当前位置: 首页 > news >正文

自动驾驶感知系统-毫米波雷达

毫米波雷达就是电磁波,雷达通过发射无线电信号并接收反射信号来测定车辆与物体间的距离,其频率通常介于10~300GHz之间。与厘米波导引头相比,毫米波导引头体积小,质量轻,空间分辨率高;与红外、激光、电视等光学引头相比,毫米波导引头穿透雾、烟、灰尘的能力强;另外,毫米波导引头的抗干扰性能也优于其他微波导引头。
在这里插入图片描述
毫米波工作频率为30300GHZ,波长为110mm,介于厘米波与光波之间,因此毫米波建有微波制导和光电制导的优点。雷达测量的是反射信号的频率转变,进而推测其速度变化。毫米波雷达可以检测30~100m远的物体,高性能毫米波雷达可以探测更远的物体。同时,毫米波雷达不受天气的影响,即使是最恶劣的天气和光照条件下也能正常工作,穿透烟雾的能力很强。毫米波雷达具有全天候,全天时的工作特性,且探测距离远,探测精度高,被广泛应用于车载距离探测,如自适应巡航,碰撞预警,盲区探测,自动紧急制动等。
毫米波雷达的测距和测速原理都是基于多普勒效应,其采集的原始数据基于极坐标系(距离+角度)。其工作时,振荡器会产生一个频率随时间逐渐增加的信号,这个信号遇到障碍物之后,会反射回来,其时延为2倍的距离除以光速。返回的波形和发出的波形之间有频率差,这个频率差是呈线性关系的:物体越远,返回波收到的越晚,那么它跟入射波的频率差就越大。将这两个频率做一个剑法,就可以得到二者频率的差拍频率,通过判断差拍频率的高低就可以判断障碍物的距离。
在自动驾驶汽车领域,车载毫米波雷达通过天线发射毫米波,接收目标反射信号,经后台处理后快速准确地获取汽车车身周围的物理环境信息(如汽车与其他物体之间的相对距离,相对速度、角度、运动方向等),然后根据所探知的物体信息进行目标跟踪和识别分类,进而结合车身动态信息和其他传感器接收的信息进行数据融合,通过中央处理单元(ECU)进行智能处理,经合理决策后,及时对汽车运动执行控制,从而实现自动驾驶。
相比激光雷达,毫米波雷达精度低,可视范围角度偏小,一般需要多个雷达组合使用。毫米波雷达传输的是不可见的电磁波,因此它无法检测上过漆的木头或是塑料,行人的反射波也较弱。同时,毫米波雷达对金属表面非常敏感,一个弯曲的金属表面会被误认为是一个面积很大的表面,因此,马路上的一个小小易拉罐甚至可能被毫米波雷达判断为很大的路障。此外,毫米波雷达在隧道里的效果同样不佳。
为完全实现自动驾驶辅助系统的各项功能,一般需要配置“1长+4中短”一个5个毫米波雷达,目前,全新奥迪A4采用的就使“1长+4短”的5个毫米波雷达的配置。以自动跟车ACC功能为例,一般需要3个毫米波雷达。车正中间安装1个77GHz的长距离雷达(LRR),探测距离150250m,角度为10度左右;车两侧各安装一个24GHz的中距离雷达(MRR),角度都是30度,探测距离在5070m。
毫米波雷达的可用频段有24GHz、60GHz、77GHz和79GHz,主流使用24GHz和77GHz频段,分别用于中短距离和中长距离探测。相比于24GHz频段,77GHz毫米波雷达物体探测分辨率可以提高24倍,测距和测速精度提高35倍,能检测行人和自行车,且设备体积更小,更方便在无人驾驶汽车上部署。因此频段发展趋势是逐渐由24GHz向77GHz过渡的。
1997年,欧洲电信标准学会确认76~77GHz作为防撞雷达专用频道。
2005年,原信息产业部发布要求,将77GHz频段划分给车辆测距雷达。
2012年,工信部将24GHz划分给短距车载雷达,
2015年,日内瓦世界无线电通信大会将77.5GHz78.0GHz频段划分给无线电定位服务,以支持短距高分辨率车载雷达,从而使7681GHz都可用于车载雷达,为全球车载毫米波雷达的频率统一指明了方向。最终车载毫米波雷达将会统一于77GHz频段(76~81GHz),该频段带宽更大,功率水平更高,探测距离更远。
不同波段毫米波雷达的作用
在这里插入图片描述
毫米波雷达的主要问题使存在互相干扰的可能。频率不同的电磁波在传输过程中相互独立,但是频率相近的电磁波会相互叠加,使信号劣化。调频连续波雷达本身不能免疫干扰。随着道路上装载毫米波雷达的车辆增加,相似频段的雷达信号也随之增加,雷达之间的干扰不可避免。干扰信号可以通过直线传播直接干扰,也可以经过物体反射从而间接干扰。这样的结果大大降低了信号的信噪比,甚至会导致雷达致盲。

http://www.lryc.cn/news/96657.html

相关文章:

  • Esp32_Arduino接入腾讯云笔记
  • python简单入门
  • 如何快速从csv文件搭建一个简单的神经网络模型(回归)
  • Pytorch深度学习-----DataLoader的用法
  • macOS Ventura 13.5 (22G74) Boot ISO 原版可引导镜像下载
  • 【机器学习】 奇异值分解 (SVD) 和主成分分析 (PCA)
  • 如何用logging记录python实验结果?
  • C语言假期作业 DAY 03
  • 使用serverless实现从oss下载文件并压缩
  • 从上到下打印二叉树
  • 【推荐】排序模型的调优
  • 负载均衡安装配置详解
  • Java-逻辑控制
  • UE 透明渲染次序
  • 【C++】多态原理剖析,Visual Studio开发人员工具使用查看类结构cl /d1 reportSingleClassLayout
  • vue实现flv格式视频播放
  • iptables安全技术和防火墙
  • 微信小程序开发5
  • 【算法题】2681. 英雄的力量
  • fastutil简单测试下性能
  • 【FAQ】关于无法判断和区分用户与地图交互手势类型的解决办法
  • 腾讯云裸金属服务器CPU型号处理器主频说明
  • 工程安全监测无线振弦采集仪在建筑物中的应用
  • 【iOS】isKindOfClass和isMemberOfClass方法
  • 李飞飞「具身智能」VoxPoser:0预训练完成复杂指令
  • 前端八股文
  • 前端年度工作述职报告优秀
  • 【MyBatis 学习一】认识MyBatis 第一个MyBatis查询
  • TCP 和 UDP
  • springboot配置自定义数据源(Druid德鲁伊)的步骤。