在自动汽车的陈年往事中,这些车看起来非常笨重而“与众不同”,车周围有多个突出的设备,装有各种摄像头雷达激光雷达。这三种传感器都是解决自动驾驶问题所必需的,因为需要互补。

 

今天,传感器市场充斥着相互竞争的技术,选择合适的技术集成到车辆中是一项艰巨的挑战。产品设计师需要仔细考虑每个传感器类别的利弊。

 

这几年,伴随无人驾驶汽车渐行渐近,又出现了一种“全方位”4D成像雷达技术。尽管业界对它褒贬不一,但这种技术还是有其独到特色,且国内外都有厂商在研发并小规模前装导入。

 

 

1、弯道超车的机会

雷达对汽车行业至关重要,作为远程传感器所有新车几乎都已部署,ADAS创新步伐的加快对雷达行业是一大利好,但要达到更高的安全性和自动化水平,进入脱手/脱脚驾驶时代,雷达必须创新。

 

4D成像雷达也属于毫米波雷达,在ADAS应用方面,传统毫米波雷达量产上车已有二十几年时间,产品性能成熟稳定,市场份额已被几家巨头垄断,新晋企业突围难度不小。

 

2015年前后,一些初创公司开始挑战传统毫米波雷达:通过提高分辨率使之达到接近低线束激光雷达的水平,将传统的简单目标检测代之以环境测绘(点云模式),以应对越来越复杂的驾驶任务。

 

国内有人预测,4D成像雷达将从2022年开始小规模前装导入,预计到2023年,搭载量有望突破百万。

 

2、难以适应所有环境的分辨率和检测能力

随着车辆变得更加电动化和电子化,传感器、屏幕和ADAS功能也在增加,在安全技术得到提高的同时,也增加了汽车的复杂性、成本和重量。

 

每种传感器都有其优缺点,摄像头擅长高分辨率探测物体,但会受恶劣天气和光照条件影响;雷达在恶劣天气下工作良好,但分辨率较低;激光雷达可以准确探测物体细节,但在恶劣天气也不起作用。

 

·摄像头及其他光学解决方案:可有效检测目标、测量距离、提供精确成像和跟踪多个目标。例如,RGB摄像头价格相对低廉,其高分辨率数据可用于训练基于计算机视觉的分类和识别算法,但视野有限,在恶劣天气、光照和阴影区无能为力。摄像头还存在企业和消费者都非常关心的隐私权问题。

 

·被动红外(PIR)传感器:通过记忆周围区域红外图像和微小变化来检测运动。其最常见部署是车内,廉价、紧凑、高能效,可提供准确的检测,但范围有限。其性能因距离而异,很难检测到人体非常缓慢的运动。

 

·热红外传感器:可探测热量,与波长无关。低端解决方案因检测和响应速度慢而受阻,高性能传感器往往价格昂贵。热源和气流也会造成严重干扰,当环境温度接近体温时,灵敏度会受到严重影响。

 

·主动红外(IR)传感器:通常安装在室外,通过发射红外波来确定接收信号是人还是物体。与PIR传感器一样,其价格便宜,所需功率小。它们在所有光照条件下都能有效工作,但射程有限,而且易受不利环境的影响。此外,现有方案还受到低数据传输速率的阻碍。

 

·标准雷达:也就是测距多普勒雷达,可检测存在、方向、距离和速度,代表一种强大而可扩展的解决方案,能够保护隐私。不过,其小天线阵列数据输出分辨率低,无法生成丰富的图像。其窄视场主要集中在一个轴上,由于有限的角度分辨率,无法区分近距离目标。

 

在数据处理方面,设计人员还要考虑经济性。边缘处理可大大降低与云相关的处理和存储成本。随着越来越多的设备部署,边缘处理可以长期节约可观的成本。利用嵌入式处理器执行边缘处理有助于消除产品设计中集成高功率、高成本处理器的需求。

 

3、Vayyar:更智能的传感器,更丰富的数据

以色列初创公司Vayyar联合创始人及CEO Raviv Melamed认为:“数据收集依赖于传感器——任何智能设备的‘眼睛和耳朵’,但处理信息和指挥动作需要一个‘大脑’——人工智能。设计满足不断变化的人类需求的产品需要创建根据业务逻辑智能利用数据的机器学习算法。这意味着不仅要选择最有效的传感器技术,还要选择最强大的数据处理平台。”

 

Vayyar成立于2011年,旨在通过“全方位”4D传感器彻底改善车辆安全性和成本。利用其芯片上雷达(Radar-on-Chip,RoC)平台,Vayyar创造了一个突破性的车辆安全解决方案,用一个芯片可以取代十几个其他传感器,且不需要昂贵的激光雷达和摄像头。

 

Vayyar芯片上雷达

 

4D成像雷达可以提供替代技术的所有好处,同时克服其局限性。与2D雷达不同,它利用多输入多输出(MIMO)46个天线阵列实现高分辨率实时跟踪。用这么多天线扫描环境可以精确地同时检测和跟踪多个目标,以极高的准确性识别存在物体,并提供丰富的数据,先进的分类算法使设备能够及时作出反应。

 

据介绍,在批量定价方面,4D成像雷达芯片不仅价格合理,而且还提供了显著的附加值:更丰富的数据、更高的精度和更强大的功能。在性价比平衡方面,它有助于降低开发成本,缩短上市时间。由于不涉及光学器件,该技术在所有照明和天气条件下都非常强大,性能始终如一,同时确保用户隐私。

 

雷达中的高性能射频IC支持多达72个收发器,跨3-81GHz的超宽带(UWB)和毫米波频率;同时搭载内部数字信号处理器(DSP)和实时信号处理微控制器单元(MCU)。RoC可支持多种系统,包括入侵警报、儿童存在检测、增强型安全带提醒和eCall,在发生碰撞时向紧急服务部门报警。它能“看穿”物体,并能在所有天气条件下有效工作。

 

嵌入DSP及MCU的单片RFIC和大型MIMO阵列 

 

过去五年,Vayyar汽车部门负责人Ian Podkamien领导RoC开发团队一直在调整和发展其车用技术。他认为,传感器都有配线、连接器,并且需要耗电,这些都会增加车辆重量,这对电动车的续航里程是一个重大挑战。传感器整合可以提供多种功能,节省布线、重量和成本。

 

Vayyar信用卡尺寸的传感器采用4D高分辨率点云,可将整个车厢映射成5cm像素,看到每个乘客的外形及坐姿、移动方式等。实时4D点云解决方案可以在任何环境条件下工作,实时跟踪座舱内外,无需摄像头。

 

使用专有4D VOXEL(体素)点云技术构建高分辨率4D可视化

 

为了帮助客户利用芯片开发底层射频管理、算法、滤波等,Vayyar提供完整的参考设计,包括天线和阵列设计,客户不必去找多家供应商。Vayyar的数据集平台还可以快速响应任何新的立法,实现OTA软件更新,节省集成、测试和验证时间和成本。

 

开发模块

 

Vayyar经过验证的传感器芯片及其所有组件满足汽车级标准,因此,将其融入新车型意味着不会因遇到不可预见的问题而推迟上市。此外,它有助于最小化整体生产成本,这也是主机厂考虑的一个重要因素。

 

4、Arbe:超高分辨率评估距离、高度、深度和速度

Arbe Robotics同样是一家以色列公司,成立于2015年,利用突破性技术从头开始构建新型4D成像雷达,特别针对汽车应用。它结合了当前传感器组的优点并消除了一些缺点,使其在所有环境条件下都具有出色的分辨率和目标检测能力。该公司CEO Kobi Marenko说:“为主机厂和Tier 1提供比市场上任何其他雷达精度高100倍的传感解决方案,满足L1-L5各种级别车辆要求,这就是Arbe的4D成像雷达对自动驾驶汽车产生深远影响的地方。”

 

基于Arbe专有芯片组解决方案的4D成像雷达是第一款提供高灵敏度、高分辨率、全空间感测(包括仰角)的雷达。它提供了高精度图像质量,在所有天气和光照条件下,没有多普勒的模糊感测问题,有助于实现长距离和宽视野决策。

 

在目标检测方面,它可以确定车道中障碍物的准确边界,如桥下的卡车、车道中的栅栏或轮胎、卡车旁边的摩托车等,然后提示给自动驾驶、紧急制动和转向系统;它还提供可靠的脆弱道路使用者检测,如行人、自行车等,解决了ADAS和自动驾驶相关的道路事故问题。

 

Arbe技术的分辨率是目前产品的两个数量级,支持每帧100000次以上的检测,具有市场上最高的点云密度。其4D成像雷达芯片组拥有2000多个虚拟通道,以每秒30帧的全扫描速度同时跟踪数百个对象,同时优化了成本和功耗。以高分辨率同时评估距离、高度、深度和速度,将雷达从支持角色重新定位到传感套件的主干。

 

超高元素密度4D图像

 

与Vayyar不同,Arbe采用增强的FMCW(调频连续波)技术,芯片组可以用多个天线发射和接收信号。通过将信息从时域转换到频域(FFT,快速傅里叶变换),Arbe可在高方位和高仰角分辨率下提供超高元素密度的4D图像,并在大视场下实时远距离环境感测。此外,Arbe技术还将副瓣发生率降低到接近零的水平,解决了距离-多普勒(RD)模糊问题,避免来自其他雷达的干扰。

 

优越的工艺是Arbe的另一优势,专有毫米波汽车级雷达射频芯片组包括一个24输出通道的发射器芯片和一个12输入通道的接收器芯片。所采用新的22nm FD-SOI(全耗尽SOI)CMOS工艺支持TD-MIMO,在信道隔离、噪声系数和发射功率方面具有同类最佳的性能。利用最新的射频处理技术,Arbe以市场上每通道最低的成本实现了最先进的射频性能。

 

射频芯片组工艺

 

在雷达处理技术方面Arbe也有突破,其专有基带处理芯片将雷达处理单元(RPU)架构与嵌入式雷达信号处理算法相结合,在保持低硅功耗的同时实时转换大量原始数据。其处理芯片可实时管理多达48个Rx通道和48个Tx通道,每秒生成30帧完整4D图像,等效处理吞吐量为3Tb/秒。Arbe采用专有技术的物理分辨率是竞争对手的合成或统计分辨率增强方法(如超分辨率技术)的2-10倍。因此,Arbe的芯片组在低信噪比(SNR)和多目标场景中仍然有效,而这些场景往往会让其他方法失效。在利用超分辨率精确分析物体边界的同时,Arbe技术并不依赖于这种技术来生成高质量的图像。

 

无法区分威胁和错误警报是导致自动驾驶车辆事故的主要原因。Arbe的FMCW增强、卓越的通道分离和先进后处理减少了虚警,几乎没有虚对象实例,消除了假阳性和假阴性场景。

 

消除假阳性和假阴性场景

 

这样,ADAS系统就可以信任雷达读数,实现快速响应,并防止不必要的停车。所以,4D成像雷达为导航、路径规划和避障提供了基础,能够支持L4和L5自动车辆安全性和准确性方面的感测要求。

 

5、苏州豪米波:4D毫米波雷达与摄像头融合

苏州豪米波成立于2016年,由“国家高层次人才”白杰教授、海外归国射频专家为核心组建,旨在打破国外垄断,填补国内空白,积极打造具有高度自主知识产权的智能感知技术和人工智能系统。

 

名如其实,该公司专攻毫米波技术,掌握全套ADAS集成控制算法及汽车毫米波雷达核心技术,可根据主机厂车型要求定制设计和合作开发。其产品2018年底已在江铃、江淮等前装量产,包括车载BSD(盲点车辆识别)系统和FCW(前车碰撞预警)系统等。BSD系统最大探测距离100米,角度范围150度;FCW系统最大探测距离200米。

 

白洁教授认为,多传感器融合是构建稳定感知系统的必要条件,特别是雷达与摄像头的融合。他说:“人们经常遇到一些复杂的天气情况,如大雨、大雾、沙尘、强光、夜晚,这些对图像和激光雷达是非常恶劣的场景,难以用单个传感器应对,一种传感器无法处理所有场景。一些被认为比较成熟的智能驾驶也多次发生撞车事故,都是其传感器系统失效所致,代价惨痛。”

 

他介绍说,从本地数据处理程度看,传感器主要分为集中式、分布式、混合式结构。目前常用的是混合式结构,由分布式传感器分别进行数据处理,得到目标信息列表后再进行融合,因为毫米波雷达是目标点云,得到的是处理后的效果;激光雷达也是如此。

 

随着深度学习研究的发展,近年来出现了一些比较前沿的融合跟踪方案:普通雷达点云+摄像头、雷达射频图像+摄像头,以及4D雷达点云+摄像头。目前大多数传感器融合方法都是使用激光雷达和摄像头实现高精度3D目标检测。但这种方法有其局限性,摄像头和激光雷达对不利天气都很敏感,对远处目标检测不够精确,且激光雷达成本高,普及起来有一定困难。由于雷达对恶劣天气有很好的鲁棒性、探测距离非常远、能精确测量目标速度,而且成本低,在自动驾驶中越来越受到重视。

 

摄像头与雷达融合的网络

 

基于TI的AWR2243芯片的4D雷达城市道路交通参与者目标分类与检测研究,包括同济大学测试场采集的目标检测与分类数据集可视化结果表明,4D雷达可以输出有高度的目标点云,反映目标的轮廓外形。虽然与激光雷达点云成像原理不同,仅从毫米波雷达的点云还无法准确判断一个目标额外形等特征,但是其点云的散射特征具备一定规律。

 

4D成像雷达目标的可视化

 

利用机器学习目标分类算法吸取点云的几个特征:多普勒速度、点云强度分布,与距离有关的关联特征等,在分类算法数据集中测试中实现了很高分类能力,行人95%以上,大型车辆达到99%。机器学习的特点是参数少,便于进行嵌入式分类。

 

3D雷达点云虽然比激光雷达的稀疏,但是探测距离更远,且包含了目标的速度信息,而4D毫米波雷达可以辅助实现3D目标检测。可以看到,在相同场景,4D毫米波雷达的点云分布与16线激光雷达有明显区别。前者每个目标点云更丰富,探测距离更远。

 

 

4D豪米波雷达与激光雷达点云分布

 

6、想象未来

上述公司都认为,丰富的点云将使4D雷达在L4及以上系统中发挥更重要的作用,也就是说,有助于大大提升毫米波雷达感知系统的地位。由于雷达中集成的处理器嵌入了软件,主机厂可以更多地关注图像处理和机器学习,而不用在低水平雷达算法开发上耗费精力。

 

未来将属于4D毫米波雷达!