【自动驾驶】超声波雷达障碍物检测

超声波（Ultrasound，又称超声波雷达）定位，即使用发射探头发出频率大于20KHz的声波和计算飞行时间来探测距离。常用的超声波频率有40KHz、48KHz和58KHz，其中最常用的频率是40KHz。使用超声波定位，一般精度在1cm~3cm之间，探测适用范围在0.2m~5m之间。

超声波指向性强，在介质中传播的距离较远，因而超声波经常用于距离的测量，如测距仪和物位测量仪等都可以通过超声波来实现。利用超声波检测往往比较迅速、方便、计算简单、易于做到实时控制，并且在测量精度方面能达到工业实用的要求，因此在移动机器人的研制上也得到了广泛的应用。

优点如下：1）穿透能力强，一定程度上可以防水、防沙、防尘；2）成本低；3）不受电磁效应的干扰。这种方式也有一些缺点：1）检测角度小、探测距离短，因此一辆车上会选择安装多个超声波传感器，并在低速行驶中使用；2）无法精确描述障碍物的位置，如两个障碍物同时返回相同的探测距离时；3）抗干扰能力差，易受到车速、震动、温度及湿度的影响。

由于以上特点，超声波在倒车、自动泊车、盲区检测等方面广泛应用，如图所示。常用的超声波雷达有两种，停车辅助（Ultrasonic Parking Assistance，UPA）超声波雷达和自动泊车（Automatic Parking Assistance，APA）超声波雷达。UPA超声波雷达探测范围较近，一般在0.1m~2.5m，常安装在车辆的前后保险杠上，辅助倒车。APA超声波雷达探测距离稍远，在0.3m~5m左右，一般安装在车辆的侧面，且具有较强的指向性，用于探测车辆左右两侧的障碍物。不过相比之下，APA功率略大，成本略高。

超声波在倒车时的应用示意图。蓝色扇形区域为APA超声波雷达探测范围，透明扇形区域为UPA超声波雷达探测范围。

l 高温会影响超声波雷达的正常工作：布置上要远离排气管和大功率灯具；排气管的排气方向不要和超声波的探测场干涉。

l 硬件材料会增加震动干扰的风险：避免将超超声波雷达布置到ABS 塑料和金属基材组件中

l 避免水流从超声波传感器前端视场流过，如大灯清洗

l 避免将传感器安装在冷热形变的散热格栅上。

l 蓬松材料为吸波材料，如：雪，纸团，布等

超声波雷达探测区域自动化测试方案：

1. 系统构成

测试设备需由运动台架和控制系统两部分组成。运动台架框体采用C型钢或工字钢搭建组成，需牢固可靠、运动时无晃动或异响，运动面离地不低于1.5m；

框体应至少包含固定杆、滑动杆、障碍物三种基本组件。

控制系统包括工控主机，显示器，数据采集卡等

设备尺寸：4m×3m×2m（长×宽×高）

2，设备功能

·自动整体包络图测试，记录数据及生成报告

·自动校正原点坐标

·读取障碍物位置信息，包括RPA探头反馈的位置信息以及控制系统反馈的位置信息

·读取RPA ECU报警信息

·设备系统发出的数据格式与RPA接收的数据格式一致。

超声波雷达收发性能自动化测试方案：

1，系统构成

配备有消声室、6轴机械臂、超声波接收/发射仪表、环境检测仪表、远程控制设备等；

·消声室需要设计为半消声室，消声室顶面及各立面需要覆盖消声材料，地面部分区域覆盖消声材料，从而制造出无反射区域；消声室整体尺寸不小于10m×5.5m×3.2m，并且需要划分为2个区域；

2.核心设备列表

编号	设备构成
1	6轴工业机械臂	● 最大负载大于15kg ● 水平伸长度大于2500mm ● 垂直伸长度大于5000mm ● 定位精度0.2mm
2	高频麦克风
3	前置放大器
4	信号调理电路
5	数据采集设备	不少于16路AI，2路AO，24路DIO
6	超声波换能器
7	无风扇工控机	● i5处理器 ● 6×USB 3.0 ● 2×USB 2.0 ● 内存DDR4 2133MHz
8	CAN&LIN通信模组
9	程控电源	● 电压输出范围：(0-25V，7A)、(0-50V，4A) ● 电压编程精度：0.05% ● 电流编程精度：0.2%
10	测试软件
11	消声室	● 消声室建设为半消声室，除地面外，均需要铺设吸声材料。 ● 消声材料需要具备良好的吸声性能、耐化学性、防火性能和环保性能。 ● 地面需要铺装导轨。 ● 消声室内部安装摄像头，用于实时观测消声室内部状况。

3.上位机功能列表

（1）仪器仪表及机械各部件驱动。测试软件支持对系统中仪器仪表、如麦克风，超声波空气换能器、数据采集装置和6轴机械臂等设备，配合上层软件实现整个系统的配套测试。

（2）超声波传感器测试，测试项参数可配置，测试判据阈值可配置，可选择单一测项进行调试也支持选择多个测项进行自动化测试。

（3）系统手动调试。支持工程师对系统各部件，如仪器仪表和机械臂等进行分离操作，可供工程师调试系统，手动验证新测试项。

（4）测试结果实时显示及可视化。测试过程中实时显示对应测试数据，例如方向图、FOV等相关测试项可进行可视化显示，便于工程人员直观检测。

（5）测试数据管理。支持对测试产品数据保存，可自动生成测试报告，可导出原始测试数据，以供工程师进行后续分析和测试。

（6）用户权限管理。针对不同用户，可实现不同权限，低等级权限仅可执行具体测试项，查看测试结果；高等级权限用户可添加或删减测试项、配置测试项相关参数、校准测试系统等。

【自动驾驶】超声波雷达障碍物检测相关推荐

自动驾驶毫米波雷达物体检测技术-硬件
Radar target generation and detection - Hardware Github: https://github.com/williamhyin/SFND_Radar_T ...
雷达多普勒频率计算公式_自动驾驶毫米波雷达物体检测技术-算法
Radar target generation and detection - Software 本文的代码均在MATLAB上运行, MATLAB在传统辅助驾驶系统的验证和模拟上相对于其他编程语言具有 ...
自动驾驶中激光雷达如何检测障碍物
自动驾驶中激光雷达如何检测障碍物 1. 介绍 1.1 激光雷达-一种三维激光传感器 1.2 激光雷达的优缺点? 1.3 基于激光雷达如何进行障碍物检测? 1.4 点云处理难点 2. 点云处理 2.1 ...
自动驾驶深度多模态目标检测和语义分割:数据集、方法和挑战
自动驾驶深度多模态目标检测和语义分割:数据集.方法和挑战原文地址:https://arxiv.org/pdf/1902.07830.pdf Deep Multi-Modal Object Detec ...
毫米波雷达障碍物检测算法介绍
Radar系列文章传感器融合是将多个传感器采集的数据进行融合处理,以更好感知周围环境:这里首先介绍毫米波雷达的相关内容,包括毫米波雷达基本介绍,毫米波雷达数据处理方法(测距测速测角原理,2D FFT ...
自动驾驶中激光雷达如何检测障碍物？
激光雷达是利用激光束来感知三维世界,通过测量激光返回所需的时间输出为点云.它集成在自动驾驶.无人机.机器人.卫星.火箭等许多领域. 本文从自动驾驶汽车的角度解释它是如何工作的,然后将探讨如何处理点云, ...
自动驾驶中雷达感知：时域关系的充分利用
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨黄浴@知乎来源丨https://zhuanlan.zhihu.com/p/506299494 ...
自动驾驶汽车的车道检测
这篇文章是关于自动驾驶汽车车道检测的深度学习解决方案即使在各种各样的条件下,人们也可以很容易地在道路上找到车道线.但是计算机并不容易.阴影,眩光,道路颜色的细微变化,线条的轻微障碍物--人们通常仍可 ...
自动驾驶毫米波雷达的原理分析和应用案例
作者 | 智车科技编辑 | 智车科技点击下方卡片,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 / 导读 / 近两 ...

【自动驾驶】超声波雷达障碍物检测

【自动驾驶】超声波雷达障碍物检测相关推荐

最新文章

热门文章