從ADAS到驅動器更換—實際雷達性能是否夠好?

作者:ADI 自動駕駛和汽車安全業務部副總裁Chris Jacobs


祖母時代的技術已成往事

1904年,雷達首次被Christian Huelsmeyer用於探測船隻,歷史已經跨越一個多世紀。常見的應用是軍事雷達、民用航空交通管制,當然,還有針對私家車輛的測速點。但是現在存在一種誤解,認為這項技術已經成熟,該領域幾乎沒有什麼發展。成像雷達和協同雷達都在進行著顛覆性的新創新。

先進的駕駛輔助系統已上市,自動駕駛即將到來,而道路安全至關重要。因此各廠商致力於使用先進的功能和技術來實現更高的性能和自主性,從而挽救生命。據ADI估計,基於其產品的汽車感測器每天可以挽救8條生命。

為了保護駕駛、乘客和行人,硬體和軟體都需要大量創新。必須開發一種更高效且優化的雷達技術,提供與航空航太和防務產業系統相同的高性能、功能和可靠性,並轉化為適合自駕汽車市場的尺寸和成本。

ADI自動交通和汽車安全事業部技術總監Mike Keaveney表示,雖然25萬美元的高解析度成像雷達系統成本對於價值數百萬美元的軍用坦克總價來說不算什麼,但與均價3萬美元的家用汽車相比就貴的離譜了。該公司正在探索如何進行客製化、微型化、降低成本、尺寸、重量和電源需求,以便能夠用於每輛汽車。」

雷達的挑戰

轉讓和採用軍事和航空航太的高成本、高性能雷達技術,並將其安裝在汽車上,在技術、美學和經濟方面都面臨重大挑戰。關鍵的挑戰不僅在於減少尺寸、重量和功率(SWaP),還要在降低成本的同時提高性能。雷達不僅必須能夠進行物體檢測,還必須能夠進行物體分類。這就更要求雷達圖像的解析度比目前先進系統的解析度更高。

性能


  • 在不增加尺寸、成本和功耗預算的情況下,將角度解析度提高到高度自動駕駛所需的水準。
  • 增加低反射率目標發出的反射點數量。
  • 大幅減少檢測延遲,特別是對於橫向移動的物體,這可縮短回應時間,並允許車輛在緊急情況下採取規避行動。

SWaP


  • 優化外形尺寸(大小、重量和功率),同時保持高性能。
  • 在不影響車輛工業設計的前提下,保持系統的美觀。

成本/經濟學


  • 以大眾市場汽車成本約束可接受的價格和外形尺寸實現高解析度雷達。
  • 將成本控制在購車者的價格敏感範圍內,因為他們是為這一切的買單者。 法規

法規


  • 必須繼續遵守政府規定的先進駕駛輔助系統(ADAS)安全特性(如2022年美國自動緊急制動指令)。雷達將不再是一個選項,而是標準。因此,關鍵是要不斷地將系統成本降低到一個消費者和OEM都可以接受的價格點,同時仍然保持這些具有挑戰性的ADAS應用所需的性能。

如今的汽車雷達裝置比手機還小,能探測您前方、後方或側方的盲點位置是否存在大型障礙。但,這還不夠。

成像雷達

成像雷達的概念和實現更高水準的角度解析度是一項理想功能,對於自動駕駛計程車來說尤其如此。高解析度不僅支援物體檢測(前面有東西),還支援物體分類(前面有自行車、汽車、人或小孩)。

為實現更高的解析度,成像雷達利用高頻寬訊號處理、數位波束合成和相位陣列技術。所有這些都依賴於大量的硬體和處理能力,其中天線尺寸隨著所需的角度解析度而縮放,通道計數增加以使用通道覆蓋所需的天線區域。

如今,ADI正與領先的OEM和一級供應商緊密合作,開發新的突破性方法,來改進雷達並應對其現代挑戰。如今的汽車採用的雷達解析度都不高,只能看到一團東西。它可以檢測到汽車周圍存在物體,可能是摩托車,可能是人或大型卡車,但無法確認該物體是什麼。在硬體檢測技術和軟體演算法進步的推動下,雷達的解析度提高,能夠分辨檢測物體的屬性,這讓我們距離安全的全自動駕駛汽車又更近了一步。

解析度問題和關於物體區分的挑戰

現有的常規汽車雷達在大視場範圍內提供大約10°到20°的水平角度解析度。

Low resolution radar and hidden objects

圖1. 低解析度雷達和隱藏物體。現有的非成像雷達的角度解析度一般在 10°到20°,它會將3名行人看作一個物體。

High resolution imaging radar reveals hidden objects

圖2. 高解析度成像雷達可以顯示隱藏物體。

成像雷達的角度解析度為1°至2°,是非成像雷達解析度的10倍。資料箱收集1°到2°解析度的資訊,協助區分和確定3名行人的位置。

資料處理

您為更高解析度所花費的成本,將為您提供更多資訊,隨著解析度增加,資訊量也相應增加,這就需要更多的運算能力。這就是為什麼高效處理所有資料的先進模式對於管理大量資料和低功耗至關重要。高效的中央處理或者邊緣處理,將是未來雷達的基礎。

下一步:協同雷達與通訊需求

Mike Keaveney表示:「利用現有車載雷達感測器硬體的協同雷達是未來汽車領域的發展方向。協同雷達就是相關性和識別協同創建高解析度相關圖像的事物需求,在本例中是指檢測雷達。一旦實現了協同雷達的經濟性,就能夠享受許多優勢。」

協同雷達可提供成像雷達性能,而不會明顯增加車內個別現有雷達系統的大小。這是因為有效孔徑現在由兩個(或多個)具有重疊視場的分散式雷達感測器之間的距離設定,而不是由任何一個感測器的物理尺寸預先確定。

Primary radar's narrow aperture

圖3. 初級雷達的窄孔徑。

初級雷達現在常用於汽車。來自每個發射源的雷達訊號反射到一個物體上,然後傳回到原點。孔徑, 或者說初級雷達的性能,是以英寸為單位的雷達發射器本身的寬度。

協同雷達/SuperRADAR較大的孔徑

SuperRADAR是ADI透過多個具有重疊視場的雷達波束實現相關性演算法的方法。

基於SuperRADAR的協同雷達使用低速鏈路在雷達源之間進行粗略定時。每個感測器向中央處理器發送資料,或者可能從一個雷達向另一個雷達發送資料,並在邊緣感測器上進行處理,後面這種方法更經濟。傳統協同雷達系統不容易實現,因為需要在雷達之間運行高頻鏈路。實現這種相關性的硬體開銷和成本非常高。

對於汽車雷達來說,提高協同雷達的性價比非常有必要。Jacobs指出:「向汽車增加硬體的傳統方法並非解決方案,我們必須換個思路來看問題。我們可以透過更智慧方式,用演算法將這些技術結合起來,使用系統中的相同硬體提高組合系統性能。ADI的SuperRADAR方法允許雷達系統產生多個非相關圖像的相關疊加。」

協同雷達


Cooperative radar's larger aperture

圖4. 協同雷達較大的孔徑。

協同雷達的工作原理是什麼?來自每個源的訊號反射到一個物體上,被兩個雷達接收器接收。因此,同一目標有2個外觀(或兩個不同的視圖),並且目標上的時間為2倍,而初級雷達只有一個外觀,時間也只有1倍。此外,由於兩個雷達協同工作,雷達孔徑(與性能成正比)是汽車前部的尺寸,兩個角雷達之間的距離(大約4英尺),與初級雷達的英寸完全不同。

這種方法允許實現經濟高效的感測器設計,可將感測器放在車輛周圍的多個點上,支援卓越的物體檢測和分類。

SuperRADAR的優勢:1 + 1 > 2

SuperRADAR不僅降低尺寸、重量和功耗,還為系統帶來更多功能,從而提高解析度,同時大幅減少硬體,在更合理的成本範圍內提高應用性能。

更多反射點:目標上的時間為2倍


SuperRADAR可使用同樣多的硬體提供兩倍性能。或者,使用一半的雷達通道來保持相同的性能。借助SuperRADAR,所得到的解析度是單一雷達的兩倍。這可能會需要額外的處理能力,但是汽車級DSP/MCU的路線圖足以滿足這些處理需求。

SuperRADAR實際上就是雷達融合。將融合兩個獨立的雷達視圖,因此得到的解析度比單獨完成的更好。融合將成為未來實施ADAS的標準方式。

降低延遲:快速計算橫向速度可挽救生命


車輛成像系統的一個重點是能夠快速計算橫向速度,即物體正交(以直角)移動到車輛行駛方向的速度。但是,要實現足夠低的誤報率,即使是主要基於鏡頭的傑出機器學習演算法,仍需要大約300 ms來進行橫向移動檢測。對於在以每小時60英里速度行駛的車輛前方行走的行人來說,毫秒之差就關係到人員受傷的輕重程度,因此響應時間至關重要。

300 ms延遲是由系統從10個連續影像幀執行增量向量計算所需的時間造成的,10個是以可接受的低誤報率進行可靠檢測所需的數目。但是,由於SuperRADAR的寬有效孔徑,以及它將來自兩個或多個感測器的圖像連貫組合的方式,它能夠在一個30 ms的測量週期內精確地計算出速度的切向分量和徑向分量(這種延遲比目前一流的系統快10倍)。這種低延遲的檢測比F1賽車手的反應時間100 ms要少,遠遠少於一般駕駛員的反應時間!

Today's image systems have a latency of 300 ms and 10 frames to detect orthogonal movement

圖5. 今天的圖像系統有300 ms的延遲和10幀圖像用於檢測正交運動。

使用目前常見的成像雷達技術,如果有人穿越馬路,就需要多個鏡頭圖像來顯示正在移動的物體。每個鏡頭圖像需要30 ms。10個圖像需要300 ms。在這段時間內,汽車移動幾英尺。

SuperRADAR systems have a frame latency of 30 ms to detect orthogonal movement

圖6. SuperRADAR系統有30 ms的幀延遲來檢測正交運動。

兩個雷達協同工作就可以進行三角測量,從而捕捉運動中的物體,因為兩個雷達源都是偏置的。只需要先用雷達波束1從位置1映射這個人,然後在30 ms後用雷達波束2從位置2映射。這就讓汽車知道人的移動方向。

SuperRADAR只需使用傳統成像雷達十分之一的時間即可識別穿越道路的移動物體。

SuperRADAR的經濟性

SuperRADAR概念不僅是降低整體系統成本的有效方法,而且能夠滿足性能需求,為最終應用帶來更大的價值。

成像雷達的性能,現在只能在昂貴的自動駕駛計程車應用中找到,還要去除所有昂貴的硬體,把價格降到個人車主能夠承受的水準。這正是SuperRADAR發揮作用的地方,用最少的硬體佔用空間和硬體上面運行的軟體,產生兩倍的性能。

汽車的未來

在我們展望汽車領域的未來時,我們發現可能需要從根本上重新建構現有系統。現有的汽車平台與未來的汽車平台極為不同。

憑藉在垂直領域的豐富經驗和專業知識,ADI具備獨特的優勢,能夠透過硬體和軟體產品的組合來優化未來汽車的雷達處理需求,為最終應用帶來更多價值。這種演算法直接解決了汽車製造商目前和未來面臨的擁有權總成本(TOCO)挑戰。

SuperRADAR潛力十足,而目前還處於初步探索階段。這項技術不僅是一種推動ADAS的更高性能、更經濟高效的解決方案,而且,最終將能挽救生命。