淘汰某些车辆上的前向雷达,这听起来可能比较难接受,但汽车制造商有理由这么做。

 

虽然前端雷达作为ADAS系统的基础部件有众多好处,但有充分的理由表明,在可以避免的情况下,取掉前向雷达显然可以节省硬件成本和重量。其优势在于不仅可以节省传感器本身,还可以节省与传感器相关的支架、线束、电源和其他支出。这样做简化了包装,释放了格栅的中间部分,以实现更灵活的造型和更简易的热管理。更可以维护架构,从而降低软件开发和集成成本。

 

 

主机厂可在不影响安全性的情况下实现这些益处。主机厂实际可通过运用配置选项来提升安全性,在许多交叉口和转弯场景时,这些配置比单个前端雷达和摄像头更有效。

 

两项关键的ADAS技术是实现这一目标的基础:先进的角雷达和传感器融合。这些软件和硬件技术通过AI和机器学习的应用实现了性能突破。L2+自动驾驶需要能够处理困难的转弯情况的系统, 而简单的前向雷达和摄像头将难以处理或无法完全自行处理此类情况。

 

先进角雷达

过去,角雷达有时也称为“短程雷达”,主要安装在车辆后部,用于解决盲区和车道变换。然而,现在情况已不再如此。

 

通常角雷达安装在前两个拐角处(见下图),这种宽阔的视野使车辆不仅能感知侧面的物体,还能感知车辆前方甚至后方的物体。与前向雷达相比,这种雷达对车辆侧面或稍微偏离车辆的物体具有更大的态势感知能力。例如,如果相邻车道上的车辆开始执行“近距切入”(快速驶入车辆正前方的车道),单单前向传感器等到车辆明显驶入车道才可能检测到驶入车辆,导致本车突然制动,让驾驶员感觉车辆未识别其他车辆的变道驶入或反应迟缓。

 

 

扩宽的视野

实际上,两个先进角雷达可提供250度的覆盖范围,在车辆前方提供明显的重叠。

 

 

总的来说,两个前角雷达提供了250度的感知能力融合了所有雷达的优势。雷达可在各种环境条件下提供强大的距离和速度检测功能,包括恶劣天气(雨雪等)、光线差(夜间、隧道等)、灰尘和污垢,同时允许OEM将传感器封装在仪表盘后面和狭小空间内。

 

当汽车制造商增配传感器时,毫米波雷达较低的计算要求(比基于摄像头的系统低一个数量级)将会降低成本、降低功耗和减少发热,免去冷却的需求。随着个人和政府越来越关注摄像头系统的隐私问题,视觉感知上会更偏向于选择雷达,因为雷达并没有隐私收集的可能性。随着汽车制造商继续在其车辆中安装后角雷达,与两个前角雷达的结合可以提供了360度重叠感知。简言之,以雷达为主的方案感知系统比其他解决方案更稳健、更经济、更灵活。

 

传感器融合

不过,将这些传感器输入转换为车辆周围环境的综合视图并非易事。更大的挑战是,传感器在其视野外围的性能很少能像在“视轴”(即从雷达天线表面直接延伸出来的轴)上那样好。

 

传感器融合解决了这一问题,使软件能够利用来自多个传感器的输入将车辆周围环境结合为单个模型。在前两个角装有雷达的车辆中,这些雷达的大视场开始在车辆正前方1.4米的区域重叠。系统可使用传感器融合来协调重叠区域内两个雷达的回波,从而对该区域内的物体具有高度的可信度。因为每个雷达都有150度的视场,所以重叠区域较大。相比之下,当下的摄像头可提供的最大视场为120度,进一步的增加受到百万像素和处理要求的限制,以实现足够高的分辨率。

 

 

在这种情况下,人工智能和机器学习是实现必要性能的基础。人工智能(AI)/机器学习(ML)增强算法助力车辆充分利用这些雷达回波,并快速准确地识别远距宽视场中的物体。即使回波可能很微弱,经过适当训练的融合算法便可提取出有意义的数据,并确定远处物体的位置、速度和大小。

 

因此,AI/ML增强型传感器融合使创建下一代“跟踪器”成为可能,该跟踪器能利用双角雷达实现前向合规功能。除了在整个组合视野中跟踪物体外,跟踪器还可通过将前向摄像头和超声波传感器的输入融合在一起,确保在保险杠正前方的适度盲区内移动的任何物体都被记录下来。

 

两个先进的角雷达和传感器融合的结合在各种车辆上都很有意义,因为这可以通过减少对视觉的依赖和消除对前向雷达的需求,支持基本主动安全算法和一些较低级别的车辆自动化。

 

简言之,使用具有传感器融合和机器学习功能的双角雷达对于OEM来说是一个极具吸引力的机会(消除前向雷达可降低成本、提升性能;可将此配置应用于多个车辆变型,以简化包装、集成和测试),OEM正寻找一种成本效益更高、更完美的解决方案,以便在其各种车型中使用。虽然前向雷达是主动安全领域的先驱,但在当今软件定义车辆中,它并非是必需品。