自動(dòng)駕駛技術(shù)就好比是訓(xùn)練自動(dòng)駕駛汽車(chē)（AV）像人類(lèi)一樣駕駛，甚至有希望比人類(lèi)駕駛得更好。正如人類(lèi)在駕駛汽車(chē)時(shí)需要依靠感官和認(rèn)知反應(yīng)一樣，傳感器技術(shù)也是實(shí)現(xiàn)自動(dòng)駕駛不可或缺的一部分。

　　在攝像頭、雷達(dá)和激光雷達(dá)這三種傳感器中，雷達(dá)在交通安全領(lǐng)域應(yīng)用的歷史可能最為悠久。最早用于保障交通安全的雷達(dá)專(zhuān)利技術(shù)之一被稱(chēng)為 Telemobiloscope（電動(dòng)鏡）。它是由德國(guó)發(fā)明家 Christian Hülsmeyer 發(fā)明的一種船舶防撞工具。

　　此后，雷達(dá)技術(shù)取得了長(zhǎng)足的發(fā)展，現(xiàn)已成為汽車(chē)功能安全的重要使能技術(shù)。據(jù)估計(jì)，汽車(chē)?yán)走_(dá)的市場(chǎng)規(guī)模在 2033 年將突破 180 億美元。

　　如表 1 所示，汽車(chē)?yán)走_(dá)具有許多優(yōu)點(diǎn)。這些優(yōu)點(diǎn)將繼續(xù)幫助工程師部署高級(jí)駕駛輔助系統(tǒng)（ADAS）。現(xiàn)代汽車(chē)中的許多功能都是通過(guò)雷達(dá)實(shí)現(xiàn)的，例如自動(dòng)緊急制動(dòng)系統(tǒng)、前方碰撞預(yù)警、盲點(diǎn)檢測(cè)、變道輔助、后方碰撞預(yù)警系統(tǒng)、高速路上的自適應(yīng)高速巡航控制、交通擁堵時(shí)的自動(dòng)跟車(chē)啟停等。

　　表 1 ：汽車(chē)?yán)走_(dá)技術(shù)的優(yōu)點(diǎn)和當(dāng)前的局限性

　　雖然汽車(chē)?yán)走_(dá)技術(shù)有許多優(yōu)點(diǎn)，但也存在需要工程師們克服的局限性。多年來(lái)，提高雷達(dá)的分辨率對(duì)于工程師而言一直是一項(xiàng)重要挑戰(zhàn)，不過(guò)近年來(lái)的創(chuàng)新技術(shù)正在發(fā)揮作用，使得雷達(dá)在目標(biāo)檢測(cè)方面能夠提供更加精確的信息。

　　在 3D 目標(biāo)檢測(cè)方面的差異

　　傳統(tǒng)的 3D 汽車(chē)?yán)走_(dá)傳感器使用無(wú)線射頻探測(cè) 3D 物體的距離、位置和多普勒效應(yīng)（即物體的速度）等。為了提高汽車(chē)?yán)走_(dá)傳感器在安全價(jià)值鏈中的作用，幫助實(shí)現(xiàn)自動(dòng)駕駛，業(yè)界正在不斷突破 3D 雷達(dá)的局限性。自 2022 年以來(lái)，由于歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)（ETSI）和美國(guó)聯(lián)邦通信委員會(huì)（FCC）制定了頻譜法規(guī)和標(biāo)準(zhǔn)，歐洲和美國(guó)逐步淘汰了使用 21.65 GHz 至 26.65 GHz 頻段的 24 GHz 超寬帶（UWB）雷達(dá)頻率。

　　在逐步淘汰 24 GHz UWB 頻段的同時(shí)，監(jiān)管機(jī)構(gòu)為車(chē)載雷達(dá)技術(shù)開(kāi)放了 從 76 GHz 到 81 GHz 的總帶寬為 5 GHz 的連續(xù)頻段。遠(yuǎn)距離探測(cè)使用 76 GHz 頻段，而短距離、高精度探測(cè)則使用 77-81 GHz 頻段。

　　了解更高頻率、更寬帶寬的先進(jìn)汽車(chē)?yán)走_(dá)系統(tǒng)所帶來(lái)的性能提升非常重要，這有助于提高雷達(dá)的距離分辨率，它決定了兩個(gè)物體的最小距離間隔有多遠(yuǎn)時(shí)，雷達(dá)才能分別探測(cè)到這兩個(gè)獨(dú)立的目標(biāo)。例如，24 GHz 雷達(dá)系統(tǒng)的距離分辨率為 75 cm，而 77 GHz 雷達(dá)系統(tǒng)則提高到 4 cm，這使其可以更好地探測(cè)多個(gè)彼此靠近的目標(biāo)（圖 1）。

　　圖 1 ：24 GHz 雷達(dá)（左）無(wú)法分辨距離太近的物體，77 GHz雷達(dá)傳感器（右）則可以將上述目標(biāo)識(shí)別為不同的物體

　　如果一個(gè)女孩和她的狗緊挨著站在路邊，人類(lèi)駕駛員在大多數(shù)情況下可以十分輕松地識(shí)別出這一場(chǎng)景，并且提前預(yù)判到這條狗很有可能會(huì)突然躥到路上，從而做出反應(yīng)。但此時(shí)只有帶寬較寬的雷達(dá)（見(jiàn)圖 2，右側(cè)的測(cè)試）可以探測(cè)到這兩個(gè)獨(dú)立的目標(biāo)，并向駕駛員或自動(dòng)駕駛系統(tǒng)提供正確信息。

　　圖 2 ：1 GHz（左）和 4 GHz（右）帶寬的測(cè)試結(jié)果比較清晰地顯示，只有帶寬較寬的分辨率（右側(cè)）才能檢測(cè)到兩個(gè)不同的物體

　　利用 4D 雷達(dá)及其他技術(shù)筑起更加牢固的安全堤壩

　　雷達(dá)傳感技術(shù)必須能夠精準(zhǔn)地檢測(cè)、分割和追蹤車(chē)輛周?chē)奈矬w，才能讓人類(lèi)將方向盤(pán)放心地交給自動(dòng)駕駛汽車(chē)。這一需求正在推動(dòng) 4D 雷達(dá)的發(fā)展，4D 雷達(dá)可以在 3D 雷達(dá)給出的距離、水平位置和速度等相關(guān)數(shù)據(jù)的基礎(chǔ)上，提供更加準(zhǔn)確、詳細(xì)的 3D 空間物體信息，包括物體的垂直位置（見(jiàn)表 2）。

　　表 2 ：3D雷達(dá)和4D雷達(dá)的區(qū)別

　　4D 成像雷達(dá)的出現(xiàn)使自動(dòng)駕駛汽車(chē)能夠憑借更高的分辨率探測(cè)到更小的物體，同時(shí)成像雷達(dá)也可以測(cè)繪出更加完整的“全方位”環(huán)境地圖。

　　為了正確解釋垂直視角中的物體，自動(dòng)駕駛汽車(chē)必須能夠使用 4D 和成像雷達(dá)檢測(cè)出物體的高度。例如，自動(dòng)駕駛汽車(chē)的 3D 雷達(dá)可能會(huì)將從扁平井蓋上反彈的信號(hào)誤認(rèn)為是道路上的障礙物，從而為了避開(kāi)并不存在的障礙物而突然停車(chē)。

　　在現(xiàn)實(shí)世界中，汽車(chē)?yán)走_(dá)探測(cè)到的交通“事件”從來(lái)都不會(huì)是像上述案例那樣的孤立事件。人類(lèi)駕駛員要在數(shù)以百計(jì)的車(chē)輛、行人、道路工程，甚至是偶爾橫穿馬路的野生駝鹿中穿梭（圖 3），因此需要綜合運(yùn)用視覺(jué)和聽(tīng)覺(jué)感知到的信息以及交通規(guī)則、經(jīng)驗(yàn)和本能。

　　圖 3 ：值得深入思考的駝鹿問(wèn)題：當(dāng)駝鹿在漆黑的夜晚從自動(dòng)駕駛汽車(chē)前穿過(guò)時(shí)，它會(huì)不會(huì)在車(chē)燈的照射下停止不動(dòng)，或者遠(yuǎn)程雷達(dá)會(huì)不會(huì)發(fā)出充分的警告并在適當(dāng)?shù)木嚯x外減速停車(chē)？

　　同樣，自動(dòng)駕駛汽車(chē)依靠雷達(dá)傳感器和其他系統(tǒng)，例如攝像頭、激光雷達(dá)和車(chē)聯(lián)網(wǎng)（V2X） 系統(tǒng)，提供的準(zhǔn)確數(shù)據(jù)檢測(cè)周?chē)慕煌ōh(huán)境。各個(gè)數(shù)據(jù)流與 ADAS 或自動(dòng)駕駛算法進(jìn)行通信，幫助汽車(chē)感知所檢測(cè)到的車(chē)輛或物體的相對(duì)位置與速度。然后，ADAS /自動(dòng)駕駛系統(tǒng)中的控制算法會(huì)幫助觸發(fā)被動(dòng)反應(yīng)（例如通過(guò)閃爍警示燈提醒駕駛員注意盲點(diǎn)危險(xiǎn)）或主動(dòng)反應(yīng)（例如采取緊急制動(dòng)以避免碰撞）。

　　汽車(chē)?yán)走_(dá)測(cè)試

　　目前，汽車(chē)制造商和雷達(dá)模塊提供商使用軟件和硬件測(cè)試其雷達(dá)模塊的功能。有兩種主要的硬件測(cè)試方法：

　　·使用與被測(cè)雷達(dá)設(shè)備（DUT）保持不同距離和角度的角反射器，每個(gè)反射器代表一個(gè)靜態(tài)目標(biāo)。當(dāng)需要改變這種靜態(tài)場(chǎng)景時(shí)，必須將角反射器移動(dòng)到新的位置。

　　·使用雷達(dá)目標(biāo)模擬器（RTS）可以對(duì)雷達(dá)目標(biāo)進(jìn)行電子仿真，從而同時(shí)仿真靜態(tài)和動(dòng)態(tài)目標(biāo)以及目標(biāo)的距離、速度和大小。在目標(biāo)數(shù)量超過(guò) 32 個(gè)的復(fù)雜/逼真場(chǎng)景中，基于 RTS 的功能測(cè)試會(huì)出現(xiàn)缺點(diǎn)，并且這種測(cè)試也無(wú)法鑒定 4D 和成像雷達(dá)探測(cè)擴(kuò)展目標(biāo)的能力。擴(kuò)展目標(biāo)是由點(diǎn)云表示的物體，而不僅僅是一個(gè)反射。

　　圖 4 ：使用雷達(dá)目標(biāo)模擬器（RTS）對(duì)雷達(dá)傳感器執(zhí)行測(cè)試，無(wú)法提供用于驗(yàn)證自動(dòng)駕駛應(yīng)用的完整交通場(chǎng)景

　　基于數(shù)量有限的目標(biāo)物體，對(duì)雷達(dá)裝置執(zhí)行測(cè)試，無(wú)法還原完整的自動(dòng)駕駛汽車(chē)駕駛場(chǎng)景。它忽略了現(xiàn)實(shí)世界的復(fù)雜性，尤其是在市區(qū)，各個(gè)交叉路口和轉(zhuǎn)彎處都會(huì)有行人、騎行者和電瓶車(chē)，路況十分復(fù)雜。

　　提高雷達(dá)算法的智能化水平

　　機(jī)器學(xué)習(xí)正在越來(lái)越多地幫助開(kāi)發(fā)人員訓(xùn)練 ADAS 算法來(lái)更好地解釋雷達(dá)傳感器和其他傳感器系統(tǒng)的數(shù)據(jù)，并對(duì)這些數(shù)據(jù)進(jìn)行分類(lèi)。最近，YOLO 成為了汽車(chē)?yán)走_(dá)算法領(lǐng)域的一個(gè)熱門(mén)詞匯。YOLO 是“You Only Look Once”的縮寫(xiě)，意思是通過(guò)一次網(wǎng)絡(luò)傳遞完成目標(biāo)檢測(cè)任務(wù)。這種說(shuō)法可謂非常貼切，因?yàn)槔走_(dá)感知到的內(nèi)容和 ADAS 算法對(duì)數(shù)據(jù)的解讀都是至關(guān)重要的過(guò)程，甚至可以說(shuō)是生死攸關(guān)。基于 YOLO 的雷達(dá)目標(biāo)檢測(cè)方法，希望同時(shí)完成對(duì)多個(gè)物體的精確探測(cè)和分割。

　　在這些自動(dòng)駕駛系統(tǒng)最后進(jìn)入成本高昂的道路測(cè)試階段之前，先對(duì)物理雷達(dá)傳感器和 ADAS 算法進(jìn)行嚴(yán)格的測(cè)試至關(guān)重要。為了更加真實(shí)地 360 度全方位還原現(xiàn)實(shí)世界中的各種交通場(chǎng)景，汽車(chē)制造商已經(jīng)開(kāi)始使用雷達(dá)場(chǎng)景仿真技術(shù)將真實(shí)的道路場(chǎng)景“搬”進(jìn)實(shí)驗(yàn)室里，進(jìn)行仿真測(cè)試。

　　向 L4 級(jí)和 L5 級(jí)自動(dòng)駕駛邁進(jìn)的一大關(guān)鍵挑戰(zhàn)是需要自動(dòng)駕駛車(chē)輛能夠區(qū)分道路上的動(dòng)態(tài)障礙物并自主決定行動(dòng)路線，而不僅僅是在儀表盤(pán)上發(fā)出警示或亮起警告燈。在仿真交通場(chǎng)景時(shí)，如果描繪每個(gè)目標(biāo)的點(diǎn)數(shù)太少，可能會(huì)導(dǎo)致雷達(dá)錯(cuò)誤地將間隔很近的物體辨認(rèn)為一個(gè)整體。這樣就難以全方位地測(cè)試傳感器，也很難全面測(cè)試依賴(lài)?yán)走_(dá)傳感器數(shù)據(jù)流的算法和決策。

　　新的雷達(dá)場(chǎng)景仿真技術(shù)使用了光線追蹤和點(diǎn)云技術(shù)，能夠從高度逼真的交通仿真場(chǎng)景中提取相關(guān)數(shù)據(jù)并更好地檢測(cè)和區(qū)分不同的物體（見(jiàn)圖 5）。通過(guò)使用新型毫米波（mmWave）空中下載（OTA）技術(shù)，雷達(dá)場(chǎng)景仿真器可生成多個(gè)靜態(tài)和動(dòng)態(tài)目標(biāo)。這些目標(biāo)的間隔距離從 1.5 米到 300 米不等，速度在 0 到 400 公里/小時(shí)之間，適用于短程、中程和遠(yuǎn)程汽車(chē)?yán)走_(dá)，為雷達(dá)傳感器的測(cè)試提供了更為真實(shí)的交通場(chǎng)景。

　　圖 5 ：使用雷達(dá)場(chǎng)景仿真進(jìn)行感知算法測(cè)試的屏幕截圖。右側(cè)屏幕顯示的是由左側(cè)雷達(dá)場(chǎng)景仿真器模擬的交通交通場(chǎng)景。綠點(diǎn)表示仿真的雷達(dá)反射，紅點(diǎn)表示雷達(dá)傳感器檢測(cè)到的信號(hào)

　　無(wú)論是雷達(dá)傳感器還是算法都可以在雷達(dá)場(chǎng)景仿真中快速進(jìn)行多次設(shè)計(jì)迭代，從而修復(fù)錯(cuò)誤和對(duì)設(shè)計(jì)作出微調(diào)。因此，雷達(dá)場(chǎng)景仿真對(duì)于上路前的駕駛測(cè)試非常有幫助。除了 ADAS 和自動(dòng)駕駛功能測(cè)試外，它還能幫助汽車(chē)制造商開(kāi)發(fā)變量處理應(yīng)用，例如驗(yàn)證不同的保險(xiǎn)杠設(shè)計(jì)、噴漆和雷達(dá)模塊定位功能對(duì)雷達(dá)功能的影響。

　　自動(dòng)駕駛平臺(tái)提供商和雷達(dá)系統(tǒng)制造商可以通過(guò)多個(gè)可重復(fù)和可定制的場(chǎng)景增強(qiáng)車(chē)輛對(duì)不同真實(shí)交通場(chǎng)景的感知能力，使雷達(dá)傳感器捕獲大量數(shù)據(jù)供自動(dòng)駕駛算法用于機(jī)器學(xué)習(xí)。

　　如今，高速數(shù)字信號(hào)處理（DSP）在對(duì)各個(gè)雷達(dá)檢測(cè)結(jié)果進(jìn)行微調(diào)時(shí)也發(fā)揮著至關(guān)重要的作用。如圖 6 所示，雷達(dá)可以采集行人手臂和腿部的各種信息，包括速度、距離、橫截面（大小）和角度（水平和垂直）等。這些信息對(duì)于訓(xùn)練雷達(dá)算法識(shí)別行人（而不是像過(guò)馬路的寵物狗這樣的數(shù)字 4D 形狀）至關(guān)重要。

　　圖 6 ：使用雷達(dá)場(chǎng)景仿真的高速數(shù)字處理技術(shù)可對(duì)動(dòng)態(tài)目標(biāo)進(jìn)行更加精細(xì)的數(shù)據(jù)分析，例如移動(dòng)的行人等

　　超級(jí)傳感器的崛起始于可靠的測(cè)試

　　從芯片設(shè)計(jì)到制造再到后續(xù)的雷達(dá)模塊測(cè)試，汽車(chē)?yán)走_(dá)設(shè)計(jì)、開(kāi)發(fā)和制造生命周期的每一個(gè)環(huán)節(jié)都需要經(jīng)過(guò)嚴(yán)格的測(cè)試。

　　將毫米波頻段用于汽車(chē)?yán)走_(dá)應(yīng)用會(huì)遇到許多測(cè)試方面的挑戰(zhàn)。工程師需要考慮測(cè)試設(shè)置、確保測(cè)試設(shè)備能夠進(jìn)行超寬帶毫米波測(cè)量、減少信噪比損失，并滿足不同地區(qū)和市場(chǎng)對(duì)于干擾測(cè)試的新標(biāo)準(zhǔn)要求等。

　　在雷達(dá)模塊層面，現(xiàn)代 4D 和成像雷達(dá)模塊測(cè)試需要具有更大帶寬和更高距離分辨率的測(cè)試設(shè)備。

　　最后一個(gè)難題是將汽車(chē)?yán)走_(dá)集成到 ADAS 和自動(dòng)駕駛系統(tǒng)中并使標(biāo)準(zhǔn)駕駛情況中的算法適用于百萬(wàn)分之一的極端情況。未來(lái)，隨著越來(lái)越多的駕駛員退居二線，訓(xùn)練有素且經(jīng)過(guò)測(cè)試的雷達(dá)超級(jí)傳感器系統(tǒng)將為乘客帶來(lái)更加平穩(wěn)、安全的乘坐體驗(yàn)。

更多精彩內(nèi)容歡迎點(diǎn)擊==>>電子技術(shù)應(yīng)用-AET<<