从ADAS到驾驶员更换—实际雷达性能是否足够好-电子发烧友网

雷达已有一百多年的历史，1904年由克里斯蒂安·赫尔斯迈尔（Christian Huelsmeyer）首次用于探测船只。众所周知的应用是军用雷达、民用空中交通管制，当然还有个人拥有的车辆的速度陷阱。但今天有一种误解，认为这项技术已经成熟，在这个领域几乎没有发展。新的改变游戏规则的创新正在成像雷达和协作雷达中发生。ADI公司（ADI）如何实现雷达并将独特的软件和算法引入汽车领域的应用，这是特别之处。

超过四分之一个世纪以来，ADI一直活跃于汽车领域，为被动和主动安全应用提供服务。在过去的15年里，ADI一直通过其DSP和数据转换器以及最近的24 GHz和77 GHz/79 GHz雷达芯片组进入汽车雷达供应链。

“先进的驾驶员辅助系统已经到来，车辆自主性即将到来，道路安全至关重要。因此，推动我工作的动力以及驱动我们工程师的动力是使用最先进的功能和技术来实现更高的性能和更高水平的自主性，以挽救生命，“ADI自主运输和安全副总裁Chris Jacobs说。“据我们估计，基于我们产品的汽车传感器每天可挽救八条生命。

在硬件和软件创新方面需要做很多工作，以确保驾驶员、乘客和行人得到保护。必须开发更高效、更优化的雷达技术，提供与航空航天和国防工业相同的高性能、功能性和可靠性，并将其转移到适合个人拥有的车辆市场的外形尺寸和成本。

ADI公司自动驾驶运输和汽车安全业务部技术总监Mike Keaveney表示：“虽然25万美元的高分辨率成像雷达系统的成本与一辆价值数百万美元的军用坦克的总体价格相比微不足道，但它与平均3万美元的家用汽车严重失调。我们正在探索定制它 - 小型化，加固它，并降低成本，尺寸，重量和功率要求，以便在地球上的每辆汽车中找到它。

雷达的挑战

转让和采用军事和航空航天的高成本、高性能雷达技术并将其安装在汽车中存在重大的技术、美学和经济挑战。关键挑战不仅在于减小尺寸、重量和功耗（SWaP），还在于提高性能，同时降低成本。雷达不仅必须从物体检测毕业，而且必须从物体分类毕业。这需要雷达图像的分辨率比当今一流的系统高得多。

这些是ADI为推进技术、确保安全以及为消费者带来高效且具有成本效益的汽车雷达而设定的目标。

性能

将角分辨率提高到高度自动驾驶所需的水平，而不会增加尺寸、成本和功耗预算。

增加低反射率目标的反射点数量。

显著减少检测延迟，特别是对于横向移动的物体，从而缩短响应时间并允许车辆在紧急情况下采取规避行动。

交换

优化外形尺寸（尺寸、重量和功耗），同时保持高水平的性能。

在不影响车辆工业设计的情况下保持系统的美观性。

成本/经济

以大众市场汽车成本限制可接受的价格和外形尺寸实施高分辨率雷达。

在购车者的价格敏感范围内工作——他们是为这一切买单的人。

监管

还必须继续遵守政府监管的高级驾驶员辅助系统（ADAS）安全功能（例如 2022 年美国自动紧急制动要求）。雷达将不再是一种选择;这将是标准的。因此，将系统成本不断降低到消费者可以接受的价格点，OEM可以接受，同时仍然保持这些具有挑战性的ADAS应用所需的性能，这一点至关重要。

今天的汽车雷达设备比手机还小，可以检测你面前、身后或侧面盲点是否有大物体。但这还不够。

成像雷达

成像雷达的概念和实现更高水平的角分辨率是一种理想的能力，特别是对于机器人出租车。高分辨率不仅可以进行对象检测（前方有东西），还可以进行对象分类（前方有自行车、汽车、人或孩子）。

为了实现更高的分辨率，成像雷达利用高带宽信号处理以及数字波束成形和相控阵技术。所有这些都在很大程度上取决于硬件和处理能力，其中天线尺寸与所需的角分辨率成比例，并且通道数增加以覆盖所需的天线区域。“只是将更昂贵的硬件投入到这个问题上是一种‘蛮力’方式，可以带来更高的分辨率作为解决方案，”克里斯雅各布斯说。

如今，ADI正与领先的原始设备制造商和一级供应商密切合作，开发新的突破性方法，以改进雷达并应对其现代挑战。在当今汽车中实施的雷达具有非常粗糙的分辨率。它看到的只是一个斑点。它可以检测汽车周围的物体——可能是摩托车、人或大型卡车——但它无法识别物体。通过提高分辨率，通过硬件传感技术和软件算法的进步，雷达可以识别其所看到的各种属性，使我们离完全自主、安全的车辆更近一步。

解决方案问题和对象分离挑战

目前传统的汽车雷达在宽视野内提供约10°至20°的水平角度分辨率。

成像雷达具有 1° 至 2° 的角度分辨率，比非成像分辨率高 10×。分辨率为 1° 至 2° 的信息箱可分离和定位三个行人。

数据处理

您为更高的分辨率付出的代价是更多的数据;随着分辨率的提高，数据量也会相应增加，从而导致对更多计算能力的需求。这就是为什么高效处理所有数据的高级架构对于管理大量数据以及低功耗至关重要的原因。高效的中央处理或边缘处理将是雷达未来的基础。

下一步：协作雷达和通信需求

“协作雷达，利用汽车中现有的雷达传感器硬件，是汽车领域的未来方式，”Mike Keaveney说。“协作雷达是关于相干性的，并认识到事物（在这种情况下是传感雷达）需要协同创建高分辨率相干图像。一旦你可以让合作雷达经济地工作，它就有很多优势。

协同雷达可以提供成像雷达性能，而不会显著增加汽车中单个现有雷达系统的尺寸。这是因为有效孔径现在由两个（或多个）具有重叠视场的分布式雷达传感器之间的距离设置，而不是由任何一个传感器的物理尺寸预先确定。

主雷达是当今汽车中常用的雷达。来自每个源的雷达传输从物体上反弹并传播回原点。主雷达的孔径或性能以英寸为单位，即雷达发射器本身的宽度。

合作/超级雷达的大孔径

SuperRADAR是ADI公司通过算法实现具有重叠视场的多个雷达波束相干的方法。

基于SuperRADAR的协作雷达使用低速链路在雷达源之间进行粗略计时。每个传感器将数据发送到中央处理器，或者可以将数据从一个雷达发送到另一个雷达并在边缘传感器上进行处理，这是一种更经济的方法。

“鉴于需要在雷达之间运行高频链路，传统的协作雷达系统不容易实现，”Chris Jacobs说。“与实现这种类型的一致性和巨大的成本相关的硬件相关开销非常大。”

提高汽车雷达的协同雷达性价比势在必行。“仅仅在汽车上单独添加硬件的旧方法不是解决方案。我们必须为这个问题带来新的想法，“雅各布斯说。“有一些智能方法，我们可以通过算法将这些技术结合起来，以提高系统中相同硬件的组合系统性能。ADI公司的SuperRADAR方法允许雷达系统产生多个非相干图像的相干叠加。

协同雷达

协同雷达如何工作？来自每个源的传输从物体上反弹，并被两个雷达接收器捕获。结果，您在同一个目标上获得 2× 的外观（或两个不同的视图），在目标上获得 2× 的时间，而不是使用主雷达的一个外观和 1× 的时间。此外，由于两个雷达协同工作，雷达孔径（与性能成正比）是汽车前部的大小 - 两个角雷达之间的距离（约4英尺），而不是主雷达的英寸。

这种方法可实现经济高效的传感器设计，可以放置在车辆周围的多个点，以支持卓越的物体检测和分类。

超级雷达的好处：1 + 1 》 2

SuperRADAR不仅降低了SWaP，而且为系统带来了更多的功能，实现了更高的分辨率，同时使用更少的硬件，从而在更合理的成本范围内提高了应用性能。

更多反射点：2×目标上的时间

SuperRADAR在相同数量的硬件下提供两倍的性能。或者，该方法可以使用一半的雷达通道数保持相同的性能。克里斯·雅各布斯（Chris Jacobs）说：“有了SuperRADAR，我们获得的分辨率是单个雷达本身所能达到的两倍。我们需要额外的处理能力，但汽车级DSP/MCU的路线图可以充分满足这些处理要求。

SuperRADAR实际上是雷达融合——我们正在融合两个独立的雷达视图，因此，获得比独立完成的分辨率更好的分辨率。雅各布斯说：“融合将成为未来实施ADAS的标准方式。

减少延迟：快速计算横向速度，挽救生命

车辆成像系统的一个关键焦点是能够快速计算横向速度，即物体与车辆行驶方向正交（直角）行进的速度。然而，即使是最好的机器学习算法，主要基于相机，也需要~300毫秒才能以足够低的误报率进行横向移动检测。对于以 60 英里/小时的速度行驶在车辆前面行走的行人来说，毫秒可以在没有受伤和危及生命的伤害之间产生差异，因此响应时间至关重要。

300 毫秒的延迟是由于从 10 个连续的视频帧执行增量矢量计算所需的时间，这是以可接受的低误报率进行可靠检测所需的时间。然而，由于SuperRADAR的宽有效孔径以及它相干地组合来自两个或多个传感器的图像的方式，它能够在单个30毫秒的测量周期内准确计算速度的切向分量和径向分量（这种延迟比当今一流的系统快10×）。这种低检测延迟低于一级方程式车手做出反应所需的 100 毫秒，远低于典型人类车手的反应时间！

pYYBAGOYKdyALR6VAAEDX64mBqE419.jpg?imgver=1