自动（智能）驾驶 | 傲酷4D毫米波雷达报告记录分享
因为和傲酷（Oculii）接触比较久了，今天和大家分享关于傲酷4D雷达
第一篇为：傲酷4D高清成像雷达的创新与应用 报告的时间为2021年4月15日。
报告入口： https://apposcmf8kb5033.pc.xiaoe-tech.com/live_pc/l_606f1355e4b0d4eb038fabc9=
另外一个为今年苏州的毫米波大会中来自傲酷的分享。
特别标注及声明：并非软广，本文记录和说明均来自两个报告，均是郄总声称达到的水平。
-----------------------------------------------------------------------------------------------------------
以下是正文：
两篇报告都是有郄建军，郄总来做，简单介绍一下郄总（介绍词来自苏州毫米波大会的介绍词）：
郄建军先生在汽车、互联网、移动通信及公安行业等拥有三十年多年从业经历。曾在摩托罗拉公司、高德公司、公安部等担任高级管理职位。2017年加入傲酷公司（Oculii），任CMO兼亚太区总裁，将4D成像毫米波雷达，在中国首次全面普及推广。促成多家OEM的量产前装项目定点，公司最终成功被安霸收购。自2021年加入安霸以来，带领中国市场团队，致力于将安霸的智能驾驶芯片解决方案在中国市场落地生根，发展壮大。郄建军先生拥有吉林大学无线通信学士学位，哈尔滨工业大学移动及网络通信硕士学位。
报告一：
报告由郄总来做。开篇讲到了其出身，是做高精地图出身的，也以小米为例子，提到了和小米公司的一些合作。与手机需求类似，关键器件也已然成为了行业的迫切需求，可能成为决定性的“拐点技术”。
4D 角雷达的可以做到这么小，功耗约2W。
报告分为4个部分： 行业现状、虚拟孔径成像技术、傲酷最新的4D产品、在L3/L4及其他领域的应用。
郄总提到某主机厂已定点使用他们的4D雷达。
郄总从传感器特性说起再提到马斯克对那时sensor的看法：
显然马斯克认为视觉更胜一筹，而雷达往往会带来问题。
对于传统雷达无法测高、角分辨率低、横穿物体和静止物体不敏感。
4D雷达的技术路线方式：
傲酷硬件上和其他家类似，前面提到的角雷达采用的就是TI的1843，其 算法+独特的天线设计 使得其有优秀的性能和较低物料成本。
waymo实际已经上了6个4D雷达，并形成较高的依赖（waymo采用4级联的方式，已于傲酷接触想从算法角度来优化其雷达）：
上汽的ZF 4D雷达，采用四级联的TI2243 + FPGA 探测距离300m
大陆540
华为：四级联方案
从上面可以看出功耗都比较高，尺寸也比较大。
Arbe的专门做芯片：（48发48收） 天线多，噪声比较大。
Mobileye：
接下来郄总讲解傲酷的技术栈：
普通的雷达技术栈都是此类方式，增加天线;(飞机上毫米波作为几乎最重要的感知设备，能达到百发白收)
傲酷使用算法的方式，可以将分辨率提高100倍，声称其波形是不一样的（调幅调相调频，三者都调，且自适应）上一帧和下一帧会产生闭环和关联，根据环境变化而变化。再解调，提取其中的信息。软件虚拟出20倍甚至100倍的天线。
从上面这个图可以看出，他们后续也在将其算法用在三发四收的也就是Raptor。
功耗非常低，四级联甚至可以达到激光的水平（0.1度，视场角很大，没有使用FPGA）。
产品对比：
4个角雷达+1个前向（Robotaxi场景 ）
高速场景：
可以看出静止的有高度信息的都可以检测出来。也可以加激光组成传感器组。
对标激光：（对比的Velodyne的16线）
对于算力要求较低，直接在SoC上完成。
在高速场景上更加依赖毫米波。在高成本时可以都装上以获取更好的感知，若低成本则可以仅装毫米波成像雷达即可。
接下来提到了泊车场景，特别是对于业界难点雪糕筒、三角锥这种小目标做了展示：
室内场景，多径非常严重，也是一个难点，其给亚马逊做的效果如下：
点云建图：
定位可以做到10cm的精度。雷达SLAM，非常新颖。
无人物流小车--SLAM制图、定位导航（给长城汽车做的项目），右边是处理后的图，左右摇摆15cm。
复杂路口：郄总强调和视觉的配合
和视觉的融合：
团队介绍：（甚至有前大陆的CEO）
合作的公司：
分享后的Q&A环节，郄总是通过语音的形式对个别问题进行了回复，这里我选取部分稍加整理一下：
1. 用的什么芯片？
TI 的1843、2243等都在用，英飞凌、NXP也在用，并不依赖某芯片。
2. 抗干扰性能如何，应对震动是如何保证的？
主要是三种调制，每个chirp是不一样的，雷达之间是不一样的，干扰的机会较少、还做了相关算法；震动和撞击都进行过测试都可以保障。
3. 是否使用了SAR成像？
没有使用。车载上具备一定的局限性，比如实时性（需要积累），也不作运动补偿。
4. 多径干扰如何解决的？目标分类如何做？
调相会产生比较的多径问题，但是他们有相关专利和算法来解决；他们的雷达点数目较多，但也需要做（深度）学习可能会获得更好的结果。
5. 跟IMU、相机如何去融合？
业界做了很多努力，后融合是业界的主流做法，但是该雷达点云数目很多，可以尝试去做前融合。一般使用前融合。
6. 自动泊车是否做过？
正在探索，是一个很好的方向，角雷达大有可为，纵目科技已经做了相关的项目。
7. 4D哪几个维度？
xyz+速度或者几个角度+速度
8. 傲酷的虚拟孔径阵列技术，很大程度提升了角度分辨能力。但是一般的孔径扩展技术，一般是增加物理孔径。请教一下，傲酷是通过牺牲时间或者多普勒去构造虚拟阵元呢，还是利用了一些先验信息呢？
都没有牺牲，动态智能的。
9. waymo 合作，环境感知与自适应变换，根据波形和反射强度等分析，点云36000点。
10. 可靠性验证，是否有增加？
在传统的毫米波上增加了一些指标。
11. 4D了点和激光的关系？
不是要取代激光，4个角雷达+前向+激光。布置起来容易不会更改结构，遮挡问题也不严重。低线束有一定关系（可以替代），但是高线数的还是需要互补。对于超声波来说虽然价格便宜，从技术上来说也有替代的可行性。
12. 价格？
成本普通毫米波芯片，BOM价格低。软件的另算
13. 刷新率？
10~20Hz可调，可以根据需要调整。 （接了跑车的项目）
14. 时延如何？
和标准普通雷达一样，不会牺牲额外的时延。
15. 带宽是多少？
76~77,500M； 77~79 1G也有；在一个G以内可以解决问题、
16. 是否有公开数据集？
目前没有。
17. 跟Arbe、森斯泰克的优势？
上面有提到，完全的虚拟孔径，算法赋能，效果很好，成本更优。
18. 迎面车，多部雷达有何干扰么？
专门测试过，雷达对雷达互相没有干扰，每个chirp的信号都不一样，两个雷达没有互相一样的。对于别人的雷达，如大陆或者博世的，基本没有影响，只有当斜率差不多时会有较强影响；车路协同中，也测试过，也不干扰。
19. 不靠时间积累如何做到20~100倍虚拟孔径？
独特之处在调相，同样是每个chirp中不同的相位，在解调的时候能提取相关信息。可以参考其专利，主要是水平和纵向都在做，分别发的东西是不一样的，水平，纵向10倍，4级联可以达到100倍。
20. falcon为例单帧点数为多少？
每帧2000点，实际上原始点云10万，使用单TI的1843就可以做到，无需DSP及FPGA等处理。
------------------------------------------------------------------------------------------------
报告二：苏州毫米波大会
题目：4D 成像雷达跨入 AI 时代 4D Imaging Radar enters AI Era——安霸半导体技术（上海）有限公司 Ambarella
首先郄总对安霸公司进行了简介：
安霸是一家做视频芯片的公司起家的半导体芯片公司，15年收购了VSLAM等等。
CV3芯片：域控芯片，算力较高
（补充阅读：单颗芯片即可搭建自动驾驶系统？安霸CV3系列芯片，2022年上半年首批样品上线）
接下来讲的是4D雷达：（能否将sensor技术“压榨”到极致）
起初讲了经典的雨雪雾霾强弱光问题，以及测距测速问题。以及视觉+雷达的事故（x鹏汽车、x斯拉等）
原因分析：主要是两种视觉的经典缺陷问题以及传统雷达的问题。
主要还是讲了其虚拟孔径技术PPT同上次报告：
自适应波形（同上次报告）后面只展示一些新增的内容：
地库高度显示：
暴雨天气： 可以看到300~400m
分开两个角反测试：可以达到0.6度
可以做原始点云级别的前融合，安霸和傲酷优势互补：
总结：报告主要阐述了4D雷达的优势和技术栈，以及实现的主流方式，不同厂商目前的方案如何以及其产品在目前的业界地位如何。可以看到目前4D雷达已进入了包括量产车、建图定位等领域，可以说有着非常promising的前景！
自动（智能）驾驶 | 傲酷4D毫米波雷达报告记录分享相关推荐
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 4D毫米波雷达：成像距离超百米，成本仅为LiDAR十分之一
作者 | 机器之心 编辑 | 汽车人 原文链接:https://mp.weixin.qq.com/s/wuJeR-AUQwz1gqsGLyLtpw 点击下方卡片,关注"自动驾驶之心&quo ...
- 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 ...
- 详解4D毫米波雷达数据集（VOD）Multi-class Road User Detection with 3+1D Radar in the View-of-Delft Dataset
Multi-class Road User Detection with 3+1D Radar in the View-of-Delft Dataset 本文介绍一个新的自动驾驶数据集:VOD,论文收 ...
最新文章
- sublime配置python开发环境_Sublime Text 配置Python3.7开发环境
- 取消管理员取得所有权_企业取得违约补偿款是否一律应缴增值税呢？
- MongoDB学习笔记~MongoDB实体中的值对象
- ISA服务器之域内×××用户在外网通过CA验证连接域内×××服务器
- json vs obj
- 数据结构实验之栈三：后缀式求值
- [转载] Python京东抢购
- 牛客网Java刷题知识点之表达式类型的自动提升
- Spring学习篇01-Spring容器相关基本概念
- 190704每日一句
- iOS 在CollectionView上做展开收起动画
- 图像编码解码（I P B帧），数码相机成像原理
- HTML网页的基本结构
- hexo入门学习（四）：文章（带图片）
- 教程篇(7.0) 03. FortiClient EMS配置和管理 ❀ FortiClient EMS ❀ Fortinet 网络安全专家 NSE 5
- CVE-2015-1427 ElasticSearch（Groovy 沙盒绕过 代码执行漏洞）
- android模拟器 vt,逍遥安卓模拟器VT模式如何设置？VT模式设置流程图文分享
- iapp教程从入门到精通全部,iapp怎么做软件教程
- wifi 性能 测试 android,WiFi性能测试app下载
- inux内核态文件操作filp_open/filp_close/vfs_read/vfs_write