如何满足先进驾驶辅助系统(ADAS)和自动驾驶的感测

业界对三种主要传感器（摄像头、雷达和LIDAR）在汽车中的不同作用，以及它们各自如何满足先进驾驶辅助系统(ADAS)和自动驾驶的感测需求仍然存在一些困惑。

最近，我和我的一个朋友进行了一次有趣的讨论，他知道我在研究用于ADAS系统和自动驾驶车辆（AVs）中雷达的TI毫米波（mmWave）传感器。

每当他读到自动驾驶汽车在不同驾驶环境下（比如障碍物检测）运行情况的文章时都会不失时机地取笑我。其中一次的对话如下：

Matt：“如果那辆车搭载有LIDAR的话，就能轻松识别出车道中间的物体。”

我：“我依然不同意这样的看法。”

Matt：“什么？！你为什么不同意？那辆车上装有一个摄像头传感器和一个雷达传感器，但ADAS系统仍然完全未能感测到车道中间的那辆车。”

我：“当读到这些最近发生的事件时，你就会注意到如果摄像头经常暴露在刺眼的强光和其他因素之下，就会导致其看不到路上的物体。它们对高对比度的光线和能见度低的情况较为敏感，如大雾、雨雪天气。在这种情况下，雷达传感器可能确实识别了目标。”

Matt：“尽管如此，我们仍会遇到这些ADAS和AV系统似乎很难应对的不同情况。那么问题到底出在什么地方呢？”

我：“ADAS的决策系统似乎依赖于作为主传感器的摄像头来判断目标是否真的存在，或者是否为假警报。”

Matt：“那么，车载雷达和摄像头就不值得信任咯。所以只能将LIDAR作为唯一可靠的传感器了。我说的没错吧？”

我：“不完全对。虽然LIDAR对能见度的敏感度不如摄像头，但它对雾、雨、雪等天气情况敏感。此外，LIDAR的成本还很高，可能导致其最初只能在相对高端的4级和5级自动驾驶车辆上使用。”

Matt：“这就是了！没有一种传感器可以使自动驾驶车辆真正可靠。我们必须将这三者结合使用，但这也意味着自动驾驶车辆的价格会非常贵。”

我：“你只说对了一部分。4级和5级自动驾驶车辆可能需要摄像头、LIDAR和雷达这三种传感器来提供高可靠性和全自动驾驶体验。但是，对于更多需要部分自动驾驶且已经开始大规模量产的2级和3级经济型车辆来说，使用TI毫米波传感器的成像雷达能够实现高性能和成本效益，并能够广泛采用ADAS功能。”

那么，什么是成像雷达呢？

正如我向Matt解释的那样，成像雷达是雷达的一个子集，因其高角分辨率能够提供清晰的图像而得名。

成像雷达由一个传感器配置启用，其中多个低功率TI毫米波传感器级联在一起，且作为一个单元同步运行。它具有多个接收和发射通道，能够显著提高角分辨率和雷达距离性能。当毫米波传感器级联在一起时，可以使用集成移相器来创建波束成形，从而达到400米的扩展范围。图1显示了评估模块上的级联毫米波传感器及其天线。

用于成像雷达的毫米波技术

典型的雷达传感器直到最近才被视为车辆中的主传感器，其主要原因在于角分辨率性能较为有限。

角分辨率是指在相同范围内和相同相对速度下区分物体的能力。

一个凸显成像雷达传感器优势的常见用途是能够以高分辨率识别静态物体。典型的毫米波传感器具有高速度、高距离分辨率的性能，可以很轻松地识别和区分运动物体，但对静态物体来说，其识别能力却非常有限。

例如，为了让传感器“看到”车道中间停下来的车辆并将其与灯杆或栅栏区分开来，传感器需要在仰角和方位角上都有一定的角分辨率。

为了识别图2所示隧道中的车辆，传感器需要将其与隧道顶棚和壁区分开来。

实现场景分类需要利用这些仰角和方位角分辨率：

ɸ (仰角) = 反正切 (2 m/100 m) = 1.14度

ɸ (仰角) = 反正切 (3.5 m/100 m) = 2度

其中，2 m是隧道高度减去车辆高度的值，100 m是带成像雷达的来车与停在隧道内的车辆之间的距离，3.5 m是停在隧道内的车辆与隧道壁之间的距离。

在某些天气和能见度情况下，依赖于其它光学传感器可能具有挑战性。烟、雾、恶劣天气以及明暗对比都是具有挑战性的能见度情况，这些情况会抑制光学被动和主动传感器，如摄像头和LIDAR，从而导致这些传感器可能无法识别目标。然而，在恶劣的天气和能见度情况下，TI毫米波传感器仍能保持强劲的性能。

目前，成像雷达传感器是唯一能在各种天气和能见度情况下保持强劲性能的传感器，其在方位角和仰角上都能达到1度的角分辨率（使用超分辨率算法计算数值时甚至更低）。

结论

采用TI毫米波传感器的成像雷达具有很高的灵活性，能够以非常高的分辨率感知和分类近场中的物体，同时能够在400米以外的远场中跟踪目标。这种成本高效的高分辨率成像雷达系统能够使2级和3级ADAS应用以及高端4级和5级自动驾驶车辆成为可能，并可用作车辆中的主传感器。

审核编辑：何安