传感器技术是实现自动驾驶的关键
扫描二维码
随时随地手机看文章
正如人类驾驶汽车依赖感官和认知反应,传感器技术是实现自动驾驶的关键。在摄像头、雷达和激光雷达中,雷达在交通安全领域应用历史悠久。最早用于保障交通安全的雷达专利技术之一 ——telemobiloscope(电动镜),由德国发明家 Christian Hülsmeyer 发明,是一种船舶防撞工具。此后,雷达技术不断发展,成为汽车功能安全的重要使能技术,预计 2033 年汽车雷达市场规模将突破 180 亿美元,助力工程师部署高级驾驶辅助系统(ADAS)。现代汽车的诸多功能,如自动紧急制动系统、前方碰撞预警、盲点检测、变道辅助、后方碰撞预警系统、自适应巡航控制、自动跟车启停等,都离不开雷达。
多年来,提高雷达分辨率是工程师面临的重要挑战,而近年来的创新技术使雷达在目标检测方面能提供更精确信息。传统 3D 汽车雷达传感器利用无线射频探测物体的距离、位置和多普勒效应(速度)。为提升雷达在安全价值链中的作用,助力自动驾驶,业界不断突破 3D 雷达的局限。2022 年以来,欧洲电信标准协会(ETSI)和美国联邦通信委员会(FCC)制定频谱法规和标准,欧美逐步淘汰 24GHz 超宽带(UWB)雷达频率,同时开放 76GHz 到 81GHz 的 5GHz 连续频段,远距离探测用 76GHz 频段,短距离、高精度探测用 77 - 81GHz 频段。更高频率、更宽带宽的先进汽车雷达系统可提升距离分辨率,例如,24GHz 雷达系统距离分辨率为 75cm,77GHz 雷达系统提高到 4cm,能更好地探测靠近目标。这推动了 4D 雷达的发展,4D 雷达在 3D 雷达数据基础上,可提供物体垂直位置等更准确、详细的 3D 空间信息。4D 成像雷达的出现,让自动驾驶汽车能以更高分辨率探测小物体,绘制更完整的 “全方位” 环境地图,正确解释垂直视角物体,避免误判。
人类驾驶员在复杂交通环境中需综合视觉、听觉及经验等信息,自动驾驶汽车则依靠雷达传感器、摄像头、激光雷达和车联网(V2X)系统等提供准确数据来感知交通环境。各数据流与 ADAS 或自动驾驶算法通信,帮助汽车感知物体相对位置与速度,控制算法触发被动或主动反应。
目前,汽车制造商和雷达模块提供商通过软件和硬件测试雷达模块功能。硬件测试主要有两种方法:一是使用角反射器,代表静态目标,但改变场景时需移动反射器;二是使用雷达目标模拟器(RTS),可电子仿真雷达目标,模拟静态和动态目标及相关参数。不过,在复杂场景且目标数量超 32 个时,基于 RTS 的功能测试存在缺点,也无法鉴定 4D 和成像雷达探测扩展目标(由点云表示的物体)的能力,无法还原现实世界的复杂性。
机器学习助力开发人员训练 ADAS 算法,更好地解释雷达等传感器系统的数据并分类。基于 “you only look once”(YOLO)的雷达目标检测方法,能同时精确探测和分割多个物体。在自动驾驶系统进行道路测试前,严格测试物理雷达传感器和 ADAS 算法至关重要。汽车制造商采用雷达场景仿真技术,将真实道路场景 “搬” 进实验室,进行 360 度全方位仿真测试。新的雷达场景仿真技术利用光线追踪和点云技术,从高度逼真的交通仿真场景中提取数据,更好地检测和区分物体。通过新型毫米波(mmwave)空中下载(OTA)技术,雷达场景仿真器可生成多个不同距离和速度的静态和动态目标,为雷达传感器测试提供更真实场景。在雷达场景仿真中,传感器和算法可快速进行多次设计迭代,修复错误和微调设计,对上路前的驾驶测试帮助很大,还能助力汽车制造商开发变量处理应用,如验证保险杠设计等对雷达功能的影响。自动驾驶平台提供商和雷达系统制造商可通过可重复和可定制的场景,增强车辆对不同真实交通场景的感知能力,为自动驾驶算法提供大量数据用于机器学习。高速数字信号处理(DSP)在微调雷达检测结果时也起着关键作用,能采集行人等目标的多种信息,训练雷达算法识别目标。
从芯片设计到制造再到雷达模块测试,汽车雷达设计、开发和制造的每个环节都需严格测试。毫米波频段用于汽车雷达应用面临诸多挑战,但也推动着雷达技术不断创新发展,向超级传感器演化。未来,随着技术的持续进步,汽车雷达有望具备更强大的功能,如更精准的目标识别、更智能的决策辅助等,与其他传感器深度融合,为自动驾驶带来更高的安全性和可靠性,在智能交通领域发挥更大作用,打开无限想象力。