【自动驾驶】毫米波雷达相关知识专题

姓名：刘方姣  学号：22021211931 电子工程学院

转自：(203条消息) 【自动驾驶】毫米波雷达相关知识专题_Mister Zhu的博客-CSDN博客_毫米波雷达深坑

【嵌牛导读】：4D毫米波雷达可以直接对行人和车辆进行识别，并可以判断对应物体的运动情况（是否运动、运动方向）。4D毫米波雷达还可以探测到几何形状，4D毫米波雷达就像是给“近视”的自动驾驶汽车配置了近视眼镜，让自动驾驶汽车“看”的更清晰。

【嵌牛鼻子】：量产必备的毫米波雷达

【嵌牛提问】：自动驾驶的技术关键是什么？毫米波雷达的发展对自动驾驶技术有什么影响？

【嵌牛正文】：

单一传感器有其局限性，比如:

激光雷达测量位置更准，但无法测量速度；

毫米波雷达测量速度准确，但在位置测量的精度上低于激光雷达。

3D毫米波雷达与4D毫米波雷达

毫米波雷达由于不具备测高的能力，很难判断前方静止物体是在地面还是在空中，在遇到井盖、减速带、立交桥、交通标识牌等地面、空中物体时，无法准确测得物体的高度数据，如果将这样的数据交给自动驾驶汽车，将使得自动驾驶汽车出现频繁刹车的情况。4D毫米波雷达的出现，将弥补这一问题。

4D毫米波雷达又称为成像雷达，在原有的距离、速度、方向的数据基础上，加上了对目标的高度分析，将第4个维度整合到传统毫米波雷达中，以更好地了解和绘制环境地图，让测到的交通数据更为精准。

4D毫米波雷达可以有效解析测得目标的轮廓、行为和类别，可以适应更加复杂的道路，识别更多小物体，被遮挡部分的物体及静止或横向物体的监测，从而可以精准的了解车辆需要在什么情况下刹车。

相对于3D毫米波雷达仅可以测量方位角、距离和相对速度这3个数据，4D毫米波雷达可以获得的数据则更多。

4D毫米波雷达增加了仰俯角之后，能够形成点云图像，这就意味着4D毫米波雷达不仅可以检测到物体的距离、相对速度和方位角，还可以检测到前方物体的垂直高度以及前方静止和横向移动物体，这将补足传统雷达对静态目标的检测短板。

4D毫米波雷达的主要特点就是角分辨率非常高，前置4D毫米波雷达角分辨率可达1度方位角和2度俯仰角，当加装4D毫米波雷达的自动驾驶汽车在探测道路信息时，可以直接探测到车辆周边物体的轮廓。像是在道路信息比较丰富，如行人与车辆夹杂在一起时，4D毫米波雷达就可以直接对行人和车辆进行识别，并可以判断对应物体的运动情况（是否运动、运动方向）。4D毫米波雷达还可以探测到几何形状，比如在隧道场景中时，可以探测到隧道的长度和宽度。4D毫米波雷达的出现，可以提高自动驾驶汽车对道路信息的探测精度，获取更多的信息以供自动驾驶汽车做出行驶预判。4D毫米波雷达就像是给“近视”的自动驾驶汽车配置了近视眼镜，让自动驾驶汽车“看”的更清晰。

毫米波雷达

根据公式：光速 = 波长 * 频率，频率更高的毫米波雷达，其波长越短。波长越短，意味着分辨率越高；而分辨率越高，意味着在距离、速度、角度上的测量精度更高。因此79GHz的毫米波雷达必然是未来的发展趋势。

毫米波雷达相比于激光有更强的穿透性，能够轻松地穿透保险杠上的塑料，因此常被安装在汽车的保险杠内。这也是为什么很多具备ACC（自适应巡航）的车上明明有毫米波雷达，却很难从外观上发现它们的原因。

应用在自动驾驶领域的毫米波雷达主要有3个频段，分别是24GHz，77GHz和79GHz。不同频段的毫米波雷达有着不同的性能和成本。

由于毫米波的测速原理是基于多普勒效应，因此与激光的笛卡尔（XYZ）坐标系不同，毫米波雷达的原始数据是基于距离+角度的极坐标系。当然，两种坐标系可以根据三角函数相互转换。

毫米波雷达发射的电磁会穿透自车的前保险杠和目标汽车的后保险杠，但是无法穿透目标汽车底盘的金属，因此在遇到金属这类毫米波雷达无法穿透的物体时，电磁波就会返回。

障碍物与自车的径向相对速度。由于多普勒效应的原理，雷达的测量中只能提供极坐标系下的径向速度，切向速度的测量置信度很低，因此雷达并不会提供障碍物的切向速度。(径向速度方向指的是自车毫米波和目标车辆的连线方向吧)

毫米波雷达的数据只能提供距离和角度信息，不能像激光雷达那样提供高度信息。没有高度信息的障碍物点会给技术开发带来很多挑战。

毫米波看生物体效果很差。 有人提到3D毫米波雷达，那个东西为了保证数据连续得上相控阵，成本直线上涨。

实际开发的过程中，在自动驾驶领域应用毫米波雷达有一下三点挑战：

挑战1：数据稳定性差

很明显…看到这样（乱且不稳定）的数据，工程师也表示很绝望。数据的不稳定性对后续的软件算法提出了较高的要求。

挑战2：对金属敏感

由于毫米波雷达发出的电磁波对金属极为敏感，在实际测试过程中会发现近处路面上突然出现的钉子、远距离外的金属广告牌都会被认为是障碍物。一旦车辆高速行驶，被这些突然跳出的障碍物干扰时，会导致刹车不断，导致汽车的舒适性下降。

挑战3：高度信息缺失

毫米波雷达的数据只能提供距离和角度信息，不能像激光雷达那样提供高度信息。没有高度信息的障碍物点会给技术开发带来很多挑战。

问答：

1.请问毫米波雷达不能测高度信息这个我不理解，为什么没有高度信息呢，是因为点云数量少吗？

答:大部分毫米波雷达内部的接受信号单元布置类似一条直线，可以将其理解为一线激光雷达。最新发布一些毫米波雷达的是以阵列布置，可以测量高度。

2.汽车也是在运动的，或者说，公路护栏相对汽车参考系也是在运动的。那么，雷达如何区分相对大地参考系静止的护栏和相对大地参考系运动的其它车辆呢？

答:读汽车VCU中的车速信息，做前行方向速度分量的差值，比较接近0即认为静止。

3.昨天专门去测了下delphi的毫米波雷达，为什么行人能够识别出来啊？没有拿角反。

答:探测行人不是根据行人身体上的金属物体来探测的，任何物体对电磁波的反射吸收程度不一样，雷达根据物体反射波的强度rcs值进行估算，一般行人的rcs值是1，汽车是10，雷达最大的缺陷就在于目标的模式识别，无法判断反射目标到底是何物，而这方面摄像头是强项所以目前的自动驾驶都在搞fusion，行人探测这块，在最终的决策层，一般以摄像头的数据为准，这也是前段时间uber自动驾驶车撞死行人的原因。

4.毫米波雷达这数据感觉太乱了啊，做后处理的工程师看到要哭的。

答:做个目标跟踪就可以排除大部分杂点了。之后在跟踪的数据上做文章。

5.请问大佬，毫米波对静态物体识别效果是不是特别差啊？

答：误检多，满屏的误检。

6.ACC自适应巡航能力如何？

现在很多车都开始普及L2级自动驾驶了，其实就是ACC（带自动跟车及碰撞避免）+车道保持，但是还是有很多问题：

第一，受天气影响很大，雨雾天气很容易误判，夜晚能不能正常使用都要打问号；

第二，国内很多地方标识标线不清晰，高速上还好点，城市里的标线……

所以这个只是一个辅助功能，还是要小心驾驶才好。

目前广泛装备的前视毫米波雷达+摄像头的解决方案，雷达实际上是不太管固定障碍物的。因为地面附近反射太杂乱，一般都通过多普勒效应滤除了固定物体的反射波之后才进行目标识别。这种方式对移动的车辆测量比较准确，但对于固定物体，主要还是靠摄像机识别的。

需要注意的是，对于多普勒雷达来说，横穿马路的物体属于固定物体……所以目前阶段的自适应巡航，虽然车子可以在车道内自己开，但是还是要求驾驶员时刻关注行驶状态的，理论上只是脚轻松了一点。