汽車(chē)雷達向超級傳感器演化，打開(kāi)無(wú)限想象力

自動(dòng)駕駛技術(shù)就好比是訓練自動(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)需要依靠感官和認知反應一樣，傳感器技術(shù)也是實(shí)現自動(dòng)駕駛不可或缺的一部分。

在攝像頭、雷達和激光雷達這三種傳感器中，雷達在交通安全領(lǐng)域應用的歷史可能最為悠久。最早用于保障交通安全的雷達專(zhuān)利技術(shù)之一被稱(chēng)為 Telemobiloscope（電動(dòng)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，雷達技術(shù)取得了長(cháng)足的發(fā)展，現已成為汽車(chē)功能安全的重要使能技術(shù)。據估計，汽車(chē)雷達的市場(chǎng)規模在 2033 年將突破 180 億美元。

如表 1 所示，汽車(chē)雷達具有許多優(yōu)點(diǎn)。這些優(yōu)點(diǎn)將繼續幫助工程師部署高級駕駛輔助系統（ADAS）?，F代汽車(chē)中的許多功能都是通過(guò)雷達實(shí)現的，例如自動(dòng)緊急制動(dòng)系統、前方碰撞預警、盲點(diǎn)檢測、變道輔助、后方碰撞預警系統、高速路上的自適應高速巡航控制、交通擁堵時(shí)的自動(dòng)跟車(chē)啟停等。

表1 汽車(chē)雷達技術(shù)的優(yōu)點(diǎn)和當前的局限性

雖然汽車(chē)雷達技術(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)，提高雷達的分辨率對于工程師而言一直是一項重要挑戰，不過(guò)近年來(lái)的創(chuàng )新技術(shù)正在發(fā)揮作用，使得雷達在目標檢測方面能夠提供更加精確的信息。

在3D目標檢測方面的差異

傳統的 3D 汽車(chē)雷達傳感器使用無(wú)線(xiàn)射頻探測 3D 物體的距離、位置和多普勒效應（即物體的速度）等。為了提高汽車(chē)雷達傳感器在安全價(jià)值鏈中的作用，幫助實(shí)現自動(dòng)駕駛，業(yè)界正在不斷突破 3D 雷達的局限性。自 2022 年以來(lái)，由于歐洲電信標準協(xié)會(huì )（ETSI）和美國聯(lián)邦通信委員會(huì )（FCC）制定了頻譜法規和標準，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）雷達頻率。

在逐步淘汰 24 GHz UWB 頻段的同時(shí)，監管機構為車(chē)載雷達技術(shù)開(kāi)放了 從 76 GHz 到 81 GHz 的總帶寬為 5 GHz 的連續頻段。遠距離探測使用 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(chē)雷達系統所帶來(lái)的性能提升非常重要，這有助于提高雷達的距離分辨率，它決定了兩個(gè)物體的最小距離間隔有多遠時(shí)，雷達才能分別探測到這兩個(gè)獨立的目標。例如，24 GHz 雷達系統的距離分辨率為 75 cm，而 77 GHz 雷達系統則提高到 4 cm，這使其可以更好地探測多個(gè)彼此靠近的目標（圖 1）。

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

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

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

利用4D雷達及其他技術(shù)筑起更加牢固的安全堤壩

雷達傳感技術(shù)必須能夠精準地檢測、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 雷達的發(fā)展，4D 雷達可以在 3D 雷達給出的距離、水平位置和速度等相關(guān)數據的基礎上，提供更加準確、詳細的 3D 空間物體信息，包括物體的垂直位置（見(jiàn)表 2）。

表2 3D雷達和4D雷達的區別

4D 成像雷達的出現使自動(dòng)駕駛汽車(chē)能夠憑借更高的分辨率探測到更小的物體，同時(shí)成像雷達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(dòng)駕駛汽車(chē)必須能夠使用 4D 和成像雷達檢測出物體的高度。例如，自動(dòng)駕駛汽車(chē)的 3D 雷達可能會(huì )將從扁平井蓋上反彈的信號誤認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)。

在現實(shí)世界中，汽車(chē)雷達探測到的交通“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)駕駛員要在數以百計的車(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），因此需要綜合運用視覺(jué)和聽(tīng)覺(jué)感知到的信息以及交通規則、經(jīng)驗和本能。

圖3 值得深入思考的駝鹿問(wèn)題：當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)，或者遠程雷達會(huì )不會(huì )發(fā)出充分的警告并在適當的距離外減速停車(chē)？

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

汽車(chē)雷達測試

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

●   使用與被測雷達設備（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。當需要改變這種靜態(tài)場(chǎng)景時(shí)，必須將角反射器移動(dòng)到新的位置。

●   使用雷達目標模擬器（RTS）可以對雷達目標進(jìn)行電子仿真，從而同時(shí)仿真靜態(tài)和動(dòng)態(tài)目標以及目標的距離、速度和大小。在目標數量超過(guò) 32 個(gè)的復雜/逼真場(chǎng)景中，基于 RTS 的功能測試會(huì )出現缺點(diǎn)，并且這種測試也無(wú)法鑒定 4D 和成像雷達探測擴展目標的能力。擴展目標是由點(diǎn)云表示的物體，而不僅僅是一個(gè)反射。

圖4 使用雷達目標模擬器（RTS）對雷達傳感器執行測試，無(wú)法提供用于驗證自動(dòng)駕駛應用的完整交通場(chǎng)景

基于數量有限的目標物體，對雷達裝置執行測試，無(wú)法還原完整的自動(dòng)駕駛汽車(chē)駕駛場(chǎng)景。它忽略了現實(shí)世界的復雜性，尤其是在市區，各個(gè)交叉路口和轉彎處都會(huì )有行人、騎行者和電瓶車(chē)，路況十分復雜。

提高雷達算法的智能化水平

機器學(xué)習正在越來(lái)越多地幫助開(kāi)發(fā)人員訓練 ADAS 算法來(lái)更好地解釋雷達傳感器和其他傳感器系統的數據，并對這些數據進(jìn)行分類(lèi)。最近，YOLO 成為了汽車(chē)雷達算法領(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 )傳遞完成目標檢測任務(wù)。這種說(shuō)法可謂非常貼切，因為雷達感知到的內容和 ADAS 算法對數據的解讀都是至關(guān)重要的過(guò)程，甚至可以說(shuō)是生死攸關(guān)?；?nbsp;YOLO 的雷達目標檢測方法，希望同時(shí)完成對多個(gè)物體的精確探測和分割。

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

向 L4 級和 L5 級自動(dòng)駕駛邁進(jìn)的一大關(guān)鍵挑戰是需要自動(dòng)駕駛車(chē)輛能夠區分道路上的動(dòng)態(tài)障礙物并自主決定行動(dòng)路線(xiàn)，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)目標的點(diǎn)數太少，可能會(huì )導致雷達錯誤地將間隔很近的物體辨認為一個(gè)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(lài)雷達傳感器數據流的算法和決策。

新的雷達場(chǎng)景仿真技術(shù)使用了光線(xiàn)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)數據并更好地檢測和區分不同的物體（見(jiàn)圖 5）。通過(guò)使用新型毫米波（mmWave）空中下載（OTA）技術(shù)，雷達場(chǎng)景仿真器可生成多個(gè)靜態(tài)和動(dòng)態(tài)目標。這些目標的間隔距離從 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、中程和遠程汽車(chē)雷達，為雷達傳感器的測試提供了更為真實(shí)的交通場(chǎng)景。

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

無(wú)論是雷達傳感器還是算法都可以在雷達場(chǎng)景仿真中快速進(jìn)行多次設計迭代，從而修復錯誤和對設計作出微調。因此，雷達場(chǎng)景仿真對于上路前的駕駛測試非常有幫助。除了 ADAS 和自動(dòng)駕駛功能測試外，它還能幫助汽車(chē)制造商開(kāi)發(fā)變量處理應用，例如驗證不同的保險杠設計、噴漆和雷達模塊定位功能對雷達功能的影響。

自動(dòng)駕駛平臺提供商和雷達系統制造商可以通過(guò)多個(gè)可重復和可定制的場(chǎng)景增強車(chē)輛對不同真實(shí)交通場(chǎng)景的感知能力，使雷達傳感器捕獲大量數據供自動(dòng)駕駛算法用于機器學(xué)習。

如今，高速數字信號處理（DSP）在對各個(gè)雷達檢測結果進(jìn)行微調時(shí)也發(fā)揮著(zhù)至關(guān)重要的作用。如圖 6 所示，雷達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┑?。這些信息對于訓練雷達算法識別行人（而不是像過(guò)馬路的寵物狗這樣的數字 4D 形狀）至關(guān)重要。

圖6 使用雷達場(chǎng)景仿真的高速數字處理技術(shù)可對動(dòng)態(tài)目標進(jìn)行更加精細的數據分析，例如移動(dòng)的行人等

超級傳感器的崛起始于可靠的測試

從芯片設計到制造再到后續的雷達模塊測試，汽車(chē)雷達設計、開(kāi)發(fā)和制造生命周期的每一個(gè)環(huán)節都需要經(jīng)過(guò)嚴格的測試。

將毫米波頻段用于汽車(chē)雷達應用會(huì )遇到許多測試方面的挑戰。工程師需要考慮測試設置、確保測試設備能夠進(jìn)行超寬帶毫米波測量、減少信噪比損失，并滿(mǎn)足不同地區和市場(chǎng)對于干擾測試的新標準要求等。

在雷達模塊層面，現代 4D 和成像雷達模塊測試需要具有更大帶寬和更高距離分辨率的測試設備。

最后一個(gè)難題是將汽車(chē)雷達集成到 ADAS 和自動(dòng)駕駛系統中并使標準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(zhù)越來(lái)越多的駕駛員退居二線(xiàn)，訓練有素且經(jīng)過(guò)測試的雷達超級傳感器系統將為乘客帶來(lái)更加平穩、安全的乘坐體驗。