4D毫米波雷达和3D雷达、激光雷达全面对比

这篇具有很好参考价值的文章主要介绍了4D毫米波雷达和3D雷达、激光雷达全面对比。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。

         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;

        4) 角度分辨率低,远处目标位置精度低,误差大;

        5) 点云稀疏,难以识别目标类型。

        4D毫米波雷达突破传统雷达局限性,可以高精度探测目标的距离、速度、水平方位和俯仰方位,使得:        

        1)最远探测距离大幅提高,可达300多米,比激光雷达和视觉传感器都要远;

        2) 4D毫米波雷达水平角度分辨率较高,通常可以达到1°的角度分辨率;

        3) 4D毫米波雷达可以测量俯仰角度,可达到2°的角度分辨率,可在150m处区分地物和立交桥;

        4)多普勒为零或很低的横穿车辆和行人, 通过高精度的水平角和俯仰角可以有效识别目标;

        5)目标点云更密集,信息更丰富,更适合与深度学习框架结合。

        国内外有很多公司在研发4D毫米波雷达,国外有博世、大陆等,国内有森斯泰克、华域汽车等,下表列出了一些典型的公司和产品:

国外主要4D毫米波雷达企业及产品

企业名称

产品频率

通道数

博世

77GHz

12*16=192

大陆

77GHz

12*16=192

电装

77GHz

海拉

77GHz

采埃孚

77GHz

12*16=192

安波福

77GHz

日立

77GHz

Mobileye

77GHz

48*48=2304

特斯拉

77GHz

Arbe

77GHz

48*48=2304

Uhnder

77GHz

Oculii

77GHz

Echodyne

77GHz

Vayyar

77GHz

国内主要4D毫米波雷达企业及产品

企业名称

产品频率

通道数

隼眼科技

77GHz

森思泰克

77GHz

12*16=192

德赛西威

77GHz

楚航科技

77GHz

6*8=48

北京行易道

77GHz

深圳安智杰

77GHz

华域汽车

77GHz

12*16=192

苏州豪米波

77GHz

几何伙伴

77GHz

12*16=192

纳瓦电子

77GHz

12*16=192

华为

77GHz

12*16=192

中兴

77GHz

12*16=192

复睿智行

77GHz

12*16=192

赛恩领动

77GHz

12*16=192

        4D毫米波雷达在各项指标上明显由于传统3D雷达,这里用大陆经典的408雷达和采埃孚frgen21做对比,有更直观的认识。

技术参数

ARS408

FRGEN21

通道数

4T*6R=24

12T*16R=192

工作周期

60ms

60ms

最大点云数

512

3072

最远距离

220m

300m

距离分辨率

0.4m

0.4m

速度分辨率

0.1m/s

0.1m/s

方位角分辨率

1.2°

俯仰角分辨率

10°

2.3°

尺寸估计误差

1.0m

0.5m

朝向估计误差

2.5°

        可以看到,4D雷达在通道数,点云数,最远距离,角分辨力等各方面都明显优于传统3D雷达。当然,指标是抽象的,典型场景的表现更具象,也更有说服力。

典型场景1:地面窨井盖或金属物

​​        下图是典型的城市道路,408雷达将前方的窨井盖识别为静止目标并输出,但4D雷达输出点迹判断为地面点直接过滤,不会形成目标,避免了FCW、AEB等误触发。4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪        下图是路面的连接处,通常是金属,可以看到4D雷达完全检测出来,判断为地面点,不会引起功能问题。4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪典型场景2:指示牌或交通杆

        指示牌和交通杆也是城市道路常见的,下图中408雷达将高处的交通横杆识别为静止目标,但4D雷达的点迹有一定高度,明显高于车辆,会识别为高处点并过滤,不会输出静止目标。4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪典型场景3:十字路口横穿斜穿目标

        十字路口的各类车辆行人等目标对于传统雷达来说很难估计尺寸和朝向,但4D雷达由于点云数量多且精度高,可以基本输出目标轮廓,再通过算法处理得到目标更准确的尺寸和朝向。4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪​        4D雷达性能强,有很多人认为能替代激光雷达,这里用速腾的128线激光雷达M1做对比,两者的指标参数如下。     

        可以看到激光雷达点云数远大于4D雷达,角分辨率也远高于4D雷达,唯二不足的探测距离和速度分辨率。

技术参数

RS-M1

FRGEN21

工作周期

100ms

60ms

最大点云数

70000

3072

最远距离

180m

300m

距离分辨率

0.05m

0.4m

速度分辨率

0.1m/s

方位角分辨率

0.2°

1.2°

俯仰角分辨率

0.2°

2.3°

尺寸估计误差

0.2m

0.5m

朝向估计误差

2.5°

        实车测试同步输出激光雷达和4D雷达目标,可以看到激光雷达尺寸朝向优于4D雷达,但远处目标难以检测,不如4D雷达。4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪        对于近处小目标,激光雷达由于更高的距离角度精度,可以分辨十字路口的行人,但4D雷达对此无能为力。4D毫米波雷达和3D雷达、激光雷达全面对比,感知后处理,自动驾驶,目标检测,目标跟踪        综合来看,4D毫米波雷达相比3D毫米波雷达功能有明显提升,且产业链成熟,可靠性高,大规模量产价格可控;激光相比4D毫米波雷达功能有提升,但价格较高,性价比偏低;毫米波雷达和视觉融合优势互补,软硬件成熟可靠,性价比高。因此,传感器方案架构可以从多方面综合考虑选择合适的传感器,这里给出一些方案作为参考,仅作为探讨。

传感器配置

性能瓶颈

性能提升

功能提升

当前价格

量产价格

3D前雷达+3D角雷达

静止目标误检

横向误差较大

350+4*200=1150

350+4*200=1150

4D前雷达+3D角雷达

横向误差较大

静止目标误检概率降低85%

正前方切入、切出

AEBACC

1200+4*200=2000

600+4*200=1400

4D前雷达+4D角雷达

侧方、后方切入切出

AEBACCALCLCA

1200+4*400=2800

600+4*300=1800

3D前雷达+3D角雷达+1前激光

横向误差较大

静止目标误检概率降低98%

正前方切入、切出

AEBACC

350+4*200+3500

=4650

350+4*200+2000

=3150

4D前雷达+4D角雷达

+1前激光

侧方、后方切入切出

AEBACCALCLCA

1200+4*400+3500

=6300

600+4*300+2000

=3800文章来源地址https://www.toymoban.com/news/detail-755748.html

到了这里,关于4D毫米波雷达和3D雷达、激光雷达全面对比的文章就介绍完了。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

  • 自动驾驶感知——物体检测与跟踪算法|4D毫米波雷达

    DBSCAN: Density Based Spatial Clustering of Applications with Noise; DBSCAN是基于密度的聚类方法,对样本分布的适应能力比K-Means更好。 红色的点是核心对象 黑色的点是非核心对象 注意 :距离的度量不限于点的空间距离,还可以是其它点特征,比如速度、反射强度等 基本思路 假定类别可以

    2024年02月11日
    浏览(44)
  • 4D 毫米波雷达:智驾普及的新路径(二)

    4.1.1 设计:级联、单芯片、虚拟孔径         4D 毫米波雷达的技术路线主要分为三种,分别是多级联、级联 + 虚拟孔径成像技术、以及 集成芯片。( 1 )多级联: 级联方案以成熟的标准雷达芯片为基础,在业内得到广泛应用。级联方案通常应用德州仪器、英飞凌、恩智浦

    2024年01月20日
    浏览(42)
  • 超声波、毫米波、ToF激光雷达——在低功耗场景的应用选型

    目前主要的测距方式有:光学测距,超声波和微波雷达测距。 光学测距又可以分为:双目,结构光, ToF 。微波雷达,在消费类产品中,常见的是波长在毫米级别的毫米波雷达。超声波应用比较多的是在车载倒车雷达上。 它们各有优缺点,本章内容只针对在户外低功耗场景的

    2024年02月02日
    浏览(99)
  • 雷达分享汇 | 3D MIMO-SAR 毫米波成像

    本文编辑:调皮哥的小助理 今天分享的是基于MATLAB的 3D MIMO-SAR 毫米波成像工具箱,作者是穆罕默德·艾敏·雅尼克(Muhammet Emin YANIK)。该工具箱实现了三维 (3-D) 全息 MIMO-SAR 成像算法关键的信号处理功能,例如适用于大 MIMO 孔径的近场多基地图像重建、多通道阵列校准以及多

    2024年02月02日
    浏览(44)
  • 多传感器融合 | CenterFusion:毫米波雷达和相机后融合3D检测算法

    点击下方 卡片 ,关注“ 自动驾驶之心 ”公众号 ADAS巨卷干货,即可获取 今天自动驾驶之心很荣幸邀请到寒风分享RV后融合算法CenterFusion,如果您有相关工作需要分享,请在文末联系我们! 点击进入→ 自动驾驶之心【多传感器融合】技术交流群 后台回复 【多传感器融合综述

    2024年01月19日
    浏览(56)
  • 毫米波雷达DOA估计,包含3D-FFT,DBF,music算法三种测角算法原理

      毫米波雷达的目标角度估计,特别是角度分辨率的提高是雷达探测需要解决的核心问题,使用FFT(快速傅里叶变换)或者DBF(数字波束形成技术)做DOA估计是最简单且运算复杂度最低的方法,但是这两方法并不能实现超分辨,其角分辨率受限于阵列的孔径,music算法是实

    2024年02月03日
    浏览(71)
  • 【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(54)
  • 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(52)
  • 【Apollo】自动驾驶感知——毫米波雷达

    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!💖💖 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

    2024年02月12日
    浏览(49)
  • 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(66)

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