“毫米波雷达相比其他的传感器它主要优势就是全天候运行,不光是白天黑夜,主要还是它能够适应各种气侯条件,雨、雪、雾霾它都受的影响非常小,这个是相比其他传感器的一个非常大的优势。”在川速微波总经理王东峰看来,毫米波雷达的实时测速和测距是非常精准的,稳定性也非常高,这是最大优势。
川速微波总经理王东峰在2018高工智能商用车开发者大会上发表主题演讲
现在,我们可以看到一些典型的车对于毫米波雷达的配置,常见的就是一个前向的远距离的毫米波雷达,车的周边会有几个感知环境的毫米波雷达的配置,特斯拉比较特殊一点,它出于成本的考虑,实际上只配了一个前向的毫米波雷达和视觉,它的周边是配备了大量的超声波的短距离的雷达。
但是通用汽车就比较夸张一些,它在无人驾驶汽车上配了多达21个毫米波雷达,遍布了车的全身,冗余设计也是比较明显的。
我们借用这样一张图来给大家展示一下整个汽车的ADAS系统。里面包含了非常多的子系统,像我们通常能够看到的ACC、SAW、以及BSD等等,从这个图上我们可以看到不同的子系统对于传感器配置的要求还是有些区别的,黄色的部分都是毫米波雷达适用的一些系统,比较常见的就是前向的防撞预警、自适应巡航等等。
我们在现在的量产ADAS系统中常见的还是基于视觉的解决方案要多一些。它的一些不足其实主要还是体现在全天候,像天黑了以后识别度下降,如果遇见大雨、雪、雾霾这种天气影响还是比较大的。
另外,如果遇到逆光还有强光的情况可能还有短时的失效。另外纯视觉的解决方案对于速度和距离的测量不是一个直接的测量,所以相对来讲精度要略低一些。
还有就是比较热门的激光雷达传感器,尤其是在无人驾驶,L3、 L4级别以上的无人驾驶当中,激光雷达还是很受欢迎的。但是它同样受到天候条件的限制比较大,另外现在成本比较高。
激光雷达的抗污性能还是比较成问题的。这张图片上看到的这个激光雷达,有的激光雷达上面大、下面大还好,这个从上往下的锥形,如果上面糊到鸟屎的话,影响还是非常大的。
我们看一下毫米波雷达发展的历史情况,从六七十年代就在国外的一些汽车上就开始得到应用了,当时实际上是把军事应用的雷达技术用到了汽车上。
随着技术的演进,毫米波雷达主要变化就是从近程到远程,测量的精度越来越高,从最早的测速、测距,到现在可以实现测速、测距、测角,以及未来可以实现分辨率更高,可以形成比较粗略的图像来。
目前,毫米波雷达的频段也从10G到24G到法定的77G频段,这样勘测的精度也高,整个发展过程还是比较明显的,可以说代表了整个汽车的辅助驾驶和无人驾驶的发展过程。
从雷达本身来看,早期受制于射频的技术,还出现了基线扫描雷达,还出现了电子透镜的扫描雷达,现在大家都用相位控制技术来做高精度的电扫描的毫米波雷达。
提到毫米波雷达不得不提一下射频芯片的进步,川速微波是从06年开始就做民用的微波雷达,当时做24G频段的时候还用到波导结构的整量器,从09年开始才有集成芯片。
发展到现在,77G的集成芯片也已经是雨后春笋一般的出来了,包括最早进入国内的有飞思卡尔(被NXP收购)等多家芯片厂商,都陆续推出了自己77G的芯片。
我们在77G的前向雷达采用的NXP的解决方案,一个单芯片就集成了三个发射通道和4个接收通道,集成度非常高,还有4路的高速AD。当然TI现在的集成度更夸张,除了发射接收通道以外,还集成了其他的功能,这给毫米波厂家带来了很大的方便,设计上更便捷,也可以实现更好的性能应用。
从技术的发展趋势来看,毫米波雷达主要面向解决的就是探测距离越来越远,距离精度越来越高,更重要的是角度的探测,角度分辨率越来越高。
传统的雷达都是在一个平面上进行探测,现在由于无人驾驶的需要,还要在高度上进行测量,这样的话去区分地面上的井盖和高处的广告牌等等。
最后就是在信号处理上,也是结合现在的人工智能技术,也需要一些智能的机器学习算法,在雷达的信号上进行目标的识别以及多目标的区分。
当前的情况其实主要还是在ADAS系统上,毫米波雷达已经得到了比较广泛的应用,我们根据它的距离、角度和速度这三个角度,把这些应用进行了一些分类,川速微波在这些常见的ADAS系统当中都有产品的布局。
比如说对于探测前方的远距离和大范围区域的应用,比较典型的就是FCW,前方防撞预警,因为它的探测距离非常远。还有就是ACC自适应巡航,如果是探测后方的中原距离以及比较窄的范围,我们常见的就是盲点的监测以及横穿的预警。
如果是中近距离可以做紧急制动,在非常高速度和非常大范围的情况下还是不太成熟,所以一般都限定在中低速度和中近的距离范围内来做AEB。还有盲点检测以及横穿的预警,都是属于中近距离的应用。
近些年来,ADAS系统在全球的汽车安全性能评估体系里面也是非常的重要,2014年欧盟就把AEB纳入评分体系,同年美国也把前向的防撞预警纳入它的评估体系。中国从2018年开始也正式将AEB作为一个强制的评分标准,应用于大型的客车等等运营车辆。
目前,商用车ADAS系统的必要性还是非常明显的,乘客多,安全的责任也比较大,这是从安全的角度来说。从技术的角度来说,商用车可行驶道路相对来说是结构化的,相对来说比较稳定,在技术的角度来说更容易落地,更容易成熟使用。
此外,大型商用车的盲区更多更明显,所以也容易出问题,我们有专门针对盲点监测以及自动紧急制动的产品应用。同时,商用车往往是长时间运营,驾驶员容易疲劳,也急需辅助驾驶来提高安全性。
同时,现在大家都在尝试推进的商用车编队行驶技术,可以明显提高燃油的经济性和安全性,这里面用到了自适应巡航系统,也是毫米波拉雷达比较擅长的一个应用。
川速微波是一家老字号的微波雷达厂商,经过十多年的发展,我们形成了3+1的应用领域,3个领域分别是交通、安防和汽车,另外还有一些零散的应用市场包括火车、停车场、无人机等等。
我们的研发团队包括雷达技术的研发,射频微波天线,以及信号处理算法,我们在北京大兴有目前国内最大的微波雷达生产基地,每年生产两万台以上的交通雷达。我们正在对现有产线进行升级,面向50万台汽车雷达的年生产能力。
川速微波在汽车雷达产品上的布局分为两大类,一类是前向,一类是周边的环境感知。前向是最典型的77频段的远程前向雷达,另外跟国内很多的客户还定制了一款24G的前向防撞雷达产品,相对来说成本比较低,制动距离稍微近一些,主要是成本优势,尤其是在乘用车和大型车上,对体积不敏感的情况下,24G的雷达体积要稍微大一些。
在环境感知雷达上面我们现在有三种产品,一个是79G的最高精度的环境感知雷达,它的分辨率能够达到几个厘米级,另外在24G的频段上我们有低成本的单目标的BSD雷达,以及多目标的BSD雷达,BSD只是盲点检测值其中的一个典型的应用。
我们的77G前向毫米波雷达,是业内体积最小的雷达,整个雷达是集成在一块电路板上,我们把远场、中场、近场集成在一个雷达里面,远场可以达到200米,0.4米的分辨率,近场能够达到90度以上的视场角和60度的作用距离,在一个雷达上可以进行实时的远、中、近三个模式的切换。
24G的前向防撞雷达,成本比较低,作业距离近,尤其比较适用于大卡车这样大型的车辆,并且要求不高,速度也不是特别快,主要是70米范围内的防撞。
79G的环境感知雷达特点就是精度特别高,可以把整个周边的环境都感知出来。
24G多目标环境感知雷达,典型应用就是BSD,它是装在车的尾部的,如果有后车再靠近,它可以分出来后车的车道,同时报给主控系统,如果你要朝左右并线的时候,你主要观察是不是有危险,是不是有车辆在靠近。
我们有多目标和单目标的产品,单目标的成本其实非常的低,我们已经在很多的应用上进行了批量的使用,它不区分车道,只要有车过来它就会报警。
我们还专门在恶劣天气下做了道路测试,左右各装了一个BSD雷达,如果后车角上有车靠近,它相应的位置灯会亮起,即便是下雨天它也可以准确的检测你的左右车道是不是有车辆正在超车、靠近,可以进行声光电报警,甚至可以做一些联动。
司机如果想左右拐弯的时候,尤其像下雨天后视镜经常看不清楚,所以当你并线的时候,你非常需要这样一个辅助来提醒你后面有车靠近,并线很危险。
另外,我们跟合作伙伴一起推出了毫米波雷达和视觉两个传感器的融合产品,这样的话它对前方感知的精度会进一步的提升,另外对于车道线保持等视觉上做的工作我们都可以集成到一个系统里面来,雷达就是做前方的辅助探测用。
我们在雷达研发测试过程中还有很多的室内测试,像场地测试、整机、环境适应性的测试工作,在后端市场可能部分测试上测完了之后就可以装车使用了,这是我们现在能够实现的状态,已经有小量的后装市场的应用了。
在量产方面我们本来就有一个雷达生产基地,我们可以进行改造。同时适应汽车行业的标准,我们正在申请相关的资质认证,这是一个视场准入门槛。目前,我们有很多的客户正在进行实际的测试或者更深度的合作。
我们在毫米波雷达上的有自己的技术路径和产品布局,也是分为前向和环境感知两个部分。在前向的部分已经实现了3发4收的77G雷达,还会推出一个1.5代,对第一代进行改进,主要是增加了高度角度的测量,这样可以来区分高处的过街天桥和广告牌。
第二代产品是明年3月份推出的一个多发多收相控阵技术,用的12个发射单元和16个接收单元,它能够实现角度上的分辨率达到0.2度,达到66度视场角,它已经具备成像雷达的效果。
同时,我们还会有更复杂的四维成像的雷达,将是第三代的产品。同时,今年的四季度,我们的79G高精度环境感知雷达将发布。
-
传感器
+关注
关注
2548文章
50678浏览量
752007 -
雷达技术
+关注
关注
0文章
62浏览量
13462 -
毫米波雷达
+关注
关注
106文章
1030浏览量
64239
原文标题:毫米波雷达那些事:距离、精度、角度、高度、信号处理 | GGA开发者大会
文章出处:【微信号:ilove-ev,微信公众号:高工智能汽车】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论