIMO原理,与具有相同数量元素的经典均匀半波长天线阵列相比,提供了优越的性能。然而,设计变得更加复杂,不能用分析方法来解决。从基本的阵列因素考虑出发,采用暴力、暴力和粒子群优化方法进行设计。实现了粒子群优化阵列。给出了仿真结果和测量结果,并进行了讨论。原创 2023-12-25 09:00:26 · 1254 阅读 · 0 评论 -
论文解读--PointPillars- Fast Encoders for Object Detection from Point Clouds
点云中的物体检测是许多机器人应用(如自动驾驶)的重要方面。在本文中,我们考虑将点云编码为适合下游检测流程的格式的问题。最近的文献提出了两种编码器;固定编码器往往很快,但牺牲了准确性,而从数据中学习的编码器更准确,但更慢。在这项工作中,我们提出了PointPillars,这是一种新颖的编码器,它利用PointNets 来学习以垂直列(柱子)组织的点云表示。虽然编码的特征可以与任何标准的2D卷积检测体系结构一起使用,但我们进一步提出了一个精益下游网络。原创 2023-12-05 07:00:00 · 1504 阅读 · 1 评论 -
论文解读--2D Car Detection in Radar Data with PointNets
对于许多自动驾驶功能,高精度的感知车辆环境是一个重要的前提。现代高分辨率雷达传感器为每个目标产生多个雷达目标,这使得这些传感器特别适合于二维目标探测任务。这项工作提出了一种方法,使用PointNets完全依赖稀疏雷达数据检测二维物体。在文献中,目前只提出了对对象进行对象分类或边界盒估计的方法。相比之下,该方法便于分类和使用单一雷达传感器对物体的边界盒估计。为此,对雷达数据进行分割,进行二维目标分类,并对二维边界盒进行回归,以估计一个模态的二维边界盒。原创 2023-12-05 07:00:00 · 833 阅读 · 0 评论 -
论文解读--Analysis and Comparison of MIMO Radar Waveforms
选择合适的波形是实现多输入多输出(MIMO)雷达的关键任务。MIMO雷达波形除了具有分辨率好、副瓣低等一般要求外,还应具有良好的正交性。在本文中,我们简要概述了MIMO雷达波形,它们分为四类:(1)时分多址(TDMA),(2)频分多址(FDMA),(3)多普勒多址(DDMA)和(4)码分多址(CDMA)。讨论了一种特殊的循环MIMO波形,分析比较了不同波形的特性和应用局限性。仿真结果说明了不同波形的各自性能。原创 2023-12-04 15:00:11 · 1355 阅读 · 0 评论 -
论文解读--Visual Lane Tracking and Prediction for Autonomous Vehicles
我们提出了一种用于自动驾驶汽车跟踪水平道路车道标记位置的可视化方法。我们的方法是基于预测滤波的。预测步骤估计在每个新的图像帧中期望的车道标记位置。它也是基于汽车的运动学模型和嵌入式测程传感器产生的信息。使用适当准备的测试车辆获得的实验结果表明,在某些条件下,如振荡和变道,预测步骤可以显著地减少跟踪误差。因此,我们相信我们的方法应用于基于图像的控制自动驾驶汽车可以提高系统性能。原创 2023-12-03 10:16:05 · 875 阅读 · 0 评论 -
论文解读--Robust lane detection and tracking with Ransac and Kalman filter
在之前的一篇论文中,我们描述了一种使用霍夫变换和迭代匹配滤波器的简单的车道检测方法[1]。本文扩展了这项工作,通过结合逆透视映射来创建道路的鸟瞰视图,应用随机样本共识来帮助消除由于道路噪声和伪影造成的异常值,以及一个卡尔曼滤波器来帮助平滑车道跟踪器的输出。原创 2023-12-03 09:59:22 · 1031 阅读 · 0 评论 -
论文解读--Multi-class Road User Detection with 3+1D Radar in the View-of-Delft Dataset
结果表明,当使用相同的PointPillars模型(mAP 62.1 vs. 38.0)时,64线激光雷达数据上的目标检测仍然大大优于3+1D雷达数据。然而,累积连续的雷达扫描在一定程度上缩小了与激光雷达的差距(mAP 62.1 vs. 47.0, 5次雷达扫描),特别是在“驾驶走廊”(mAP 81.6 vs. 71.4, 5次雷达扫描)。原创 2023-04-07 14:08:56 · 1101 阅读 · 0 评论 -
论文解读--Efficient L-Shape Fitting for Vehicle Detection Using Laser Scanners
对周围车辆的检测是自动驾驶的一项重要任务,近年来备受关注。在使用激光扫描仪时,L-Shape拟合是基于模型的车辆检测和跟踪的关键步骤,需要深入调查和全面研究。在本文中,我们将L-Shape拟合作为一个优化问题。在此基础上,提出了一种高效的基于搜索的最优解求解方法。我们的方法不依赖于激光扫描序列信息,因此支持多个激光扫描仪方便的数据融合;它是高效的,涉及很少的参数调优;该方法也灵活,以适应不同的拟合标准的各种拟合需求。产品级激光扫描仪的道路实验已经证明了我们的方法的有效性和鲁棒性。原创 2023-04-07 15:26:15 · 811 阅读 · 0 评论 -
论文解读--L-Shape Model Switching-Based Precise Motion Tracking of Moving Vehicles Using Laser Scanners
实验结果表明,与包围盒跟踪算法相比,该方法可以显著减小位置、速度和航向角的误差,并缓解外观变化问题。特别是,通过将RMS误差减小约60 ~ 70%,位置估计性能得到了显著提高。在RMS误差中,速度误差的减小相对较小,但在变道场景中,由于外观变化引起的意外误差被成功地缓解了。原创 2023-04-07 16:55:01 · 833 阅读 · 0 评论 -
论文解读--Raw High-Definition Radar for Multi-Task Learning
雷达传感器具有对恶劣天气条件的鲁棒性和测量速度的能力,20多年来一直是汽车领域的一部分。近年来,高清晰度(HD)成像雷达的研究进展使其角度分辨率低于1度,从而接近激光扫描性能。然而,高清雷达提供的数据量和估计角度位置的计算成本仍然是一个挑战。在本文中,我们提出了一种新的高清雷达传感模型,FFT-RadNet,它消除了计算距离-方位角-多普勒三维张量的开销,而不是学习从距离-多普勒频谱中恢复角度。原创 2022-11-15 16:15:16 · 1776 阅读 · 3 评论 -
论文解读--CNN based Road User Detection using the 3D Radar Cube
摘要本文提出了一种基于雷达的、单帧、多分类的移动道路用户(行人、自行车、汽车)检测方法,该方法利用低层级雷达立方体数据。该方法提供了雷达目标和对象级别的类信息。用三维雷达立方体的裁剪块在目标位置周围扩展目标特征后,对雷达目标进行单独分类,从而在局部速度分布中捕捉运动部件的运动。针对这一分类步骤,提出了卷积神经网络(CNN)。然后,通过聚类步骤生成目标建议,该聚类步骤不仅考虑了雷达目标的位置和速度,还考虑了它们计算出的类分数。在现实生活数据集上的实验中,我们证明了我们的方法在目标和对象方面都优于最先进的方法。原创 2022-11-15 15:59:37 · 575 阅读 · 0 评论 -
论文解读--High Resolution Radar-Based Occupancy Grid Mapping and FreeSpace Detection
高分辨率雷达传感器能够通过每个测量周期检测数千个反射点,非常准确地感知车辆周围的环境。本文提出了一种新的占用网格映射方法,用于对静态环境进行建模。对所有数据点的反射振幅进行补偿、归一化,然后转换为基于预定义的雷达传感器模型的探测概率值。根据测试车辆的运动,计算经过几个测量周期后的后验占用概率,建立占用网格图。原创 2022-11-15 15:42:35 · 1623 阅读 · 2 评论 -
论文解读--K-Radar:4D Radar Object Detection for Autonomous Driving in Various Weather Conditions
与使用可见光波段(384 ~ 769 THz)的RGB相机和使用红外波段(361 ~ 331 THz)的激光雷达不同,雷达使用波长相对较长的无线电波段(77 ~ 81 GHz),因此在恶劣天气下也能进行可靠的测量。遗憾的是,与现有的相机和激光雷达数据集相比,现有的雷达数据集只包含相对较少的样本。这可能会阻碍基于雷达感知的复杂数据驱动深度学习技术的发展。此外,大多数现有的雷达数据集只提供3D雷达张量(3DRT)数据,其中包含沿多普勒、距离和方位角维度的功率测量。原创 2022-11-08 18:39:37 · 1742 阅读 · 0 评论 -
论文解读--NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving
障碍物检测是安全高效自动驾驶的关键。为此,我们提出了NVRadarNet,一种深度神经网络(DNN),利用汽车雷达传感器检测动态障碍和自由空间。该网络利用来自多个雷达传感器的时间累积数据来检测动态障碍物,并在自上而下的鸟瞰视图(BEV)中计算它们的方向。该网络还回归可驾驶的自由空间,以检测未分类的障碍。我们的DNN是第一个利用稀疏雷达信号,仅从雷达数据实时执行障碍物和自由空间检测的同类产品。原创 2022-10-24 15:26:24 · 1599 阅读 · 0 评论 -
论文解读--Direction of Movement Estimation of Cyclists with a High-Resolution Automotive Radar
利用传感器数据预测汽车领域的目标运动是一个广泛的研究和发展课题。依赖于所使用的传感器类型,目标跟踪已经建立了几个测量周期。一个突出的例子是卡尔曼滤波器。在反应时间较少的时间紧迫的情况下,在多个测量周期中跟踪是不合适的。要在一个单一的测量周期内检测物体运动,只有雷达传感器是一个候选,因为它能够通过多普勒效应实时测量物体的速度。本文介绍并解释了一种在一个测量周期内估计骑车人运动方向的新方法。它是基于自行车手的近似形状。用两种不同的方法进行逼近,并对结果进行了比较。原创 2022-09-23 11:12:53 · 845 阅读 · 0 评论