【Apollo】自动驾驶感知——毫米波雷达

这篇具有很好参考价值的文章主要介绍了【Apollo】自动驾驶感知——毫米波雷达。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

作者简介: 辭七七,目前大一,正在学习C/C++,Java,Python等
作者主页: 七七的个人主页
文章收录专栏: 七七的闲谈
欢迎大家点赞 👍 收藏 ⭐ 加关注哦!💖💖

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习


前言

本文用于投稿于星火培训:报名链接

毫米波雷达分类毫米波雷达的信号频段毫米波雷达工作原理车载毫米波雷达的重要参数FMCW雷达的工作流程单目标距离估计多目标距离估计单目标速度估计多目标速度估计。

1. 雷达的基本概念

无线电探测及测距(Radio Detection and Ranging),
发射电磁波并接收目标反射的回波信号,通过对比发射信号与回收信号,获取目标的位置、速度等信息。

1.1 毫米波雷达分类

雷达的分类
• 所发射电磁波的频段,决定了雷达的基本性能特点
• 超视距雷达、微波雷达、毫米波雷达、激光雷达、…

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习

  • 按照用途分类:军用,气象,导航,车载
  • 按照波长分类:米,分米,厘米,毫米
  • 按照波形分类:脉冲,连续波

按照波长和用途分类

  • 长波雷达(米,分米),分辨率低,穿透性强
  1. 一般用于广播,军事预警,卫星通讯等:
    短波雷达(厘米,毫米),分辨率高,穿透性差
  2. 一般用于测绘,短程通讯,车载应用等
    按照波形分类
  • 脉冲雷达
  1. 通过脉冲发送和接收的时间差来确定目标的距离
  2. 不能确定目标的速度
  • 连续波雷达
  1. 发射信号在时间上是连续的
  2. 发射信号的频率是随着时间变化的(调频连续波)

1.2 信息的传输

◼ 调制:将调制信号(待传输信息)混合到载波信号(起到载运作
用的信号)的过程,可分为调频,调幅,调相。
◼ 解调:相反的过程,即从混合信号中恢复出待传输信息。
◼ 带宽:调制信号频谱的宽度,带宽高有利于传输更多数据。

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习

  • 毫米波雷达使用的电磁波波长介于1-10mm,波长短、频段宽,比较 容易实现窄波束,雷达分辨率高,不易受干扰
  • 早期被应用于军事领域,随着雷达技术的发展与进步,毫米波雷达传 感器开始应用于汽车电子、无人机、智能交通等多个领域。

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习

1.3 毫米波雷达的信号频段

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习

1.4 毫米波雷达工作原理

在车载毫米波雷达中,目前主要有三种调制方案:调频连续波(Frequency
Modulated Continuous Wave, FMCW),频移键控(Frequency Shift Keying, FSK)以及相移键控(Phase Shift Keying, PSK)。
    主流车载毫米波雷达所采用的的调制信号为调频连续波FMCW。

其基本原理是在发射端发射一个频率随时间变化的信号,经目标反射后被接收机接收,通过反射信号和接收信号之间的混频,得出两个信号的频率差,随后通过电磁波传播公式和多普勒效应公式求出目标距离和速度.

⚫ 测距测速是通过分析发射和接收的调频连续之间的区别来实现
⚫ 测量角度是通过计算不同天线单元之间的延时差来计算

2. FMCW雷达的工作流程

PS:此部分主要是为了简单理解FMCW雷达的工作原理,是对第一章内容的补充。
    总结一下,FMCW雷达的工作流程:

  • 合成器生成一个线性调频信号 ;
  • 发射天线( TX )发射线性调频信号;
  • 接收天线( RX )捕获目标对线性调频信号的反射;
  • 混频器将RX和TX信号合并到一-起,生成一个中频(IF )信号。

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习

2.1 线性调频脉冲信号

对于一个脉冲信号

  • 信号的频率随时间的变化线性升高
  • 起始频率 f c f_c fc​,持续时间 T c T_c Tc​,带宽 B B B,频率变化率 S S S

【Apollo】自动驾驶感知——毫米波雷达,七七的闲谈,自动驾驶,人工智能,机器学习

2.2 混频器

作用:将TX和RX的信号合并生成一个新的信号IF

  • TX发射信号: x 1 = sin ⁡ ( 2 π f 1 t + ϕ 1 ) {x_1} = \sin (2\pi {f_1}t + {\phi _1}) x1​=sin(2πf1​t+ϕ1​)
  • RX接收信号: x 2 = sin ⁡ ( 2 π f 2 t + ϕ 2 ) {x_2} = \sin (2\pi {f_2}t + {\phi _2}) x2​=sin(2πf2​t+ϕ2​)
  • 中频信号IF: x o u t = sin ⁡ ( 2 π ( f 1 − f 2 ) t + ϕ 1 − ϕ 2 ) = sin ⁡ ( 2 π Δ f t + Δ ϕ ) \begin{array}{c}{x_{out}} = \sin (2\pi ({f_1} - {f_2})t + {\phi _1} - {\phi _2})\ = \sin (2\pi \Delta ft + \Delta \phi )\end{array} xout​=sin(2π(f1​−f2​)t+ϕ1​−ϕ2​)=sin(2πΔft+Δϕ)​

对于单个静止目标,RX和TX脉冲 之间的时间差是固定为 τ τ τ。因此,频率差也是固定的,也就是说IF是一个频率恒定的单音信号。IF的 Δ f \Delta f Δf Δ ϕ \Delta \phi Δϕ用以估计速度和距离。

声明

本文参考文献:https://apollostudio.csdn.net/649cf6f6c667f200c2e77da3.html

关于【Apollo】自动驾驶感知——毫米波雷达的详细讲解,七七就先分享到这里了,如果你认为这篇文章对你有帮助,请给七七点个赞吧,如果发现什么问题,欢迎评论区留言!!💕💕文章来源地址https://www.toymoban.com/news/detail-662414.html

到了这里,关于【Apollo】自动驾驶感知——毫米波雷达的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 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

    2023年04月09日
    浏览(36)
  • 国内首门3D毫米波&4D毫米波雷达理论实战路线来了!

    自上世纪九十年代毫米波雷达首次前装量产上车起,已经经过了二十多个年头。近年来,随着新能源汽车智能化大潮来袭,主机厂对毫米波雷达的需求与日俱增,尤其是在辅助驾驶领域,不管是入门级L2,还是高阶NOA,毫米波雷达的单车搭载数量均显著提升。据研究数据显示

    2024年03月19日
    浏览(34)
  • 【TI毫米波雷达笔记】MMwave毫米波雷达API配置及驱动(以IWR6843AOP为例)

    【TI毫米波雷达】MMwave毫米波雷达API配置及驱动(以IWR6843AOP为例) MMWave API(位置处于BSS)可以被DSS和MSS调用 通过Mailbox进行数据通信 毫米波雷达接口 首先搞清楚 mmwave时雷达射频整体 每秒发送很多frame(帧) frame下面有chirp 比如96个chirp 所以当发送开始时 会连续发送96个chi

    2024年02月09日
    浏览(35)
  • 毫米波雷达实时采集教

    https://www.cnblogs.com/dhyc/p/10510876.html 毫米波雷达实时采集教程---- 雷达资料分享——RSP1 多普勒雷达开发套件

    2024年02月08日
    浏览(34)
  • 4D毫米波雷达和3D雷达、激光雷达全面对比

              众所周知,传统3D毫米波雷达存在如下性能缺陷:         1)静止目标和地物杂波混在一起,难以区分;         2) 横穿车辆和行人多普勒为零或很低,难以检测;         3) 高处物体和地面目标不能区分,容易造成误刹,影响安全性;        

    2024年02月05日
    浏览(38)
  • 毫米波雷达:从 3D 走向 4D

    2024年01月02日
    浏览(48)
  • 车载毫米波雷达的校准问题(1)

        任何精密的传感器都需要进行校准,校准的目的在于使测量的结果更加准确。车载毫米波雷达作为一个车规级的可能关系到生命安全的传感器,其测量结果的准确性显得尤为重要。 但是车载毫米波雷达(或者说任何传感器)的校准这个话题很大,涉及的东西有很多,想要详

    2023年04月21日
    浏览(50)
  • 毫米波雷达的硬件架构与射频前端

        本篇博文梳理(车载)毫米波雷达的系统构成,特别地,对其射频前端各部件做细节性的原理说明。本篇博文会基于对这方面知识理解的加深以及读者的反馈长期更新内容和所附资料,有不当之处或有其它有益的参考资料可以在评论区给出,我们一起维护,我会定期完善。

    2024年02月05日
    浏览(28)
  • 毫米波雷达系列 | 传统CFAR检测(均值类)

    CFAR检测器主要用于检测背景杂波环境中的雷达目标,常见的均值类CFAR检测器包括单元平均检测器(CA-CFAR)、选择最大检测器(GO-CFAR)、选择最小检测器(SO-CFAR)。 CFAR检测器的性能取决于窗口的大小和形状,以及阈值的设置。通常,选择合适的窗口和阈值需要进行大量的实验和测试

    2024年02月08日
    浏览(27)
  • 毫米波雷达点云 DBSCAN聚类算法

    聚类的目的是将一组数据点划分为具有相似特征或属性的组或簇。通过聚类分析,我们可以识别出数据中的内在模式、结构和关联关系,从而获得对数据的更深入理解。 具体来说,聚类的目的可以分为以下三部分: 发现数据的内在结构: 聚类可以将数据分成簇,这些簇可能

    2024年02月06日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包