丁左武,徐 杰,周 龍,童金武

(1.南京工程學(xué)院 汽車與軌道交通學(xué)院,南京 211167;2.先進(jìn)數(shù)控技術(shù)江蘇省高校重點(diǎn)建設(shè)實(shí)驗(yàn)室,南京 211167;3.南京工程學(xué)院工業(yè)中心、創(chuàng)新創(chuàng)業(yè)學(xué)院,南京 211167)

0 引 言

近年來,隨著汽車數(shù)量的增加,交通壓力變大,交通事故頻發(fā),汽車安全駕駛引發(fā)國民的關(guān)注,汽車安全駕駛系統(tǒng)的主動(dòng)剎車功能成為了汽車研發(fā)的重點(diǎn)。主動(dòng)剎車作為自動(dòng)駕駛的關(guān)鍵性技術(shù)得到了快速的發(fā)展[1-2]。作為汽車防撞系統(tǒng)里的一部分,該系統(tǒng)利用傳感器偵測車輛周圍的動(dòng)態(tài)狀況,將距離數(shù)據(jù)傳輸?shù)娇刂茊卧?控制單元收集車速信號(hào)、加速度信號(hào),結(jié)合先進(jìn)的智能算法,對車輛的運(yùn)行狀態(tài)進(jìn)行調(diào)整,輔助汽車行駛。主動(dòng)剎車系統(tǒng)主要由攝像頭或雷達(dá)傳感器、數(shù)據(jù)處理車載電腦控制器和制動(dòng)控制執(zhí)行器3部分組成[3]。車身雷達(dá)傳感器實(shí)時(shí)監(jiān)測前方交通狀況,將目標(biāo)信息以數(shù)據(jù)的方式傳輸給車載電腦,車載電腦進(jìn)行計(jì)算分析,并發(fā)出控制車輛運(yùn)行指令[4]。

毫米波雷達(dá)目前廣泛應(yīng)用于主動(dòng)剎車領(lǐng)域,擁有距離分辨率高、無距離盲區(qū)、抗干擾能力強(qiáng)、可檢測微小目標(biāo)等優(yōu)點(diǎn),可檢測中遠(yuǎn)距離范圍的目標(biāo),獲取車輛前方道路信息,預(yù)測汽車行駛軌跡,提前避免障礙物,大幅度提高了主動(dòng)剎車系統(tǒng)的安全性能[5]。毫米波雷達(dá)依靠自身發(fā)射的毫米波獲取目標(biāo)的信息,可以穿透云,雨,霧等惡劣環(huán)境,通過目標(biāo)運(yùn)動(dòng)的多普勒信息獲取有效距離內(nèi)物體的距離和速度,并且計(jì)算量小,算法簡單[6]。隨著半導(dǎo)體及控制技術(shù)的發(fā)展,車載毫米波技術(shù)逐漸成熟,分辨率提高,可以獲取目標(biāo)的詳細(xì)信息,使其成為主動(dòng)剎車系統(tǒng)的核心傳感器[7]。

1 國內(nèi)外發(fā)展?fàn)顩r

毫米波雷達(dá)的研制開始于20世紀(jì)的40年代,主要應(yīng)用于船舶導(dǎo)航。受限于當(dāng)時(shí)的集成電路和半導(dǎo)體工藝技術(shù),加上其傳輸損耗大且工作效率極低,大部分科研公司放棄了毫米波雷達(dá)的研發(fā)。直到20世紀(jì)70年代,德國的AEG-Telefunken和Bosch開始投資研發(fā)汽車防撞系統(tǒng)[8-9],毫米波雷達(dá)作為該系統(tǒng)檢測的關(guān)鍵傳感器得到了重視和發(fā)展,但當(dāng)時(shí)落后的科技水平加上毫米波雷達(dá)的研發(fā)成本昂貴,使其無法完成后續(xù)發(fā)展。直到20世紀(jì)80年代后期,隨著歐洲高效安全交通系統(tǒng)計(jì)劃的開展,毫米波雷達(dá)技術(shù)在車載研發(fā)應(yīng)用方向獲得了新生[10-12]。

隨著汽車行業(yè)對交通安全的要求越發(fā)嚴(yán)格,毫米波雷達(dá)檢測精度也需要不斷提高。智能計(jì)算機(jī)算法和毫米波雷達(dá)結(jié)合應(yīng)用成為21世紀(jì)汽車技術(shù)的主流方向。2012年,一種基于網(wǎng)格的DBSCAN聚類算法[13]被提出,解決了不同采樣方向獲取的雷達(dá)數(shù)據(jù)不均勻的問題,且該算法對周圍環(huán)境的噪聲不敏感[14],通過預(yù)先計(jì)算空間采用密度和計(jì)算不同的位置搜索區(qū)域,來解決數(shù)據(jù)采樣密度會(huì)隨距離變化而改變的問題[15]。改進(jìn)后的算法使毫米波雷達(dá)檢測結(jié)果具有更好的聚類效果,也大大提高了數(shù)據(jù)的處理速度。

2015年,文獻(xiàn)[16]對DBSCAN算法進(jìn)行改進(jìn),在DBSCAN之前添加了尺寸縮放的預(yù)處理技術(shù),找出了距離維和方位維縮放的尺度,實(shí)現(xiàn)對運(yùn)動(dòng)行人的聚類。

2017年,Meinl等人[17]研發(fā)了一套具有高信號(hào)接收能力的毫米波雷達(dá)系統(tǒng),使各大企業(yè)對毫米波雷達(dá)的檢測原理有了新的認(rèn)知,為后來的毫米波雷達(dá)算法的研發(fā)提供了巨大的助力[18]。2018年,Bilik等人[19]研發(fā)出了以多射頻芯片級(jí)聯(lián)的汽車?yán)走_(dá)多輸入多輸出(Multiple-Input Multiple-Output,MIMO)系統(tǒng),通過軟件與硬件的結(jié)合設(shè)計(jì),可實(shí)現(xiàn)高分辨率成像,適用于復(fù)雜的交通狀況[20]。俄國計(jì)算機(jī)系統(tǒng)科學(xué)設(shè)計(jì)局的Belyaev[21]通過實(shí)驗(yàn)測試得出77 GHz毫米波雷達(dá)適用于大部分城市環(huán)境,進(jìn)一步推動(dòng)了77 GHz毫米波雷達(dá)的技術(shù)發(fā)展。2019年,Michael等人[22]將雷達(dá)點(diǎn)云檢測方法與相機(jī)圖像結(jié)合實(shí)現(xiàn)深度學(xué)習(xí),通過人工標(biāo)記邊界框訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)3D目標(biāo)檢測。目前4D成像雷達(dá)是市場主流2D雷達(dá)的下一步技術(shù)演進(jìn),繼承了原有的優(yōu)勢,同時(shí)打破了低分辨率瓶頸。

圖1為德國大陸汽車的ARS540毫米波雷達(dá)結(jié)構(gòu)示意圖。ARS540是該公司推出的4D成像毫米波雷達(dá),是第一個(gè)能夠測量目標(biāo)高度的毫米波雷達(dá),其垂直分辨率達(dá)到2.3°。結(jié)構(gòu)上其采用4片級(jí)聯(lián)的形式,將4片NXP的77 GHz毫米波雷達(dá)收發(fā)器MR300級(jí)聯(lián),使其虛擬通道高達(dá)192個(gè)[23]。

圖1 ARS540結(jié)構(gòu)Fig.1 Schematic diagram of the ARS540 structure

國內(nèi)對于毫米波雷達(dá)的研究相比于歐美等發(fā)達(dá)國家起步較晚,早期以24 GHz毫米波雷達(dá)研究為主。2012年,工信部發(fā)布了《短距離雷達(dá)使用頻率通知》[24],規(guī)定了24.25～26.65 GHz頻點(diǎn)用于短距離車載雷達(dá)使用。目前,很多國內(nèi)廠商已經(jīng)研發(fā)出國產(chǎn)24 GHz毫米波雷達(dá),在77 GHz毫米波雷達(dá)研究方面依舊處于驗(yàn)證階段。國內(nèi)對車載毫米波雷達(dá)的研究主要集中于高新汽車企業(yè)、中科院以及部分高校實(shí)驗(yàn)室[25]。2012年芯片行業(yè)的重大改革,降低了毫米波雷達(dá)的技術(shù)門檻及其技術(shù)成本,同時(shí)也推動(dòng)了毫米波雷達(dá)在國內(nèi)各領(lǐng)域的應(yīng)用[26]。

以北京行易道、沈陽承泰科技等為主的國內(nèi)毫米波雷達(dá)研究企業(yè),攻克了多個(gè)77 GHz車載毫米波雷達(dá)應(yīng)用難題,研制出了77 GHz頻段的防撞雷達(dá)和79頻段的成像雷達(dá),通過單片微波集成電路(Monolithic Microwave Integrated Circuit,MMIC)技術(shù)將毫米波雷達(dá)芯片集成于微小的雷達(dá)芯片板上[26]。在毫米波雷達(dá)成像領(lǐng)域也獲得了突破性的進(jìn)展,實(shí)現(xiàn)了對道路的高精度感知。西南科技大學(xué)孫元等人[27]在CA-CFAR的基礎(chǔ)上提出了CO-CFAR,對左右鄰近單元的能量最大值進(jìn)行剔除,有效增強(qiáng)了雷達(dá)在復(fù)雜路況下對小目標(biāo)的檢測能力。電子科技大學(xué)蔣新和浙江大學(xué)周子豪等人[28]分別通過虛擬數(shù)據(jù)庫和DBSCAN算法對目標(biāo)進(jìn)行識(shí)別分類達(dá)到檢測要求,使國內(nèi)毫米波雷達(dá)目標(biāo)檢測技術(shù)的發(fā)展達(dá)到了新的高度。

2 毫米波雷達(dá)目標(biāo)檢測

目標(biāo)檢測作為自動(dòng)駕駛的關(guān)鍵技術(shù),可以幫助駕駛員在行駛時(shí)更好地掌握道路狀況。通過毫米波雷達(dá)進(jìn)行道路狀況檢測,已成為當(dāng)下汽車產(chǎn)業(yè)的重點(diǎn)研究內(nèi)容。毫米波雷達(dá)抗干擾能力強(qiáng),檢測精度高,模塊小巧,易于安裝,是汽車前端檢測的最佳選擇。車載毫米波雷達(dá)通常在調(diào)頻連續(xù)波(Frequency Modulated Continuous Wave,FMCW)雷達(dá)模式下進(jìn)行收發(fā)信號(hào),FMCW雷達(dá)基本原理是利用發(fā)送信號(hào)和回波信號(hào)之間的頻率差來確定目標(biāo)的速度和距離[29]。

FMCW毫米波雷達(dá)工作原理如圖2所示。控制波形發(fā)生器產(chǎn)生毫米波雷達(dá)控制信號(hào),通過壓控振蕩器產(chǎn)生相應(yīng)的調(diào)制信號(hào),調(diào)制信號(hào)一部分經(jīng)功率放大器放大之后通過天線發(fā)射出去,另一部分作為本振信號(hào)用于信號(hào)混頻。發(fā)射信號(hào)與接收的回波信號(hào)經(jīng)過放大處理后進(jìn)行混頻生成一個(gè)中頻信號(hào),對中頻信號(hào)進(jìn)行低通濾波、A/D采樣,最后通過信號(hào)處理模塊得到目標(biāo)的狀態(tài)信息。為提高毫米波雷達(dá)的檢測性能,研究人員采取改進(jìn)毫米波雷達(dá)目標(biāo)檢測算法、多傳感器融合等策略[30]。

圖2 FMCW毫米波雷達(dá)工作原理Fig.2 Working principle of FMCW millimeter wave radar

2.1 多傳感器融合的目標(biāo)檢測

隨著人工智能的快速崛起,智能汽車環(huán)境感知技術(shù)得到了突飛猛進(jìn)的發(fā)展,基于多傳感器融合的目標(biāo)檢測技術(shù)也成為當(dāng)下的研究熱門。不同的傳感器組合能互補(bǔ)各自的缺點(diǎn),增加智能汽車的魯棒性。

2.1.1 基于毫米波雷達(dá)與激光雷達(dá)融合的目標(biāo)檢測算法

基于毫米波雷達(dá)和激光雷達(dá)融合的目標(biāo)檢測算法,充分發(fā)揮了毫米波雷達(dá)輸出確定目標(biāo)、激光雷達(dá)點(diǎn)云深度信息的優(yōu)勢,將激光雷達(dá)檢測到的點(diǎn)云信息進(jìn)行數(shù)據(jù)轉(zhuǎn)換,利用改進(jìn)的數(shù)據(jù)金字塔結(jié)構(gòu)[31],豐富所獲取的點(diǎn)云信息;加入毫米波雷達(dá)數(shù)據(jù)點(diǎn),提取檢測目標(biāo)的感興趣區(qū)域,最后進(jìn)行信息處理完成目標(biāo)檢測[32]。圖3所示為基于點(diǎn)云的鳥瞰圖視角的目標(biāo)檢測算法[33],其中加入了毫米波雷達(dá)數(shù)據(jù)設(shè)計(jì)算法預(yù)瞄框[34]。

圖3 毫米波雷達(dá)與激光雷達(dá)融合算法Fig.3 Millimeter wave radar and lidar fusion algorithm

為了保證汽車在復(fù)雜道路環(huán)境下安全行駛,融合激光雷達(dá)和毫米波雷達(dá)獲取的目標(biāo)信息,獲取更加準(zhǔn)確的道路情況[35]。單一的傳感器對目標(biāo)檢測的結(jié)果都存在不同程度的誤差,為此文獻(xiàn)[36]設(shè)計(jì)多傳感器時(shí)空同步算法、多目標(biāo)關(guān)聯(lián)算法、目標(biāo)狀態(tài)融合算法來解決異構(gòu)傳感器融合難題,提高了毫米波雷達(dá)在復(fù)雜道路環(huán)境下目標(biāo)檢測和跟蹤能力。針對毫米波雷達(dá)經(jīng)常產(chǎn)生虛警誤報(bào)問題,文獻(xiàn)[37]加入了虛警濾除算法,利用分區(qū)的點(diǎn)云信息來獲取代價(jià)函數(shù),增強(qiáng)了毫米波雷達(dá)目標(biāo)檢測的魯棒性。在目標(biāo)檢測的基礎(chǔ)上加入目標(biāo)跟蹤,可通過分析汽車的軌跡信息進(jìn)行多目標(biāo)跟蹤,提高了目標(biāo)檢測的穩(wěn)定性。

圖4為毫米波雷達(dá)與激光雷達(dá)融合的感知系統(tǒng)框架。該檢測手段多用于智軌電車,融合激光雷達(dá)技術(shù)和毫米波雷達(dá)技術(shù),提高了電車在全天候工作環(huán)境中更加準(zhǔn)確獲取道路信息的能力[38]。文獻(xiàn)[39]采用多傳感器異步融合策略,提高了電車行駛時(shí)目標(biāo)檢測和跟蹤的魯棒性和實(shí)時(shí)性,可在150 m范圍內(nèi)對車輛進(jìn)行檢測,50 m范圍內(nèi)對行人進(jìn)行檢測。

圖4 毫米波雷達(dá)與激光雷達(dá)融合的感知系統(tǒng)框架Fig.4 Framework of the perception system fused with millimeter wave radar and lidar

2.1.2 基于毫米波雷達(dá)與視覺融合的目標(biāo)檢測算法

傳統(tǒng)機(jī)器視覺融合毫米波傳感器用于前方車輛檢測,打破了單一傳感器的局限性,融合兩者的優(yōu)勢,使車輛檢測功能大幅度提高,但其實(shí)時(shí)性差,同時(shí)無法保證高效的檢測效率。針對該問題,文獻(xiàn)[40]將毫米波雷達(dá)所檢測的數(shù)據(jù)利用閾值篩選,并進(jìn)行前后幀數(shù)據(jù)關(guān)聯(lián),設(shè)計(jì)出適用于毫米波雷達(dá)數(shù)據(jù)的自適應(yīng)擴(kuò)展卡爾曼濾波算法。通過收集到的車輛數(shù)據(jù),進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練,完成深度視覺的車輛檢測,以此來提高目標(biāo)檢測的精度與速率。文獻(xiàn)[41]將深度視覺信息與毫米波雷達(dá)采取決策級(jí)融合策略,使其可以應(yīng)用于復(fù)雜的道路環(huán)境,可以實(shí)時(shí)檢測跟蹤前方車輛,提高智能汽車對環(huán)境的感知,增強(qiáng)汽車檢測的可靠性和穩(wěn)定性。

基于毫米波雷達(dá)和視覺融合的目標(biāo)檢測算法原理如圖5所示,主要以毫米波雷達(dá)為主,相機(jī)為輔。首先通過相機(jī)進(jìn)行視覺檢測,將檢測結(jié)果發(fā)送給毫米波雷達(dá),根據(jù)馬氏距離[42]的思想,對檢測結(jié)果進(jìn)行融合,該框架屬于決策級(jí)融合。對Faster-RCNN進(jìn)行改進(jìn),通過區(qū)域建議網(wǎng)絡(luò)和分類回歸網(wǎng)絡(luò)分別提供單獨(dú)的特征,以此提高檢測速度。融合部分采用馬氏距離思想,利用兩個(gè)傳感器輸出目標(biāo)序列對觀測值進(jìn)行匹配,利用聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)方法[43]進(jìn)行融合,建立匹配模型和狀態(tài)模型。毫米波雷達(dá)與視覺融合的目標(biāo)檢測算法可以解決復(fù)雜環(huán)境下漏檢、誤檢等問題。

圖5 毫米波雷達(dá)與視覺融合的目標(biāo)檢測算法原理Fig.5 Principle of target detection algorithm fused with millimeter wave radar and vision

文獻(xiàn)[44]在視覺與毫米波雷達(dá)融合的基礎(chǔ)上,增加基于層次聚類的雷達(dá)雜波剔除方法,針對視覺數(shù)據(jù)處理,提出了一種基于目標(biāo)景深的自適應(yīng)車輛檢測方法,通過組合濾波的目標(biāo)跟蹤方法對車輛幾何運(yùn)動(dòng)進(jìn)行有效的估計(jì)。如圖6所示,首先對毫米波雷達(dá)采集的數(shù)據(jù)進(jìn)行預(yù)處理,去除干擾性雜波,提取可用的目標(biāo)信息,配對雷達(dá)數(shù)據(jù)和圖像數(shù)據(jù),將雷達(dá)數(shù)據(jù)以圖像像素坐標(biāo)系的形式呈現(xiàn)。車輛檢測部分以所獲取的數(shù)據(jù)為基礎(chǔ)生成感興趣區(qū)域(Region of Interest,ROI),接著進(jìn)行陰影處理,去除非車輛目標(biāo),并重新生成車輛ROI,最后通過支持向量機(jī)(Support Vector Machine,SVM)分類器進(jìn)行識(shí)別,確定車輛目標(biāo)[55]。該方法降低了毫米波雷達(dá)的誤檢率,擴(kuò)大了檢測的范圍和數(shù)目,提高了檢測精度。

圖6 毫米波雷達(dá)與視覺融合整體流程Fig.6 The overall process of millimeter wave radar and vision fusion

不同檢測方法的檢測結(jié)果如表1所示,可見相比于單個(gè)毫米波雷達(dá)檢測,融合視覺或者激光雷達(dá)的車輛檢測精度和漏檢情況皆有所提高。針對兩種融合算法,毫米波雷達(dá)與激光雷達(dá)融合大大提高了汽車行駛時(shí)目標(biāo)檢測的魯棒性和實(shí)時(shí)性。毫米波雷達(dá)與視覺融降低了誤檢率,擴(kuò)大了檢測的范圍和數(shù)目,提高了檢測精度。

表1 不同檢測方法檢測結(jié)果統(tǒng)計(jì)[31,42]Tab.1 Statistics of detection results of different detection methods[31,42]

2.2 毫米波雷達(dá)多目標(biāo)檢測算法

毫米波雷達(dá)測量多目標(biāo)時(shí),將檢測目標(biāo)新的狀態(tài)與已存的目標(biāo)軌跡進(jìn)行匹配,確定新的目標(biāo)狀態(tài)是否屬于已知目標(biāo)的軌跡,然后將新的目標(biāo)與最匹配的目標(biāo)軌跡進(jìn)行關(guān)聯(lián)。接著對軌跡進(jìn)行跟蹤濾波,完成對目標(biāo)運(yùn)動(dòng)軌跡的預(yù)測與修正,減少軌跡的突變與抖動(dòng)。但由于新目標(biāo)的不斷產(chǎn)生和舊目標(biāo)的丟失,以及雜波信號(hào)的干擾,需要通過相關(guān)算法對目標(biāo)狀態(tài)進(jìn)行判斷。

2.2.1 基于復(fù)合FMCW波形的多目標(biāo)檢測

傳統(tǒng)的車載毫米波雷達(dá)大多數(shù)采用調(diào)頻連續(xù)波對單一目標(biāo)的物理信息進(jìn)行探測分析。為實(shí)現(xiàn)多目標(biāo)檢測,減少過多虛假目標(biāo),文獻(xiàn)[45]提出了基于復(fù)合型調(diào)頻連續(xù)波的多目標(biāo)檢測算法,通過改進(jìn)FMCW波形,結(jié)合梯形波形和快速鋸齒波的特性,剔除虛假目標(biāo),保留真實(shí)目標(biāo),更準(zhǔn)確地完成了多目標(biāo)檢測。

三角波可以獲取目標(biāo)的速度和距離,但多目標(biāo)檢測時(shí)會(huì)出現(xiàn)大量的虛假目標(biāo),檢測精度隨之降低。梯形波可以消除大部分虛假目標(biāo),但面對相同速度的虛假目標(biāo)時(shí)檢測性能大大降低?？焖黉忼X波通過二維快速傅里葉變換在短時(shí)間內(nèi)處理大量的數(shù)據(jù),處理時(shí)間較長且檢測高速目標(biāo)會(huì)產(chǎn)生速度模糊現(xiàn)象,降低了檢測精度[46]。文獻(xiàn)[47]針對這些FMCW波形檢測的優(yōu)缺點(diǎn),提出了一種復(fù)合型FMCW波形,在傳統(tǒng)的三角波形的后加上一段恒定頻率和快速上升段,分別獲取多個(gè)目標(biāo)的速度信息和距離信息,通過速度信息進(jìn)行目標(biāo)篩選,剔除虛假目標(biāo)。改進(jìn)后的波形提升了目標(biāo)經(jīng)檢測的性能,降低了運(yùn)算量和運(yùn)算難度。

2.2.2 多運(yùn)動(dòng)目標(biāo)檢測算法檢測

毫米波雷達(dá)多目標(biāo)檢測時(shí),存在交叉項(xiàng)干擾和復(fù)雜的運(yùn)動(dòng)補(bǔ)償?shù)葐栴}?；诜?jǐn)?shù)階傅里葉變換(Fractional Fourier Transform,FRFT)和CWD(Choi-Williams-distribution)變換,并結(jié)合Hough變換,文獻(xiàn)[48]提出了一種可減少交叉項(xiàng)干擾和避免復(fù)雜的運(yùn)動(dòng)補(bǔ)償?shù)臋z測方法。該方法將信號(hào)進(jìn)行分?jǐn)?shù)階傅里葉變換,計(jì)算所需要的旋轉(zhuǎn)角度,使分?jǐn)?shù)階傅里葉域的u軸與線性調(diào)頻(Linear Frequency Modulation,LFM)信號(hào)的時(shí)頻分布垂直,可以得到能量高度聚集的FRFT域分布;再通過CWD變換獲取沖擊函數(shù),沖擊函數(shù)的位置與信號(hào)分量的調(diào)頻斜率有關(guān),通過CWD轉(zhuǎn)換,可以避免多分量調(diào)頻信號(hào)進(jìn)行時(shí)頻分析被交叉項(xiàng)干擾。Hough變換方法可以增強(qiáng)檢測方法的抗干擾性和魯棒性。

3 目標(biāo)檢測問題及解決措施

車載毫米波雷達(dá)以其高帶寬和極強(qiáng)的穿透能力,將成為5G時(shí)代車聯(lián)網(wǎng)的重要組成部分。融合其他傳感器可以提升輔助駕駛系統(tǒng)對于道路環(huán)境的感知能力,識(shí)別可能存在危險(xiǎn)的目標(biāo)信息。但車載毫米波雷達(dá)在檢測定位技術(shù)層面仍存在一些不足：

1)毫米波雷達(dá)識(shí)別目標(biāo)虛警干擾問題

長距離毫米波雷達(dá)出現(xiàn)大量虛警信號(hào)。由于車輛檢測環(huán)境中存在大量金屬漆,其中金屬顆粒對檢測雷達(dá)發(fā)射和接收的電磁波產(chǎn)生折射和反射干擾,導(dǎo)致同一個(gè)目標(biāo)在多個(gè)方位產(chǎn)生回波,錯(cuò)誤判斷為多個(gè)目標(biāo)。同時(shí)在車輛顛簸過程中其姿態(tài)仰角發(fā)生變化,導(dǎo)致毫米波雷達(dá)接收來自路面的回波作為目標(biāo)輸出。針對這類虛警問題,可通過更新目標(biāo)檢測算法,增加前后幀濾波判定,過濾掉斷續(xù)出現(xiàn)的目標(biāo)。同時(shí),汽車的保險(xiǎn)杠等材料可避免采用金屬漆,用非金屬漆代替。

2)毫米波雷達(dá)目標(biāo)提取問題

中距離毫米波雷達(dá)不支持目標(biāo)跟蹤和提取功能,將目標(biāo)回波與地面雜波及目標(biāo)跳變雜波混雜,導(dǎo)致環(huán)境感知結(jié)果并不穩(wěn)定、準(zhǔn)確,容易造成對后續(xù)規(guī)劃模塊的干擾。同時(shí),中距離毫米波雷達(dá)角度分辨率相對較低,無法返回物體的寬度信息。對于連續(xù)出現(xiàn)的障礙物或者長條,中距離毫米波雷達(dá)將識(shí)別為多個(gè)回波點(diǎn)并輸出。針對這類問題,可采用聚類算法對原始數(shù)據(jù)進(jìn)行處理,并結(jié)合車速以及探測范圍進(jìn)行目標(biāo)提取。

3)如何快速處理獲取的回波數(shù)據(jù)

隨著毫米波雷達(dá)使用的實(shí)際天線和虛擬天線數(shù)量增加,在復(fù)雜的環(huán)境中目標(biāo)與干擾的增多,單位時(shí)間內(nèi)獲取的數(shù)據(jù)也成倍增加,導(dǎo)致毫米波雷達(dá)目標(biāo)檢測系統(tǒng)高負(fù)荷工作。針對該類問題,可以采取提升芯片運(yùn)算能力和優(yōu)化信號(hào)處理算法的措施。

4 未來發(fā)展建議

未來毫米波雷達(dá)前向雷達(dá)將角雷達(dá)化,而角雷達(dá)將前向雷達(dá)化,會(huì)大大提升毫米波雷達(dá)對行人檢測的能力,全面應(yīng)用于各種自動(dòng)駕駛場景。未來毫米波雷達(dá)技術(shù)的發(fā)展趨勢有：采用更先進(jìn)的天線設(shè)計(jì)方案;集成芯片;大幅度提升硬件算法和軟件算法;以4D成像雷達(dá)為主要發(fā)展方向;等等。

1)天線技術(shù)方面

大規(guī)模發(fā)展虛擬天線和俯仰快速校正技術(shù),可以提高毫米波雷達(dá)角度分辨率和角度測量范圍。增強(qiáng)天線收發(fā)技術(shù),可以提高毫米波雷達(dá)在復(fù)雜道路環(huán)境中檢測目標(biāo)的準(zhǔn)確性和實(shí)時(shí)性。

2)射頻通道技術(shù)

提高毫米波雷達(dá)的射頻通道技術(shù),可以減少干擾目標(biāo)的產(chǎn)生,避免使用復(fù)雜的檢測算法,減少運(yùn)行時(shí)間,提高毫米波雷達(dá)的檢測性能。

3)高頻RF板的多層疊構(gòu)設(shè)計(jì)和混壓技術(shù)

采用高頻RF板的多層疊構(gòu)設(shè)計(jì)和混壓技術(shù),可以保證毫米波雷達(dá)產(chǎn)品的低成本和高成品率,大幅度減少硬件體積,提高目標(biāo)檢測的精度和抗干擾性。