“毫米波雷達相比其他的傳感器它主要優勢就是全天候運行,不光是白天黑夜,主要還是它能夠適應各種氣侯條件,雨、雪、霧霾它都受的影響非常小,這個是相比其他傳感器的一個非常大的優勢。”在川速微波總經理王東峰看來,毫米波雷達的實時測速和測距是非常精準的,穩定性也非常高,這是最大優勢。
川速微波總經理王東峰在2018高工智能商用車開發者大會上發表主題演講
現在,我們可以看到一些典型的車對于毫米波雷達的配置,常見的就是一個前向的遠距離的毫米波雷達,車的周邊會有幾個感知環境的毫米波雷達的配置,特斯拉比較特殊一點,它出于成本的考慮,實際上只配了一個前向的毫米波雷達和視覺,它的周邊是配備了大量的超聲波的短距離的雷達。
但是通用汽車就比較夸張一些,它在無人駕駛汽車上配了多達21個毫米波雷達,遍布了車的全身,冗余設計也是比較明顯的。
我們借用這樣一張圖來給大家展示一下整個汽車的ADAS系統。里面包含了非常多的子系統,像我們通常能夠看到的ACC、SAW、以及BSD等等,從這個圖上我們可以看到不同的子系統對于傳感器配置的要求還是有些區別的,黃色的部分都是毫米波雷達適用的一些系統,比較常見的就是前向的防撞預警、自適應巡航等等。
我們在現在的量產ADAS系統中常見的還是基于視覺的解決方案要多一些。它的一些不足其實主要還是體現在全天候,像天黑了以后識別度下降,如果遇見大雨、雪、霧霾這種天氣影響還是比較大的。
另外,如果遇到逆光還有強光的情況可能還有短時的失效。另外純視覺的解決方案對于速度和距離的測量不是一個直接的測量,所以相對來講精度要略低一些。
還有就是比較熱門的激光雷達傳感器,尤其是在無人駕駛,L3、 L4級別以上的無人駕駛當中,激光雷達還是很受歡迎的。但是它同樣受到天候條件的限制比較大,另外現在成本比較高。
激光雷達的抗污性能還是比較成問題的。這張圖片上看到的這個激光雷達,有的激光雷達上面大、下面大還好,這個從上往下的錐形,如果上面糊到鳥屎的話,影響還是非常大的。
我們看一下毫米波雷達發展的歷史情況,從六七十年代就在國外的一些汽車上就開始得到應用了,當時實際上是把軍事應用的雷達技術用到了汽車上。
隨著技術的演進,毫米波雷達主要變化就是從近程到遠程,測量的精度越來越高,從最早的測速、測距,到現在可以實現測速、測距、測角,以及未來可以實現分辨率更高,可以形成比較粗略的圖像來。
目前,毫米波雷達的頻段也從10G到24G到法定的77G頻段,這樣勘測的精度也高,整個發展過程還是比較明顯的,可以說代表了整個汽車的輔助駕駛和無人駕駛的發展過程。
從雷達本身來看,早期受制于射頻的技術,還出現了基線掃描雷達,還出現了電子透鏡的掃描雷達,現在大家都用相位控制技術來做高精度的電掃描的毫米波雷達。
提到毫米波雷達不得不提一下射頻芯片的進步,川速微波是從06年開始就做民用的微波雷達,當時做24G頻段的時候還用到波導結構的整量器,從09年開始才有集成芯片。
發展到現在,77G的集成芯片也已經是雨后春筍一般的出來了,包括最早進入國內的有飛思卡爾(被NXP收購)等多家芯片廠商,都陸續推出了自己77G的芯片。
我們在77G的前向雷達采用的NXP的解決方案,一個單芯片就集成了三個發射通道和4個接收通道,集成度非常高,還有4路的高速AD。當然TI現在的集成度更夸張,除了發射接收通道以外,還集成了其他的功能,這給毫米波廠家帶來了很大的方便,設計上更便捷,也可以實現更好的性能應用。
從技術的發展趨勢來看,毫米波雷達主要面向解決的就是探測距離越來越遠,距離精度越來越高,更重要的是角度的探測,角度分辨率越來越高。
傳統的雷達都是在一個平面上進行探測,現在由于無人駕駛的需要,還要在高度上進行測量,這樣的話去區分地面上的井蓋和高處的廣告牌等等。
最后就是在信號處理上,也是結合現在的人工智能技術,也需要一些智能的機器學習算法,在雷達的信號上進行目標的識別以及多目標的區分。
當前的情況其實主要還是在ADAS系統上,毫米波雷達已經得到了比較廣泛的應用,我們根據它的距離、角度和速度這三個角度,把這些應用進行了一些分類,川速微波在這些常見的ADAS系統當中都有產品的布局。
比如說對于探測前方的遠距離和大范圍區域的應用,比較典型的就是FCW,前方防撞預警,因為它的探測距離非常遠。還有就是ACC自適應巡航,如果是探測后方的中原距離以及比較窄的范圍,我們常見的就是盲點的監測以及橫穿的預警。
如果是中近距離可以做緊急制動,在非常高速度和非常大范圍的情況下還是不太成熟,所以一般都限定在中低速度和中近的距離范圍內來做AEB。還有盲點檢測以及橫穿的預警,都是屬于中近距離的應用。
近些年來,ADAS系統在全球的汽車安全性能評估體系里面也是非常的重要,2014年歐盟就把AEB納入評分體系,同年美國也把前向的防撞預警納入它的評估體系。中國從2018年開始也正式將AEB作為一個強制的評分標準,應用于大型的客車等等運營車輛。
目前,商用車ADAS系統的必要性還是非常明顯的,乘客多,安全的責任也比較大,這是從安全的角度來說。從技術的角度來說,商用車可行駛道路相對來說是結構化的,相對來說比較穩定,在技術的角度來說更容易落地,更容易成熟使用。
此外,大型商用車的盲區更多更明顯,所以也容易出問題,我們有專門針對盲點監測以及自動緊急制動的產品應用。同時,商用車往往是長時間運營,駕駛員容易疲勞,也急需輔助駕駛來提高安全性。
同時,現在大家都在嘗試推進的商用車編隊行駛技術,可以明顯提高燃油的經濟性和安全性,這里面用到了自適應巡航系統,也是毫米波拉雷達比較擅長的一個應用。
川速微波是一家老字號的微波雷達廠商,經過十多年的發展,我們形成了3+1的應用領域,3個領域分別是交通、安防和汽車,另外還有一些零散的應用市場包括火車、停車場、無人機等等。
我們的研發團隊包括雷達技術的研發,射頻微波天線,以及信號處理算法,我們在北京大興有目前國內最大的微波雷達生產基地,每年生產兩萬臺以上的交通雷達。我們正在對現有產線進行升級,面向50萬臺汽車雷達的年生產能力。
川速微波在汽車雷達產品上的布局分為兩大類,一類是前向,一類是周邊的環境感知。前向是最典型的77頻段的遠程前向雷達,另外跟國內很多的客戶還定制了一款24G的前向防撞雷達產品,相對來說成本比較低,制動距離稍微近一些,主要是成本優勢,尤其是在乘用車和大型車上,對體積不敏感的情況下,24G的雷達體積要稍微大一些。
在環境感知雷達上面我們現在有三種產品,一個是79G的最高精度的環境感知雷達,它的分辨率能夠達到幾個厘米級,另外在24G的頻段上我們有低成本的單目標的BSD雷達,以及多目標的BSD雷達,BSD只是盲點檢測值其中的一個典型的應用。
我們的77G前向毫米波雷達,是業內體積最小的雷達,整個雷達是集成在一塊電路板上,我們把遠場、中場、近場集成在一個雷達里面,遠場可以達到200米,0.4米的分辨率,近場能夠達到90度以上的視場角和60度的作用距離,在一個雷達上可以進行實時的遠、中、近三個模式的切換。
24G的前向防撞雷達,成本比較低,作業距離近,尤其比較適用于大卡車這樣大型的車輛,并且要求不高,速度也不是特別快,主要是70米范圍內的防撞。
79G的環境感知雷達特點就是精度特別高,可以把整個周邊的環境都感知出來。
24G多目標環境感知雷達,典型應用就是BSD,它是裝在車的尾部的,如果有后車再靠近,它可以分出來后車的車道,同時報給主控系統,如果你要朝左右并線的時候,你主要觀察是不是有危險,是不是有車輛在靠近。
我們有多目標和單目標的產品,單目標的成本其實非常的低,我們已經在很多的應用上進行了批量的使用,它不區分車道,只要有車過來它就會報警。
我們還專門在惡劣天氣下做了道路測試,左右各裝了一個BSD雷達,如果后車角上有車靠近,它相應的位置燈會亮起,即便是下雨天它也可以準確的檢測你的左右車道是不是有車輛正在超車、靠近,可以進行聲光電報警,甚至可以做一些聯動。
司機如果想左右拐彎的時候,尤其像下雨天后視鏡經常看不清楚,所以當你并線的時候,你非常需要這樣一個輔助來提醒你后面有車靠近,并線很危險。
另外,我們跟合作伙伴一起推出了毫米波雷達和視覺兩個傳感器的融合產品,這樣的話它對前方感知的精度會進一步的提升,另外對于車道線保持等視覺上做的工作我們都可以集成到一個系統里面來,雷達就是做前方的輔助探測用。
我們在雷達研發測試過程中還有很多的室內測試,像場地測試、整機、環境適應性的測試工作,在后端市場可能部分測試上測完了之后就可以裝車使用了,這是我們現在能夠實現的狀態,已經有小量的后裝市場的應用了。
在量產方面我們本來就有一個雷達生產基地,我們可以進行改造。同時適應汽車行業的標準,我們正在申請相關的資質認證,這是一個視場準入門檻。目前,我們有很多的客戶正在進行實際的測試或者更深度的合作。
我們在毫米波雷達上的有自己的技術路徑和產品布局,也是分為前向和環境感知兩個部分。在前向的部分已經實現了3發4收的77G雷達,還會推出一個1.5代,對第一代進行改進,主要是增加了高度角度的測量,這樣可以來區分高處的過街天橋和廣告牌。
第二代產品是明年3月份推出的一個多發多收相控陣技術,用的12個發射單元和16個接收單元,它能夠實現角度上的分辨率達到0.2度,達到66度視場角,它已經具備成像雷達的效果。
同時,我們還會有更復雜的四維成像的雷達,將是第三代的產品。同時,今年的四季度,我們的79G高精度環境感知雷達將發布。
-
傳感器
+關注
關注
2564文章
52795瀏覽量
765490 -
雷達技術
+關注
關注
0文章
62瀏覽量
13718 -
毫米波雷達
+關注
關注
107文章
1094瀏覽量
65260
原文標題:毫米波雷達那些事:距離、精度、角度、高度、信號處理 | GGA開發者大會
文章出處:【微信號:ilove-ev,微信公眾號:高工智能汽車】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
評論