99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

讓自動駕駛汽車“看透”拐角

傳感器技術(shù) ? 來源:傳感器技術(shù) ? 2023-07-04 10:14 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

基于駛近城市十字路口(拐角處有4棟高層混凝土建筑)的一輛自動駕駛汽車的建模,可以對自動駕駛汽車看清拐角路況的情形進(jìn)行仿真。另一輛車正從某方向靠近路口中心,盡管超出了自動駕駛汽車的視距,系統(tǒng)仍可通過處理多條路徑反射回來或直接穿過建筑物返回的信號檢測到該車輛。

要讓自動駕駛汽車名副其實(shí),需滿足諸多要求,但毫無疑問,對環(huán)境的感知和了解最為關(guān)鍵。自動駕駛汽車必須跟蹤并識別多個物體和目標(biāo),無論其清晰可見還是隱而不見,無論艷陽高照還是狂風(fēng)暴雨。

光靠如今的雷達(dá)還遠(yuǎn)不足以實(shí)現(xiàn)這種效果,我們還需要攝像頭和激光雷達(dá),但若能充分利用雷達(dá)的特殊優(yōu)勢,也許至少可以省去部分輔助傳感器。

92d6071c-19f6-11ee-962d-dac502259ad0.jpg

誠然,立體模式下的傳統(tǒng)攝像頭可以檢測物體、測量物體距離并估算物體速度,但其精度無法達(dá)到完全自動駕駛的要求。此外,攝像頭在夜間、有霧或陽光直射的情況下均無法正常工作,使用傳統(tǒng)攝像頭的系統(tǒng)很容易被視錯覺欺騙。激光掃描系統(tǒng)或激光雷達(dá)自帶照明往往在惡劣天氣下的確優(yōu)于攝像頭。盡管如此,它們也只能在清晰視距內(nèi)看到前方,在被建筑物或其他障礙物遮擋的情況下,無法檢測到接近十字路口的汽車。

雷達(dá)的測距精度和角分辨率不如激光雷達(dá)高,角分辨率是在兩個不同目標(biāo)之間分辨出其中一個目標(biāo)所需的最小到達(dá)角。不過,我們設(shè)計了一種新穎的雷達(dá)架構(gòu),克服了此類缺陷,使其在增強(qiáng)激光雷達(dá)和攝像頭方面更加有效。

930e202a-19f6-11ee-962d-dac502259ad0.jpg

我們提出的架構(gòu)采用了稀疏、大口徑多波段雷達(dá)。其基本理念是使用多種頻率,利用各頻率的特定屬性,將系統(tǒng)從多變的天氣條件中解放出來,透視并環(huán)顧觀察路口情況。反過來,該系統(tǒng)采用了先進(jìn)的信號處理和傳感器融合算法來生成環(huán)境的集成表示。

我們已通過試驗(yàn)驗(yàn)證了該雷達(dá)系統(tǒng)的理論性能極限,包括有效距離、角分辨率和精度。目前,我們正在為多家汽車制造商構(gòu)建硬件以進(jìn)行評估,且最近的道路測試已取得成功。我們在2022年年初進(jìn)行了更精細(xì)的測試,以展示該系統(tǒng)的路口轉(zhuǎn)角感知性能。

每個頻段皆有其優(yōu)點(diǎn)和缺點(diǎn)。77千兆赫(GHz)及以下的頻段可穿透1 000米的濃霧,且損耗的信號強(qiáng)度不超過1分貝(dB)。相比之下,激光雷達(dá)和攝像頭在50米的濃霧中便會損耗10到15分貝。

雨水則是另一種情況。即便是小陣雨,也會令77GHz雷達(dá)像激光雷達(dá)一樣衰減。你可能會想,這沒問題,改成更低的頻率就行。畢竟,在1GHz或更低的頻率下,雨對雷達(dá)而言可以說是透明的。

低頻確實(shí)可行,但我們也需要高頻段,因?yàn)榈皖l段的有效距離較短且角分辨率較低。盡管高頻未必等同于窄波束,但可以使用天線陣列或高度定向天線,以窄波束投射較高頻段中的毫米波,就像激光那樣。這意味著這種雷達(dá)可以與激光雷達(dá)系統(tǒng)一爭高下,盡管它同樣存在視距之外無法觀測的問題。

對于給定尺寸(即給定陣列孔徑)的天線,波束的角分辨率與工作頻率成反比。同樣,為了實(shí)現(xiàn)給定的角分辨率,所需的頻率與天線尺寸成反比。因此,若要在相對較低的超高頻(UHF,0.3 ~1GHz)下依靠雷達(dá)系統(tǒng)獲得所需的角分辨率,需要的天線陣列是K波段(18 ~27GHz)或W波段(75 ~110GHz)雷達(dá)所需天線陣列的數(shù)十倍。

盡管較低的頻率對提高分辨率并無多大幫助,但它有其他優(yōu)勢。電磁波往往會在尖銳的邊緣衍射;遇到曲面時,它們會在周圍以“爬行”波的形式衍射。這些效應(yīng)太弱,無法在K波段的較高頻率下產(chǎn)生效果,W波段尤為如此,但在UHF和C波段(4 ~8GHz)可能效果顯著。這種衍射行為以及較低的穿透損耗使此類雷達(dá)能夠檢測到拐角處的物體。

雷達(dá)的一個弱點(diǎn)在于它會遵循多條路徑,在往返抵達(dá)被跟蹤物體的途中會被無數(shù)物體反射。由于道路上存在許多其他汽車?yán)走_(dá),因此雷達(dá)的回波更為復(fù)雜。不過,多次反射也有另一個優(yōu)勢:范圍廣泛的彈跳可為計算機(jī)提供信息,反映沿視距投射的光束無法到達(dá)處所發(fā)生的情況,例如,揭示直接探測無法看到的交叉路口的路況。

看得遠(yuǎn),看得到細(xì)節(jié),看得清側(cè)面,甚至能夠直接穿透障礙物,這是雷達(dá)尚未完全實(shí)現(xiàn)的目標(biāo)。沒有一個雷達(dá)頻段可單獨(dú)實(shí)現(xiàn)所有效果,但一個可在多頻段同時運(yùn)行的系統(tǒng)卻可以非常接近這一目標(biāo)。例如,K波段和W波段等高頻段可實(shí)現(xiàn)高分辨率,同時準(zhǔn)確估計目標(biāo)的位置和速度,但它們無法穿透建筑物的墻壁或看清角落情況;更重要的是,它們?nèi)菀资艿酱笥?、大霧和灰塵的影響。

UHF和C波段等較低頻段不太容易受到上述問題的影響,但它們需要更大的天線元件且可用帶寬較少,這會降低測距分辨率,測距分辨率是區(qū)分方位相似但距離不同的兩個物體的能力。要達(dá)到既定角分辨率,較低的頻段還需要大孔徑。通過將不同頻段組合在一起,我們可以平衡某個頻段的弱點(diǎn)和其他頻段的優(yōu)勢。

932f7838-19f6-11ee-962d-dac502259ad0.jpg

不同的目標(biāo)給我們的多頻段解決方案帶來了不同挑戰(zhàn)。汽車前部在UHF波段的雷達(dá)截面(或有效反射率)比C波段和K波段的要小。這意味著使用C波段和K波段更容易檢測到正在靠近的車輛。此外,與C波段和K波段相比,在UHF波段,行人的不同行進(jìn)方向和步態(tài)給其截面帶來的變化要小得多。這意味著行人將更容易被UHF雷達(dá)探測到。

此外,當(dāng)散射體表面有水時,物體的雷達(dá)截面會減小。這就減少了C波段和K波段可測到的雷達(dá)反射,但是此現(xiàn)象不會對UHF雷達(dá)產(chǎn)生明顯影響。

另一個重要區(qū)別在于較低頻率的信號可穿透墻壁、穿過建筑物,而較高頻率的信號則無法做到這一點(diǎn)。以一堵30厘米厚的混凝土墻為例,雷達(dá)波穿過墻壁而非被墻壁反射的能力可通過波長、入射場的極化和入射角的函數(shù)計算。UHF頻段在大范圍入射角的傳輸系數(shù)約為-6.5dB。C波段和K波段的該數(shù)值分別下降為-35dB和-150dB,這意味著可以通過的能量很少。

如前所述,雷達(dá)的角分辨率與所用波長成正比,而角分辨率還與孔徑寬度成反比,對于線性陣列天線而言,它與陣列的物理長度成反比。這就是毫米波(如W波段和K波段)可以很好地用于自動駕駛的原因之一。一個基于兩個77GHz收發(fā)器、孔徑為6厘米的商用雷達(dá)裝置的角分辨率約為2.5度,與典型的激光雷達(dá)系統(tǒng)相比,其差值在一個數(shù)量級以上,這對自動駕駛而言太低。在77GHz下實(shí)現(xiàn)激光雷達(dá)標(biāo)準(zhǔn)分辨率需要更大的孔徑(如1.2米),約等于汽車的寬度。

除了達(dá)到一定的有效距離和角分辨率之外,汽車的雷達(dá)系統(tǒng)還必須跟蹤大量目標(biāo),有時需同時跟蹤數(shù)百個目標(biāo)。若目標(biāo)與汽車的距離僅相隔數(shù)米,則可能很難按距離區(qū)分目標(biāo)。在任何給定距離內(nèi),一個均勻的線性陣列(發(fā)射和接收元件等距分布)能夠區(qū)分的目標(biāo)數(shù)量與其天線數(shù)量相同。因此,在可能存在大量目標(biāo)的雜亂環(huán)境中,需要數(shù)百個類似的發(fā)射器和接收器,而且巨大的孔徑會使問題更復(fù)雜。如此之多的硬件也會大幅拉高成本。

使用陣列是解決此問題的一種方法,陣列中的元件只占用通常情況下的一部分位置。如果仔細(xì)地設(shè)計這樣一個“稀疏”陣列,使其相互的幾何距離都是唯一的,便可使其性能與非稀疏的全尺寸陣列相同。例如從一個K波段運(yùn)行的1.2米孔徑雷達(dá)入手,放入設(shè)計合理的稀疏陣列,該陣列只有12個發(fā)射元件和16個接收元件,則它的性能與擁有192個元件的標(biāo)準(zhǔn)陣列相同。其原因在于,精心設(shè)計的稀疏陣列在每個發(fā)射器和接收器之間可實(shí)現(xiàn)多達(dá)12×16(即192)個成對距離。使用12種不同的信號傳輸,16個接收天線將接收192個信號。由于各發(fā)射接收對之間的成對距離唯一,因此所得到的192個接收信號就像是由192個元件的非稀疏陣列接收的一樣。所以,借助稀疏陣列,我們可以用時間換取空間,即使用天線元件進(jìn)行信號傳輸。

原則上,沿車載的假想陣列放置的單獨(dú)雷達(dá)單元應(yīng)作為更大孔徑的單個相控陣單元運(yùn)行。然而,該方案需要單獨(dú)子陣列的各發(fā)射天線聯(lián)合傳輸,并聯(lián)合處理聯(lián)合子陣的各天線單元收集的數(shù)據(jù),這又反過來要求所有子陣列單元的相位完全同步。

這一切都不容易實(shí)現(xiàn)。即便可以實(shí)現(xiàn),這種完全同步的分布式雷達(dá)的性能仍然遠(yuǎn)遠(yuǎn)落后于精心設(shè)計的完全集成、大口徑稀疏陣列雷達(dá)。

假設(shè)有兩個77GHz的雷達(dá)系統(tǒng),每個系統(tǒng)的孔徑長度為1.2米,配備12個發(fā)射元件和16個接收元件。第一個系統(tǒng)是精心設(shè)計的稀疏陣列;第二個系統(tǒng)的孔徑最外側(cè)則有兩個14元件標(biāo)準(zhǔn)陣列。這兩個系統(tǒng)的孔徑和天線元件數(shù)量相同。盡管集成稀疏設(shè)計的掃描效果相同,但分離式設(shè)計難以從陣列前部直視前方。這是因?yàn)閮墒炀€相距甚遠(yuǎn),其中心產(chǎn)生了一個盲點(diǎn)。

在采用分離式設(shè)計的場景下,可假設(shè)兩種情況。第一種情況下,分離式系統(tǒng)兩端的兩個標(biāo)準(zhǔn)雷達(dá)陣列幾近完全同步。此設(shè)計有45%的時間無法檢測到物體。在第二種情況下,假設(shè)各陣列獨(dú)立運(yùn)行,然后將其各自獨(dú)立檢測到的對象融合在一起。這一設(shè)計有幾乎60%的時間都會檢測失敗。相比之下,精心設(shè)計的稀疏陣列檢測失敗的可能性微乎其微。

通過仿真,我們可以輕松描繪出拐角處的景象。假設(shè)一輛配備了我們系統(tǒng)的自動駕駛汽車正在靠近一個城市十字路口,路口的4個角落各有一棟高層混凝土建筑。仿真開始時,車輛距離交叉路口中心35米,第二輛車正通過交叉路口接近中心。正在靠近的車輛不在自動駕駛汽車的視距范圍內(nèi),因此,如果不使用街角環(huán)視技術(shù)便無法檢測到駛近的車輛。

雷達(dá)系統(tǒng)在3個頻段中的各頻段均可預(yù)估視距內(nèi)目標(biāo)的距離和方位。在這種情況下,目標(biāo)的距離等于光速乘以發(fā)射的電磁波返回雷達(dá)所需時間的一半。目標(biāo)的方位則通過雷達(dá)接收到的波前入射角確定。當(dāng)目標(biāo)不在視距范圍內(nèi)且信號沿多條路徑返回時,此方法無法直接測得目標(biāo)的距離或位置。

不過,我們可以推斷目標(biāo)的距離和位置。首先,我們需要區(qū)分視距、多路徑和穿過建筑物的返回波。在給定距離內(nèi),多路徑返回波(由于多次反射)通常較弱且極化不同。穿過建筑物的回波也較弱。如果我們知道基本環(huán)境(建筑物和其他靜止物體的位置),便可以構(gòu)建一個框架,找出真實(shí)目標(biāo)的可能位置。然后,我們可使用該框架來估測目標(biāo)在某個位置的可能性。

隨著自動駕駛汽車和各目標(biāo)的移動,雷達(dá)會收集到更多數(shù)據(jù),每條新的數(shù)據(jù)都可用于更新概率。這就是貝葉斯邏輯,與其在醫(yī)學(xué)診斷中的應(yīng)用十分類似。病人有無發(fā)熱?如發(fā)熱,是否出現(xiàn)皮疹?同樣,汽車系統(tǒng)每一次更新估算值,都會縮小可能的范圍,直至最終顯示真實(shí)目標(biāo)的位置,同時消除“虛假目標(biāo)”。通過融合從多個頻段獲得的信息,可顯著提高系統(tǒng)的性能。

我們通過試驗(yàn)和數(shù)值仿真模擬評估了雷達(dá)系統(tǒng)在各種操作條件下的理論性能極限。道路測試證實(shí),雷達(dá)可檢測到被遮擋的信號。接下來的幾個月,我們計劃展示轉(zhuǎn)角感應(yīng)。希望此類功能能夠?qū)崿F(xiàn)前所未有的安全駕駛方式。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 攝像頭
    +關(guān)注

    關(guān)注

    61

    文章

    4982

    瀏覽量

    98407
  • 激光雷達(dá)
    +關(guān)注

    關(guān)注

    971

    文章

    4236

    瀏覽量

    192888
  • 自動駕駛
    +關(guān)注

    關(guān)注

    790

    文章

    14321

    瀏覽量

    170688

原文標(biāo)題:讓自動駕駛汽車“看透”拐角

文章出處:【微信號:WW_CGQJS,微信公眾號:傳感器技術(shù)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    自動駕駛汽車是如何準(zhǔn)確定位的?

    [首發(fā)于智駕最前沿微信公眾號]隨著自動駕駛技術(shù)的快速發(fā)展,車輛的精準(zhǔn)定位成為安全駕駛與路徑規(guī)劃的核心基礎(chǔ)。相比于傳統(tǒng)人類駕駛依賴路標(biāo)和視覺判斷,自動駕駛
    的頭像 發(fā)表于 06-28 11:42 ?227次閱讀
    <b class='flag-5'>自動駕駛</b><b class='flag-5'>汽車</b>是如何準(zhǔn)確定位的?

    卡車、礦車的自動駕駛和乘用車的自動駕駛在技術(shù)要求上有何不同?

    [首發(fā)于智駕最前沿微信公眾號]自動駕駛技術(shù)的發(fā)展,組合輔助駕駛得到大量應(yīng)用,但現(xiàn)在對于自動駕駛技術(shù)的宣傳,普遍是在乘用車領(lǐng)域,而對于卡車、礦車的
    的頭像 發(fā)表于 06-28 11:38 ?211次閱讀
    卡車、礦車的<b class='flag-5'>自動駕駛</b>和乘用車的<b class='flag-5'>自動駕駛</b>在技術(shù)要求上有何不同?

    自動駕駛安全基石:ODD

    電子發(fā)燒友網(wǎng)綜合報道 自動駕駛ODD(Operational Design Domain)即設(shè)計運(yùn)行域,是指自動駕駛系統(tǒng)被設(shè)計為安全、有效運(yùn)行的具體條件范圍。它定義了自動駕駛汽車在哪些
    的頭像 發(fā)表于 05-19 03:52 ?5138次閱讀

    NVIDIA Halos自動駕駛汽車安全系統(tǒng)發(fā)布

    自動駕駛汽車的開發(fā)。正確的技術(shù)與框架對確保自動駕駛汽車駕駛員、乘客和行人的安全至關(guān)重要。 因此,NVIDIA 推出了NVIDIA Halos綜合安全系統(tǒng),將 NVIDIA 的
    的頭像 發(fā)表于 03-25 14:51 ?620次閱讀

    理想汽車推出全新自動駕駛架構(gòu)

    2025年3月18日,理想汽車自動駕駛技術(shù)研發(fā)負(fù)責(zé)人賈鵬在NVIDIA GTC 2025發(fā)表主題演講《VLA:邁向自動駕駛物理智能體的關(guān)鍵一步》,分享了理想汽車對于下一代
    的頭像 發(fā)表于 03-19 14:12 ?544次閱讀

    自動駕駛的未來 - 了解如何無縫、可靠地完成駕駛

    。 汽車行業(yè)正在向自動駕駛汽車靠攏,其發(fā)展勢頭越來越強(qiáng),其目標(biāo)不僅是駕駛員的生活更簡單,而且要消除道路上的碰撞。
    的頭像 發(fā)表于 01-26 21:52 ?567次閱讀
    <b class='flag-5'>自動駕駛</b>的未來 - 了解如何無縫、可靠地完成<b class='flag-5'>駕駛</b>

    MEMS技術(shù)在自動駕駛汽車中的應(yīng)用

    MEMS技術(shù)在自動駕駛汽車中的應(yīng)用主要體現(xiàn)在傳感器方面,這些傳感器為自動駕駛汽車提供了關(guān)鍵的環(huán)境感知和數(shù)據(jù)采集能力。以下是對MEMS技術(shù)在自動駕駛
    的頭像 發(fā)表于 11-20 10:19 ?1458次閱讀

    自動駕駛汽車安全嗎?

    隨著未來汽車變得更加互聯(lián),汽車逐漸變得更加依賴技術(shù),并且逐漸變得更加自動化——最終實(shí)現(xiàn)自動駕駛,了解自動駕駛
    的頭像 發(fā)表于 10-29 13:42 ?1124次閱讀
    <b class='flag-5'>自動駕駛</b><b class='flag-5'>汽車</b>安全嗎?

    自動駕駛技術(shù)的典型應(yīng)用 自動駕駛技術(shù)涉及到哪些技術(shù)

    自動駕駛技術(shù)的典型應(yīng)用 自動駕駛技術(shù)是一種依賴計算機(jī)、無人駕駛設(shè)備以及各種傳感器,實(shí)現(xiàn)汽車自主行駛的技術(shù)。它通過使用人工智能、視覺計算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)等技術(shù),使
    的頭像 發(fā)表于 10-18 17:31 ?1909次閱讀

    聊聊自動駕駛離不開的感知硬件

    自動駕駛飛速發(fā)展,繞不開感知、決策和控制決策的經(jīng)典框架,而感知作為自動駕駛汽車“感官”的重要組成部分,決定了自動駕駛系統(tǒng)對環(huán)境的理解和反應(yīng)能力。為了
    的頭像 發(fā)表于 08-23 10:18 ?1165次閱讀

    FPGA在自動駕駛領(lǐng)域有哪些優(yōu)勢?

    FPGA(Field-Programmable Gate Array,現(xiàn)場可編程門陣列)在自動駕駛領(lǐng)域具有顯著的優(yōu)勢,這些優(yōu)勢使得FPGA成為自動駕駛技術(shù)中不可或缺的一部分。以下是FPGA在自動駕駛
    發(fā)表于 07-29 17:11

    FPGA在自動駕駛領(lǐng)域有哪些應(yīng)用?

    低,適合用于實(shí)現(xiàn)高效的圖像算法,如車道線檢測、交通標(biāo)志識別等。 雷達(dá)和LiDAR處理:自動駕駛汽車通常會使用雷達(dá)和LiDAR(激光雷達(dá))等多種傳感器來獲取環(huán)境信息。FPGA能夠協(xié)助完成這些傳感器
    發(fā)表于 07-29 17:09

    自動駕駛汽車如何識別障礙物

    自動駕駛汽車識別障礙物是一個復(fù)雜而關(guān)鍵的過程,它依賴于多種傳感器和技術(shù)的協(xié)同工作。這些傳感器主要包括激光雷達(dá)(LiDAR)、雷達(dá)、攝像頭以及超聲波雷達(dá)等,它們各自具有不同的工作原理和優(yōu)勢,共同為自動駕駛
    的頭像 發(fā)表于 07-23 16:40 ?2858次閱讀

    自動駕駛汽車傳感器有哪些

    自動駕駛汽車傳感器是實(shí)現(xiàn)自動駕駛功能的關(guān)鍵組件,它們通過采集和處理車輛周圍環(huán)境的信息,為自動駕駛系統(tǒng)提供必要的感知和決策依據(jù)。以下是對自動駕駛
    的頭像 發(fā)表于 07-23 16:00 ?3277次閱讀