一、4D毫米波雷达的必要性和先进性

使用4D毫米波雷达替代3D毫米波雷达,主要用于解决3D毫米波雷达的性能瓶颈,得到更优的感知结果,从而提升ADAS系统的精准度和舒适度。一般来说,3D毫米波雷达主要有以下几点性能瓶颈:

1.无法准确检测前方障碍物

由于3D雷达俯仰分辨能力弱,几乎不能区分高空目标和地面目标,容易产生虚警。通常3D雷达俯仰维分辨率超过10°,而4D雷达基本在1~2°,可以准确测量目标高度。

2.目标探测精度差

3D雷达使用3T4R的天线设计,总计12通道,一般角精度1~1.5°,横向偏差大,部分场景出现目标偏离车道情况,导致ADAS系统误判。

4D雷达通常为6T8R,甚至12T16R,角精度0.1~0.4°,横向偏差小,目标位置准确,ADAS系统效果优异。

3.无尺寸、航向信息

3D雷达点云稀疏,无法准确估计目标尺寸和航向,不能及时发现危险目标对自车的威胁,存在安全风险。

4D雷达点云分布尚可,通过算法处理可准确估计目标尺寸和航向。同时易与摄像头、激光等传感器融合,提供更精准的环境感知。

二、4D毫米波雷达应用的可行性

4D毫米波雷达没有广泛使用,并不是因为传感器本身的性能,而是以下几点原因:

1.算法不够成熟

2.BOM成本较高

3.更新换代动力弱

但随着技术的发展,算法必将成熟可靠,BOM成本也将大幅降低。对主机厂来说,用较高的价格获得更优的性能,将成为可选的方案。

三、传统算法的可行性

3D雷达已有成熟可靠的算法,沿用原来的算法方案,增加如尺度、类别等检测,难度不是太大。

常规的算法一般为下图所示的流程:

从标定、坐标转换到目标关联和跟踪滤波,所有的方法都和3D雷达类似,4D雷达点云数量和精度增加,可以得到更准确的目标位置和尺寸、类别信息。

虽然方法类似,但由于点云数量增加,部分方法需要做适应性修改,比如聚类算法,面对数倍的点云数量,需使用更高效的算法。

另外,3D雷达通常使用点目标跟踪,4D雷达可参考激光雷达,使用扩展目标跟踪算法,获得更好跟踪的效果。

四、深度学习算法的可行性

4D雷达点云数量和通道数(或分辨率)相关,典型的12T16R通常有2k~3k,单个目标的点云数量接近16线激光雷达,可参考激光雷达的点云处理方法,使用CNN等深度学习方式做目标检测。

另外使用叠帧的方式可以增加点云密度,用来获得更好的检测效果。

目前已有不少研究机构对从不同方面研究4D雷达点云的处理,已有一些成果,具体可参考这篇综述:

《Towards Deep Radar Perception for Autonomous Driving:Datasets, Methods, and Challenges》

其中提到的Pointpillars是最近几年效果较好的深度学习方法,其他分类和目标检测方法也提供了较好的思路。

从结果来看,使用深度学习的目标检测达到了预期的效果。

4D雷达和16线激光雷达对比,mAP的分数更高,数据来自《Automotive Radar Dataset for Deep Learning Based 3D Object Detection》

4D雷达和64线激光雷达对比,mAP的分数较低,但驾驶状态下使用叠帧处理和激光差距较小。

4D毫米波雷达算法设计1--必要性与可行性相关推荐

  1. 4D毫米波雷达算法设计2--传统算法详细设计

    一.算法流程 沿用3D毫米波雷达的处理流程,4D雷达类似,如下图: 其中核心区别在于目标聚类开始的一系列处理,后面将重点描述. 二.4D毫米波雷达预处理 预处理主要包括标定.坐标转换和动静分离. 标定 ...

  2. 万字长文讲清楚4D毫米波雷达

    交流群 | 进"传感器群/滑板底盘群"请加微信号:xsh041388 交流群 | 进"汽车基础软件群"请加微信号:Faye_chloe 备注信息:群名称 + 真 ...

  3. 自动驾驶感知——物体检测与跟踪算法|4D毫米波雷达

    文章目录 1. 物体检测与跟踪算法 1.1 DBSCAN 1.2 卡尔曼滤波 2. 毫米波雷达公开数据库的未来发展方向 3. 4D毫米波雷达特点及发展趋势 3.1 4D毫米波雷达特点 3.1.1 FM ...

  4. 4D毫米波雷达Radar

    4D毫米波雷达Radar 概述 全球前四大的毫米波雷达供应商被称为"ABCD",即 Autoliv(美安).Bosch(博世).Continental(大陆)和 Delphi(德尔 ...

  5. 4D毫米波雷达硬件系统架构

    1 毫米波雷达与自动驾驶系统 4D毫米波雷达与车载自动驾驶系统的关系紧密,聊4D毫米波雷达,肯定抛不开自动驾驶系统.自动驾驶系统分为感知层(sense).决策层(think)和执行层(act). 感知 ...

  6. 让“纯视觉派”特斯拉都反悔,4D毫米波雷达究竟有何魔力?

    作者 | 车东西内参  编辑 | 车东西 点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取 点击进入→自动驾驶之心[多传感器融合]技术交流群 车载雷达迎来4D成 ...

  7. 4D毫米波雷达加速向上,搭载福瑞泰克解决方案量产车型预计年底上市

    进入2022年,智能驾驶赛道继续保持火热.加速.升级依然是智能化赛道上的两大关键词. 我们也看到,在过去的2021年,除特斯拉.蔚来.小鹏等新势力之外,北汽极狐.吉利极氪.上汽智己.长城摩卡等都已推出 ...

  8. 车载毫米波雷达天线罩设计问题

    说明 雷达天线罩是制作产品所必须的,天线罩(外壳)可以起到保护和支撑的作用,但同时天线罩也会对雷达的正常工作产生影响,本篇博文探讨毫米波雷达天线罩设计中的各类问题. 本篇博文会基于对这方面知识理解的加 ...

  9. 4D毫米波雷达开启感知新大陆,这家企业给出这样的答案

    当前,自动驾驶行业的内卷已是不争的事实.无论是以叠加传感器为手段的"堆料",还是以测试里程论性能高低的"堆数据",最终都指向了同一个问题:感知瓶颈.随着自动驾驶 ...

最新文章

  1. elasticsearch 文档操作
  2. php array 关联数组,php array_merge关联数组
  3. groovy附件存mysql_Groovy 操作mysql数据库
  4. 音视频技术开发周刊 72期
  5. make 怎么降级_Ubuntu 中将 make 的版本降低
  6. docker 日志_Docker容器日志管理最佳实践
  7. Farthest sampling on 3d mesh with mesh kept
  8. 【perl】LWP module
  9. Xcode升级之后,报 Moudule ‘xxx‘ not found,或 Could not find module ‘xxx‘ for target ‘arm64-apple-ios
  10. Java程序设计课程设计_《JAVA程序设计》课程设计
  11. 服务器未能识别网络,服务器无法识别url中特殊字符的处理方式
  12. windows10未激活更换壁纸
  13. 三重积分的球面坐标系的体积元素表示
  14. Conflux 网络生态建设指南
  15. .NET Core 模板项目 - Local
  16. 转】oracle 小数格式化为百分数
  17. Note2:使用socket套接字通信
  18. 计算机如何取消用户账户控制面板,电脑控制面板里面的用户账户怎么取消密码?...
  19. [Burp Suite完整教程] Intruder Attack typePayloads – 拥有上千种姿态的攻击模式
  20. Golang - 开篇必须吹牛逼

热门文章

  1. 台式计算机联网步骤,台式机如何无线上网 方法介绍【方法详解】
  2. java面向对象程序设计 习题答案_Java面向对象程序设计习题解答与实验 张桂珠.pdf...
  3. “亚马逊测评”黑色星期五美国站还能做测评吗?对英德站有影响吗
  4. 机器人计算机作文,关于机器人的作文6篇
  5. linux关机常用命令
  6. linux+wine乱码,Ubuntu下Wine乱码解决方法与中文支持
  7. Twitter, 微博相关文献
  8. JDBC 数据库连接
  9. piechart 文档 android,Android MPAndroidChart之PieChart和数据结构以及模型【5】
  10. Xmodem Ymodem Zmodem