毫米波雷达角度分辨力测试方法研究

车载毫米波雷达以其低成本及良好的环境适应性已成为智能驾驶车辆的主流零部件,且随着毫米波雷达技术的逐渐成熟,毫米波雷达被大量安装在车上,因此亟需研究出一套毫米波雷达产品的测试评价方法。作为毫米波雷达性能和功能的最重要的评价指标之一,角度分辨力的影响因素复杂多变,并且国际上还没有确定的测试方案。因此本文通过定位多个因素对毫米波雷达角度分辨力的影响,提出毫米波雷达推荐性测试方案。     

基于角毫米波雷达的目标筛选

随着ADAS系统在汽车领域的普及,基于角毫米波雷达的ADAS系统由于其成本低、环境适应能力强被广泛应用。其中,使用角毫米波雷达的盲区监测系统能够有效辅助驾驶员对车辆周围环境的感知。根据24GHz角毫米波雷达的特性,使用2个角毫米波雷达对驾驶员盲区进行辅助监控,建立基于角毫米波雷达的盲区监测系统。而毫米波雷达输出目标存在一定的误检,文章使用角毫米波雷达连续5帧数据,建立反馈目标值运动模型,对目标位置数据进行更新,使用K-means算法对检测目标数据进行聚类,使用聚类结果判断检测目标是否真实存在,以消除毫米波雷达的误检,从而实现角毫米波雷达的目标筛选。     

毫米波雷达研究现状及其测试项目

毫米波雷达作为ADAS系统的核心传感器之一,随着ADAS系统从原本局限在高端市场到现如今发展到中低端市场所带来的迅速增长的需求,很多车企已经逐渐看重对毫米波雷达的测试检验。毫米波雷达的测试主要包括其射频信号的性能测试和雷达的功能测试,性能测试是雷达厂商所关心的,而功能测试则是车企所看重的。本文主要介绍国内外对毫米波雷达的研究现状、毫米波雷达的探测原理以及测试。     

防患于未然——汽车毫米波雷达

伴随着汽车电子科技的发展，汽车雷达已经发展成为主动安全系统中不可或缺的重要技术。丰田国王的“侧前方预防碰撞安全系统”作为新一代汽车雷达的代表。更是展示出了其毫米波雷达的绝对优势。侧前方预防碰撞安全系统共有三个毫米波雷达（全车共有四个毫米波雷达），除了原来用于检测前方车辆的毫米波雷达之外，还在保险杆的左右侧安装了侧前方用毫米波雷达，从而扩大了检测范围。     

77G毫米波雷达ADAS应用及方案分析

深入挖掘国际期刊和知名研究机构的文献,向广大读者介绍最新的汽车毫米波雷达技术和原理,收集了较为全面的77G毫米波雷达在高级辅助驾驶和自动驾驶中的应用功能。梳理出雷达性能和应用功能之间的对用关系,同时对比了毫米波雷达和其他最新车载空间传感器之差异和优势。并将上述信息结合最新的三家主力半导体公司的汽车毫米波雷达硬件方案加以分析,提出在选择方案时如何在性能、技术特点和功能应用方面考虑。主要结论:毫米波雷达将是未来自动驾驶汽车空间传感器的基础和重要发展方向。     

防患于未然——汽车毫米波雷达

伴随着汽车电子科技的发展,汽车雷达已经发展成为主动安全系统中不可或缺的重要技术。丰田国王的“侧前方预防碰撞安全系统”作为新一代汽车雷达的代表。更是展示出了其毫米波雷达的绝对优势。侧前方预防碰撞安全系统共有三个毫米波雷达（全车共有四个毫米波雷达）,除了原来用于检测前方车辆的毫米波雷达之外,还在保险杆的左右侧安装了侧前方用毫米波雷达,从而扩大了检测范围。     

汽车防撞毫米波雷达技术及临界报警探讨

阐述汽车防撞毫米波雷达预警可靠性和它的优良性,提出了毫米波信息检测技术,弥补现行汽车防撞毫米波雷达产品之不足,并提出了临界报警方案。     

ADAS毫米波雷达原理与电磁抗扰能力初探

智能车辆多采用毫米波雷达作为环境感知的传感器,以实现驾驶辅助功能。毫米波雷达系统的电磁抗扰能力将影响车辆辅助驾驶功能的实现和行车安全。文章在对毫米波雷达系统的原理和目标识别理论进行研究的基础上,通过模拟目标激活毫米波雷达系统,并在不同等级场强下进行毫米波雷达系统的抗扰测试。试验结果显示毫米波雷达系统在一定场强下受到了外界电磁信号干扰,出现了较严重的情况。通过这次系统的研究,不仅为企业研发试验提供了技术支持,也为相关测试规范的制订进行了技术储备。     

毫米波雷达识别问题分析及解决措施

针对L3级自动驾驶车辆所配备的77 GHz长距毫米波雷达和中距毫米波雷达在感知识别中的主要问题进行了分析,并对毫米波雷达与整车系统适配过程中存在的两类问题提出了解决措施。一是在毫米波雷达与整车系统的适配过程中,需考量车身材质和形状对其回波的干扰;二是结合车速、应用场景对雷达输出信息进行滤波,减少虚警和误报,使雷达系统获得更稳定、准确的感知结果。     

毫米波立体成像雷达

毫米波雷达目前是车用探测雷达中最为主要的探测器件,但目前的毫米波雷达是进行二维扫描平面扫描,如何进行立体扫描是毫米波使用的重要研究方向,文章利用波束集中及3D MIMO计算实现了立体点云扫描。     

智慧公路毫米波雷达感知精度分析与验证

毫米波雷达是当前智慧公路中路侧感知系统的重要组成部分,在交通流运行态势感知与智能管控、车路协同与自动驾驶中广泛应用。然而,车辆与毫米波雷达之间的相对位置、相对姿态的变化会对雷达信号回波及点云分布产生影响,导致雷达对车辆的感知结果出现偏差,进而影响交通系统的管控决策。分析毫米波雷达感知精度的空间特征,对于指导毫米波雷达在智慧公路中的应用至关重要。为此,基于毫米波雷达的感知原理,综合考虑毫米波雷达信号处理与点云数据处理2个阶段中的感知误差来源,通过数值仿真与实测试验相结合的方式对目标在不同位置与姿态下毫米波雷达的感知精度特征进行分析与验证。研究表明：雷达纵向感知精度主要受到与车辆相对位置的影响,当车辆与雷达纵向距离小于30 m或大于200 m时,车辆位置感知结果会向车头或车尾方向显著偏移,相应产生的纵向感知误差通常超过0.5 m;雷达横向感知精度主要受到车辆横向位置及相对姿态的影响,当车辆横向位置偏离雷达中心光束超过5 m或车辆行驶的航向角超过40°时,车辆位置感知结果会向车身侧向偏移,相应产生的横向感知误差通常超过0.5 m。得到的影响因素分析结果,可进一步为智慧公路场景中毫米波雷达感知...     

一种车载前向毫米波雷达下线校准方法

本文介绍了一种车载智能驾驶前向毫米波雷达的下线标定校准要求和流程,包括工站搭建要求、毫米波雷达标定金属板的安装位置要求等。     

车载毫米波雷达测试现状分析

正本文从车载毫米波雷达市场需求分析出发,对其工作原理及应用等方面进行了研究。在此基础上研究目前国内外毫米波雷达测试认证工作开展情况,分析其在测试认证方面存在的问题,并提出毫米波雷达测试行业未来发展方向及建设意见。     

77 GHz车载毫米波雷达传感器

介绍车载毫米波雷达系统在汽车碰撞安全系统与避撞安全系统的运用,简述车载毫米波雷达传感器的工作频率与频带,分析英飞凌SiGe工艺的毫米雷达传感器成本问题。     

谷歌无人驾驶汽车装用的雷达传感器

叙述谷歌无人驾驶汽车用激光雷达传感器与自动制动系统用车载毫米波雷达传感器,阐述恩智浦半导体公司试制的77GHz频段车载毫米波雷达用收发器。     

清水建设开发出掌子面坍塌振动监测雷达系统

正2018年8月7日,清水建设发布消息,称该公司开发出了使用毫米波雷达监测隧道掌子面坍塌振动的系统。通过使用毫米波雷达,即使在粉尘飞舞的恶劣环境中,也能够在无损雷达直线前进、穿透性能的前提下监测掌子面;即使作业人员进入雷达和掌子面之间的区域,也不会引起反应,能够针对整个掌子面进行实时监测。该系统由毫米波雷达和数码相机为一体的测量系统、电脑(系统控制)、硬盘(记录)组成。使用雷达确认掌子面的位移,同时     

一种复杂交通环境下的毫米波雷达目标跟踪方法

车载毫米波雷达是智能驾驶环境感知系统中重要的传感器,为实现车载毫米波雷达目标跟踪的稳定性、实时性和精确性,本文设计了一种基于联合概率数据关联(JPDA)的雷达目标跟踪算法,并提出了一种对传统JPDA算法的改进方式,该方式考虑了车载毫米波雷达运行的实际工况,通过改进点迹的选取方式以及利用生命周期理论简化关联事件的生成两个步骤,对传统JPDA算法进行了简化,解决了传统JPDA算法在密集目标环境下的组合爆炸问题,以及毫米波雷达虚警和漏检带来的数据不连贯、不稳定问题,实现了跟踪的稳定性和实时性;同时本文采用常加速度模型结合Kalman滤波对雷达目标运动状态进行了估计,解决了前后帧雷达目标运动状态不连续以及雷达信息中的噪声问题,实现了跟踪的精确性。实验结果表明:在复杂交通环境下,该毫米波雷达跟踪算法相较于传统JPDA算法,运算速率提升了50. 5%,稳定性提升了78. 46%。     

丰田公司的最新安全技术(下)

另一个共同点是，在低速追踪行驶中．都使用激光雷达(见图8)。丰田在高速巡航时采用毫米波雷达，而在低速追踪时则必须增加激光雷达。分别使用两种雷达是因为两者的性能不同。例如，毫米波雷达用于远距离(远视)；而激光雷达则可以说是近距离(近视)。在将来的发展方向是实现只用毫米波雷达，而且在这之前还必须使用配备两种雷达的低速追踪行驶系统。     

基于车车通信的毫米波雷达主动避障技术

毫米波雷达是汽车主动安全技术的重要感知器,其工作稳定,不易受天气影响,可探测距离长,但会受金属物体遮挡,所以实现大范围障碍物探测很难实现。现在智能网联汽车已经逐步推向市场,在车车通信的基础上实现毫米波雷达的大范围探测成为可能,文章将主要介绍基于车车通信的毫米波雷达主动避障技术。     

融合毫米波雷达与深度视觉的多目标检测与跟踪

针对现有融合毫米波雷达与传统机器视觉的车辆检测算法准确率较低与实时性较差的问题,本文中对多目标检测与跟踪进行研究。首先,利用阈值筛选和前后帧数据关联方法对毫米波雷达数据进行预处理,进而提出一种用于毫米波雷达数据跟踪的自适应扩展卡尔曼滤波算法。然后,为提高目标检测精度与速度,基于采集到的实车数据集训练卷积神经网络,完成深度视觉的多车辆检测。最后,采用决策级融合策略融合毫米波雷达与深度视觉信息,设计了一种用于复杂交通环境下前方车辆多目标检测与跟踪的框架。为验证所设计的框架,进行了不同交通环境下的实车实验。结果表明:该方法可实时检测跟踪前方车辆,具有比融合毫米波雷达与传统机器视觉的车辆检测方法更好的可靠性与鲁棒性。