自动驾驶中的传感器技术40——Radar(1)

1、毫米波雷达的技术特点

如下图所示毫米波雷达的波长在4mm左右,远高于可见光和红外激光,传统的3D毫米波雷达提供距离向、水平方位向和速度向信息,目前开始流行的4D毫米波雷达可以提供距离向、水平方位向、俯仰向和速度向信息。

图1 三大主传感器的技术特点
图2 三大主传感器的技术特点

毫米波雷达相比较Camera和Lidar,具有全天候工作能力,在恶劣天气条件下(如雨、雾、烟、灰尘)仍能保持良好的探测性能,不受光线、温度等环境因素的影响,具有较强的抗干扰能力;能够穿透非金属材料(如塑料、布料等),在某些应用场景中具有较好的穿透能力,在穿透金属和液体方面的能力相对有限,这在某些应用场景下可能受到限制;虽然毫米波在雨、雾、大气湿度等天气条件下的传播性能可能会受到影响,导致信号损失或反射不清晰,但是在对多种环境的适应性仍强于Camera和Lidar。

毫米波雷达相比较Camera和Lidar,与激光雷达相比,毫米波雷达的空间分辨率较低,精度一般在米级别。此外,毫米波雷达对行人的反射波弱,难以识别。与Camera相比,更是很难对目标的具体类型进行识别。但是毫米波雷达能够提供同时提供目标的距离、方位和速度信息,这是其他两种传感器所不具备的。毫米波雷达的探测Frame Rate目前远高于Lidar,其目标的跟踪性能更优。

毫米波雷达体积小、重量轻,便于集成和部署,适合大规模应用。虽然其制造成本相对较高,但相比其他雷达技术(如激光雷达)更具成本优势。毫米波雷达的功耗相对较低,适合长时间运行。

综上:毫米波雷达是一个各项综合表现更均衡的自动驾驶传感器。

2、毫米波雷达的系统组成

下图为毫米波雷达的爆炸图,该图中的MMIC和MCU还是分开的。

图3 毫米波雷达爆炸图
图4 某毫米波雷达爆炸图(正面)
图5 某毫米波雷达爆炸图(反面)

Ref:https://news.eeworld.com.cn/qrs/ic494656.html

图6 毫米波雷达工作原理

Ref:https://www.electronicdesign.com/markets/automotive/article/21806109/count-on-design-software-for-millimeter-wave-automotive-radar-and-antenna-system-development-part-2

图7 3D毫米波雷达系统架构

毫米波雷达主要由以下几个部分组成

天线:负责毫米波信号的发射和接收。天线可以是阵列天线,通过多个天线单元实现波束成形和方向性控制;

MMIC:将射频前端功能集成到单片微波集成电路(MMIC)中,以提高集成度和性能;

MCU:用于信号处理和算法执行,如目标识别、跟踪和数据处理;

PMIC:负责系统的电源管理,为各模块提供稳定的电源;

接口器件:通过串行接口(如SPI、CAN、以太网)连接控制单元和外部设备;

小结:后续章节将对相关部分进行详细介绍。

相关推荐
JoannaJuanCV16 分钟前
自动驾驶—CARLA仿真(6)vehicle_gallery demo
人工智能·机器学习·自动驾驶·carla
Hundred billion30 分钟前
深度学习基本原理和流程
人工智能·深度学习
周杰伦_Jay32 分钟前
【大模型数据标注】核心技术与优秀开源框架
人工智能·机器学习·eureka·开源·github
Jay200211134 分钟前
【机器学习】33 强化学习 - 连续状态空间(DQN算法)
人工智能·算法·机器学习
Learn Forever43 分钟前
由ChatGPT 的记忆系统谈及如何构建一个对话应用智能体
人工智能
资深低代码开发平台专家1 小时前
GPT-5.2与Gemini 3.0终极抉择:谁更适配你的需求?
人工智能·gpt·ai
得贤招聘官1 小时前
AI招聘的核心破局:从“流程装饰”到“决策引擎”
人工智能
一水鉴天1 小时前
整体设计 定稿 之26 重构和改造现有程序结构 之2 (codebuddy)
开发语言·人工智能·重构·架构
cici158741 小时前
二值化断裂裂缝的智能拼接算法
人工智能·算法·计算机视觉
裤裤兔2 小时前
医学影像深度学习知识点总结
人工智能·深度学习·机器学习·医学影像·医学图像