自動駕駛技術(shù)就好比是訓(xùn)練自動駕駛汽車（AV）像人類一樣駕駛,，甚至有希望比人類駕駛得更好,。正如人類在駕駛汽車時需要依靠感官和認(rèn)知反應(yīng)一樣，傳感器技術(shù)也是實現(xiàn)自動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)專利技術(shù)之一被稱為 Telemobiloscope（電動鏡）,。它是由德國發(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)取得了長足的發(fā)展,，現(xiàn)已成為汽車功能安全的重要使能技術(shù)。據(jù)估計,，汽車?yán)走_(dá)的市場規(guī)模在 2033 年將突破 180 億美元,。

　　如表 1 所示，汽車?yán)走_(dá)具有許多優(yōu)點,。這些優(yōu)點將繼續(xù)幫助工程師部署高級駕駛輔助系統(tǒng)（ADAS）?，F(xiàn)代汽車中的許多功能都是通過雷達(dá)實現(xiàn)的，例如自動緊急制動系統(tǒng),、前方碰撞預(yù)警,、盲點檢測、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、交通擁堵時的自動跟車啟停等,。

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

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

　　在 3D 目標(biāo)檢測方面的差異

　　傳統(tǒng)的 3D 汽車?yán)走_(dá)傳感器使用無線射頻探測 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?yán)走_(dá)傳感器在安全價值鏈中的作用，幫助實現(xiàn)自動駕駛,，業(yè)界正在不斷突破 3D 雷達(dá)的局限性,。自 2022 年以來，由于歐洲電信標(biāo)準(zhǔn)協(xié)會（ETSI）和美國聯(lián)邦通信委員會（FCC）制定了頻譜法規(guī)和標(biāo)準(zhǔn),，歐洲和美國逐步淘汰了使用 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，監(jiān)管機構(gòu)為車載雷達(dá)技術(shù)開放了 從 76 GHz 到 81 GHz 的總帶寬為 5 GHz 的連續(xù)頻段,。遠(yuǎn)距離探測使用 76 GHz 頻段,，而短距離、高精度探測則使用 77-81 GHz 頻段,。

　　了解更高頻率,、更寬帶寬的先進(jìn)汽車?yán)走_(dá)系統(tǒng)所帶來的性能提升非常重要，這有助于提高雷達(dá)的距離分辨率,，它決定了兩個物體的最小距離間隔有多遠(yuǎn)時,，雷達(dá)才能分別探測到這兩個獨立的目標(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多個彼此靠近的目標(biāo)（圖 1）,。

　　圖 1 ：24 GHz 雷達(dá)（左）無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)識別為不同的物體

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

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

　　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,、分割和追蹤車輛周圍的物體，才能讓人類將方向盤放心地交給自動駕駛汽車,。這一需求正在推動 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)使自動駕駛汽車能夠憑借更高的分辨率探測到更小的物體,，同時成像雷達(dá)也可以測繪出更加完整的“全方位”環(huán)境地圖。

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

　　在現(xiàn)實世界中，汽車?yán)走_(dá)探測到的交通“事件”從來都不會是像上述案例那樣的孤立事件,。人類駕駛員要在數(shù)以百計的車輛,、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）,，因此需要綜合運用視覺和聽覺感知到的信息以及交通規(guī)則、經(jīng)驗和本能,。

　　圖 3 ：值得深入思考的駝鹿問題：當(dāng)駝鹿在漆黑的夜晚從自動駕駛汽車前穿過時,，它會不會在車燈的照射下停止不動，或者遠(yuǎn)程雷達(dá)會不會發(fā)出充分的警告并在適當(dāng)?shù)木嚯x外減速停車,？

　　同樣,，自動駕駛汽車依靠雷達(dá)傳感器和其他系統(tǒng)，例如攝像頭,、激光雷達(dá)和車聯(lián)網(wǎng)（V2X） 系統(tǒng),，提供的準(zhǔn)確數(shù)據(jù)檢測周圍的交通環(huán)境。各個數(shù)據(jù)流與 ADAS 或自動駕駛算法進(jìn)行通信,，幫助汽車感知所檢測到的車輛或物體的相對位置與速度,。然后，ADAS /自動駕駛系統(tǒng)中的控制算法會幫助觸發(fā)被動反應(yīng)（例如通過閃爍警示燈提醒駕駛員注意盲點危險）或主動反應(yīng)（例如采取緊急制動以避免碰撞）,。

　　汽車?yán)走_(dá)測試

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

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

　　·使用雷達(dá)目標(biāo)模擬器（RTS）可以對雷達(dá)目標(biāo)進(jìn)行電子仿真,，從而同時仿真靜態(tài)和動態(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 32 個的復(fù)雜/逼真場景中,，基于 RTS 的功能測試會出現(xiàn)缺點,，并且這種測試也無法鑒定 4D 和成像雷達(dá)探測擴展目標(biāo)的能力。擴展目標(biāo)是由點云表示的物體,，而不僅僅是一個反射,。

　　圖 4 ：使用雷達(dá)目標(biāo)模擬器（RTS）對雷達(dá)傳感器執(zhí)行測試，無法提供用于驗證自動駕駛應(yīng)用的完整交通場景

　　基于數(shù)量有限的目標(biāo)物體,，對雷達(dá)裝置執(zhí)行測試,，無法還原完整的自動駕駛汽車駕駛場景。它忽略了現(xiàn)實世界的復(fù)雜性,，尤其是在市區(qū),，各個交叉路口和轉(zhuǎn)彎處都會有行人、騎行者和電瓶車,，路況十分復(fù)雜,。

　　提高雷達(dá)算法的智能化水平

　　機器學(xué)習(xí)正在越來越多地幫助開發(fā)人員訓(xùn)練 ADAS 算法來更好地解釋雷達(dá)傳感器和其他傳感器系統(tǒng)的數(shù)據(jù)，并對這些數(shù)據(jù)進(jìn)行分類,。最近,，YOLO 成為了汽車?yán)走_(dá)算法領(lǐng)域的一個熱門詞匯。YOLO 是“You Only Look Once”的縮寫,，意思是通過一次網(wǎng)絡(luò)傳遞完成目標(biāo)檢測任務(wù),。這種說法可謂非常貼切，因為雷達(dá)感知到的內(nèi)容和 ADAS 算法對數(shù)據(jù)的解讀都是至關(guān)重要的過程,，甚至可以說是生死攸關(guān),。基于 YOLO 的雷達(dá)目標(biāo)檢測方法,，希望同時完成對多個物體的精確探測和分割,。

　　在這些自動駕駛系統(tǒng)最后進(jìn)入成本高昂的道路測試階段之前，先對物理雷達(dá)傳感器和 ADAS 算法進(jìn)行嚴(yán)格的測試至關(guān)重要,。為了更加真實地 360 度全方位還原現(xiàn)實世界中的各種交通場景,，汽車制造商已經(jīng)開始使用雷達(dá)場景仿真技術(shù)將真實的道路場景“搬”進(jìn)實驗室里，進(jìn)行仿真測試,。

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

　　新的雷達(dá)場景仿真技術(shù)使用了光線追蹤和點云技術(shù),，能夠從高度逼真的交通仿真場景中提取相關(guān)數(shù)據(jù)并更好地檢測和區(qū)分不同的物體（見圖 5）。通過使用新型毫米波（mmWave）空中下載（OTA）技術(shù),，雷達(dá)場景仿真器可生成多個靜態(tài)和動態(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/小時之間,，適用于短程,、中程和遠(yuǎn)程汽車?yán)走_(dá),，為雷達(dá)傳感器的測試提供了更為真實的交通場景,。

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

　　無論是雷達(dá)傳感器還是算法都可以在雷達(dá)場景仿真中快速進(jìn)行多次設(shè)計迭代，從而修復(fù)錯誤和對設(shè)計作出微調(diào),。因此,，雷達(dá)場景仿真對于上路前的駕駛測試非常有幫助。除了 ADAS 和自動駕駛功能測試外,，它還能幫助汽車制造商開發(fā)變量處理應(yīng)用,，例如驗證不同的保險杠設(shè)計、噴漆和雷達(dá)模塊定位功能對雷達(dá)功能的影響,。

　　自動駕駛平臺提供商和雷達(dá)系統(tǒng)制造商可以通過多個可重復(fù)和可定制的場景增強車輛對不同真實交通場景的感知能力,，使雷達(dá)傳感器捕獲大量數(shù)據(jù)供自動駕駛算法用于機器學(xué)習(xí)。

　　如今,，高速數(shù)字信號處理（DSP）在對各個雷達(dá)檢測結(jié)果進(jìn)行微調(diào)時也發(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?。┖徒嵌龋ㄋ胶痛怪保┑?。這些信息對于訓(xùn)練雷達(dá)算法識別行人（而不是像過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)場景仿真的高速數(shù)字處理技術(shù)可對動態(tài)目標(biāo)進(jìn)行更加精細(xì)的數(shù)據(jù)分析,，例如移動的行人等

　　超級傳感器的崛起始于可靠的測試

　　從芯片設(shè)計到制造再到后續(xù)的雷達(dá)模塊測試,，汽車?yán)走_(dá)設(shè)計、開發(fā)和制造生命周期的每一個環(huán)節(jié)都需要經(jīng)過嚴(yán)格的測試,。

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

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

　　最后一個難題是將汽車?yán)走_(dá)集成到 ADAS 和自動駕駛系統(tǒng)中并使標(biāo)準(zhǔn)駕駛情況中的算法適用于百萬分之一的極端情況,。未來，隨著越來越多的駕駛員退居二線,，訓(xùn)練有素且經(jīng)過測試的雷達(dá)超級傳感器系統(tǒng)將為乘客帶來更加平穩(wěn),、安全的乘坐體驗。

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