自动驾驶：
车载雷达作为自动驾驶领域一类重要的感知
传感器，既包括炙手可热的激光雷达，也包括历久弥新的
毫米波雷达。
激光雷达又分为机械旋转式雷达和混合固态激光雷达。
机械旋转式激光雷达主要包括三大模块：发射模块、扫描模块和接收模块。
发射模块和接收模块由一个个激光发射器和接收器堆叠而成，发射模块和接收模块在电机带动下进行360°旋转。发射模块发射的激光束在扫描模块反射下，将每条激光线束均匀打到外界被测物体上。接收模块接收到被测物体回波脉冲后，计算激光脉冲发射与接收之间的时间差，通过乘以光速来实现物体之间距离的测量。
混合固态激光雷达是指发射模块和接收模块不再进行360°旋转，而是通过一面“镜子”的一维或二维往复旋转，来实现激光线束的扫描。这个镜子时而是棱镜，时而是转镜，时而又是微机电系统(Micro-Electro-Mechanical-System，
MEMS )微振镜，总之不是我们熟悉的穿衣镜。
1拖尾
在理想情况下，脉冲打到被测物体表面是一个理想的光斑点，但由于实际的脉冲存在一定的发散角，所以打到被测物体上是一个面，且随着距离的增加，这个面会逐渐增大。因此就存在这样一种可能性，当存在前后两个被测物体，且激光雷达脉冲打到前面被测物体的边缘时，就有可能出现部分激光脉冲打到后面被测物体上，如图1-6所示，这就是激光雷达著名的拖尾问题。
2盲区吸点
激光接收器一般有几纳秒到几十纳秒的死区时间，死区时间是指激光雷达接收到一个激光脉冲后到再能接收一个新激光脉冲所需的最短时间。当一束激光脉冲打出去时，首先会在激光出射镜头产生一个内反射信号，该信号被激光接收器接收。如果障碍物距离太近，由于激光接收器还处于死区时间，近距离物体的脉冲回波无法被探测到，从而导致近距离物体测距不准。
激光雷达探测近距离物体时出现的测距不准问题被称为“吸点”，这是困扰整个行业的难题，需要底层硬件不断进化。测距不准的近距离区域通常会被称为“盲区”，盲区的大小因产品而异，通常为1～2m。
3高反鬼影
对于高反射率物体，进入激光雷达视场角范围及测距能力范围后，输出的点云除了在真实位置有成像，还容易在其他位置形成一个形状、大小类似的成像，这个虚假的成像被称为“鬼影”。不同类型的激光雷达产生“鬼影”的行踪各不相同。
“鬼影”的形成是由于激光雷达对高反射率物体反射回来的高强度回波非常敏感，在实际驾驶场景中，常见的高反射率物体包括交通指示牌、锥桶、三角指示牌、汽车牌照和尾灯等。
4高反膨胀
对于高反射率物体，另一个异常现象就是“膨胀”。“膨胀”是指激光扫描高反射率物体后，输出的点云会向四周扩散，看起来就像“膨胀”了一样，因此称为高反“膨胀”。
解决高反“鬼影”和高反“膨胀”问题是一个系统工程，既需要硬件本身具有对高反射率信号的良好分辨能力，又需要算法配合进行适中的优化。
5.空洞
对于近处低矮障碍物，激光雷达在由远及近靠近的过程中，出现的点云时有时无的现象被称为“空洞”。障碍物原始点云的时有时无会让感知算法难以连续跟踪，从而无法准确判断是不是一个固定障碍物，容易导致危险的急刹车或频繁加/减速的现象。
6.串扰
对于TOF类型的激光雷达，当对向道路上有其他同类型的激光雷达发射的激光脉冲时，自车上的激光雷达有可能会被干扰，导致无法判断是自身激光脉冲的回波还是其他激光雷达发射的激光脉冲。当前这个问题既没有大量出现，也没有得到广泛关注，毕竟在大街上找一辆装有激光雷达的车还不是特别容易，更别提多辆了。
对于此类问题，经常被提及的解决方案是引入脉冲编码技术。发射时对激光脉冲进行编码，保证不同激光雷达发射的脉冲是不可重复的、不可变化的真随机发射脉冲序列，也就是每一束激光脉冲都是独一无二的。检测到回波脉冲后进行解码，从而判断是否是自身激光脉冲的回波信号。但是编码技术带来的信噪比下降问题、测距能力牺牲问题，是激光雷达厂商需要权衡的。
7.干扰
对于TOF类型的激光雷达，基于直接探测的原理，直接测量激光脉冲的回波信号，激光接收器本身不具备区分进入激光接收器的回波是自身发出的激光脉冲的回波，还是环境中其他光的功能。因此在正午强光照射时，激光雷达很容易在激光点云中出现雪花一样的噪点。
自从对阳光更敏感的1550nm激光发射器出现后，TOF类型的激光雷达的干扰问题就变得更加严重。这个问题可以从系统和算法两个层面优化：在系统层面，可以通过各种滤波片来对抗干扰；在算法层面，可以加入发射回波与发射脉冲的能量对比策略，忽略能量较小的阳光干扰。
面对众多规格书上参数相似、采购价格接近、技术路线相似的激光雷达产品，自动驾驶公司该如何花费适中的人力、物力和时间找到价值观一致的产品呢？答案是标准化导入流程。标准化导入流程通过流水线化的验证及评审过程，可以剔除人为主观好恶，达到去伪存真的目的。
整个标准化导入流程包含三大阶段（产品验证阶段、研发验证阶段、实车验证阶段）、六大步骤（单体性能验证、单体架构级功能验证、软件系统验证、硬件系统验证、客户现场验证、项目批量化导入）。当然，通过更新每个阶段的测试内容，这套标准化导入流程不仅适用于激光雷达，也适用于域控制器、高精度组合导航、相机、毫米波雷达等自动驾驶硬件产品。
在自动驾驶领域，如果说激光雷达是“割韭菜第一快的刀”，估计无人反驳。据赛博汽车统计，2022年全年，国内乘用车市场共有12款车型搭载激光雷达上市。而其中大部分新车的上市策略是：先硬件预埋，功能开发验证完成后，再通过OTA(Over The Air)进行软件更新。激光雷达厂商着实体验了一把站在风口的感觉。
除了激光雷达，自动驾驶领域另一把“普通的刀”在经过重新淬火锻造之后，也开始展现出不凡的功力，江湖送其“4D毫米波雷达”称号。它通过在普通毫米波雷达的基础上增加俯仰角测量的能力，实现对被测物体高度数据的测量，最终也具有了和激光雷达相似的点云输出能力。
4D毫米波雷达自带速度信息的点云输出能力，再加上在可靠性、稳定性及量产成本等方面具有完全碾压等效线束激光雷达的优势，使行业内一致喊出了“自动驾驶传感器领域的下一个风口”和“低线束激光雷达终结者”等变革口号，并隐隐约约展现出一种“割韭菜第二快的刀”的潜质。
毫米波雷达主要使用24GHz、60GHz、77GHz和79GHz这4个频段。24GHz准确来说属于厘米波，24GHz毫米波雷达由于测量距离有限（60m左右），分辨率一般，常被设计为角雷达，用于探测大视场角范围的近距离障碍物。60GHz毫米波雷达由于易受大气衰减影响，常被设计为生命体征检测雷达，用于对车内生命体征及人员姿势进行检测。77GHz和79GHz毫米波雷达由于测量距离较远（200m左右），常被设计为主雷达，作为前向长距离感知的利器，这两个频段也是未来车载毫米波雷达领域的主流频段。
毫米波雷达核心组成部分包括收发天线、射频单元(Radio Frequency Unit，RFU)、模数转换器(Analog to Digital Converter，ADC)、数字信号处理器(Digital Signal Processor，DSP)、微控制器单元(Micro Controller Unit，MCU)等。上文提到过，毫米波雷达刚诞生时，这些器件都是分立的，后来通过CMOS工艺将RFU、ADC、DSP、MCU等直接集成到一个SoC中（不同厂家的SoC集成模块数量略有差异）。
炒股HuangDI
登录用户ID：
3
评论(141)
收藏
展开
