Ein Artikel zum Verständnis des Anwendungsdesignschemas von Radarsensoren für autonomes Fahren

Sensoren sind Schlüsselkomponenten fahrerloser Autos. Die Möglichkeit, den Abstand zu vorausfahrenden, hinteren oder seitlichen Fahrzeugen zu überwachen, liefert wichtige Daten an die zentrale Steuerung. Optische und Infrarotkameras, Laser, Ultraschall und Radar können eingesetzt werden, um Daten über die Umgebung, Straßen und andere Fahrzeuge bereitzustellen. Mithilfe von Kameras können beispielsweise Markierungen auf der Straße erkannt werden, um Fahrzeuge auf der richtigen Spur zu halten. Dies wird bereits zur Spurverlassenswarnung in Fahrerassistenzsystemen (ADAS) eingesetzt. Heutige ADAS-Systeme nutzen außerdem Radar für Kollisionswarnungen und einen adaptiven Tempomaten, bei dem das Fahrzeug dem vorausfahrenden Fahrzeug folgen kann.

Ohne Eingaben des Fahrers benötigen selbstfahrende Autos mehr Sensorsysteme, wobei häufig mehrere Eingaben von verschiedenen Sensoren verwendet werden, um ein höheres Maß an Sicherheit zu bieten. Diese Sensorsysteme basieren auf bewährten ADAS-Implementierungen, obwohl sich die Systemarchitektur ändert, um eine breitere Palette von Sensoren und höhere Datenraten zu verwalten. ​

​Radarnutzung

Da ADAS-Systeme für adaptive Geschwindigkeitsregelung und Kollisionserkennung immer häufiger eingesetzt werden beliebt. Mit zunehmender Verbreitung sinken die Kosten für 24-GHz-Radarsensoren. Diese werden nun zu Anforderungen für Automobilhersteller, um die fünf Sterne NCAP-Sicherheitsbewertung in Europa zu erreichen.

Zum Beispiel kann der 24-GHz-Radarsensor BGT24M von Infineon Technologies mit einem externen Mikrocontroller in einer elektronischen Steuereinheit (ECU) verwendet werden, um den Gashebel so zu modifizieren, dass er einen konstanten Abstand beibehält vom vorausfahrenden Fahrzeug mit einer Reichweite von bis zu 20 m, wie in Abbildung 1 dargestellt.

Abbildung 1: Automotive-Radarsensorsystem von Infineon Technologies.

Viele Automobilradarsysteme verwenden das Puls-Doppler-Verfahren, bei dem der Sender für einen kurzen Zeitraum arbeitet, der als Pulswiederholungsintervall (PRI) bezeichnet wird. Anschließend wechselt das System bis zum nächsten Sendeimpuls in den Empfangsmodus. Wenn das Radar zurückkehrt, werden die Reflexionen kohärent verarbeitet, um die Entfernung und relative Bewegung der erkannten Objekte zu ermitteln.

Eine andere Methode ist die Verwendung der kontinuierlichen Wellenfrequenzmodulation (CWFM). Dabei wird eine kontinuierliche Trägerfrequenz verwendet, die sich im Laufe der Zeit ändert, und der Empfänger ist ständig eingeschaltet. Um zu verhindern, dass das Sendesignal in den Empfänger gelangt, müssen separate Sende- und Empfangsantennen verwendet werden.

BGT24MTR12 ist ein Silizium-Germanium-Sensor (SiGe) für die Signalerzeugung und den Signalempfang, der von 24,0 bis 24,25 GHz arbeitet. Es verwendet einen spannungsgesteuerten Grundoszillator mit 24 GHz und verfügt über einen umschaltbaren Frequenzvorteiler mit Ausgangsfrequenzen von 1,5 GHz und 23 kHz.

Ein RC-Polyphasenfilter (PPF) wird für die LO-Quadraturphasenerzeugung des Downconversion-Mischers verwendet, während der Ausgangsleistungssensor und der Temperatursensor zur Überwachung in das Gerät integriert sind . Abbildung 2: Radarsensor BGT24MTR12 von Infineon Technologies.

Das Gerät wird über SPI gesteuert, mit 0,18 µm SiGe:C-Technologie hergestellt, mit einer Grenzfrequenz von 200 GHz und ist in einem Gehäuse verpackt 32-poliges bleifreies VQFN-Gehäuse.

Allerdings verändert sich die Architektur autonomer Fahrzeuge. Daten von verschiedenen Radarsystemen rund um das Fahrzeug werden nicht lokal im Steuergerät gespeichert, sondern einem zentralen Hochleistungscontroller zugeführt, der die Signale mit Signalen von Kameras und möglicherweise Lidar-Lasersensoren kombiniert.

Der Controller kann ein leistungsstarker Allzweckprozessor mit einer Grafiksteuereinheit (GCU) oder ein feldprogrammierbares Gatter sein, dessen Signalverarbeitung von einem dedizierten Hardware-Array übernommen wird . Dadurch wird der Schwerpunkt stärker auf AFE-Schnittstellengeräte (Analog Front End) gelegt, die höhere Datenraten und mehr Datenquellen verarbeiten müssen.

Auch die Art der eingesetzten Radarsensoren verändert sich. Der 77-GHz-Sensor bietet eine größere Reichweite und eine höhere Auflösung. Der 77-GHz- oder 79-GHz-Radarsensor kann in Echtzeit angepasst werden, um eine weitreichende Erfassung von bis zu 200 m innerhalb eines 10°-Bogens zu ermöglichen, beispielsweise zur Erkennung anderer Fahrzeuge, kann aber auch für eine breitere Erfassung von bis zu 30° verwendet werden 30 m unterer Reichweitenbogen. Höhere Frequenzen sorgen für eine höhere Auflösung, sodass Radarsensorsysteme in Echtzeit zwischen mehreren Objekten unterscheiden können, beispielsweise durch die Erkennung vieler Fußgänger innerhalb eines 30°-Bogens, was den Controllern autonomer Fahrzeuge mehr Zeit und mehr Daten gibt.

Der 77-GHz-Sensor verwendet einen Silizium-Germanium-Bipolartransistor mit einer Schwingungsfrequenz von 300 GHz. Dadurch kann ein Radarsensor in verschiedenen Sicherheitssystemen wie Vorwärtswarnung, Kollisionswarnung und automatischem Bremsen eingesetzt werden. Darüber hinaus ist die 77-GHz-Technologie widerstandsfähiger gegen Fahrzeugvibrationen, sodass weniger Filterung erforderlich ist. Abbildung 3: Verschiedene Anwendungsfälle für Radarsensoren in autonomen Fahrzeugen, bereitgestellt von NXP.

Der Sensor dient zur Erfassung von Abstand, Geschwindigkeit und Azimut des Zielfahrzeugs im Fahrzeugkoordinatensystem (VCS). Die Genauigkeit der Daten hängt von der Ausrichtung des Radarsensors ab.

Der Radarsensor-Ausrichtungsalgorithmus wird durchgeführt, während das Fahrzeug mit Frequenzen über 40 Hz betrieben wird. Es muss den Fehlausrichtungswinkel innerhalb von 1 Millisekunde basierend auf den vom Radarsensor bereitgestellten Daten sowie der Fahrzeuggeschwindigkeit, der Position des Sensors am Fahrzeug und seinem Ausrichtungswinkel berechnen.

Mit Softwaretools können aufgezeichnete Sensordaten analysiert werden, die bei Straßentests realer Fahrzeuge erfasst wurden. Diese Testdaten können zur Entwicklung eines Radarsensor-Ausrichtungsalgorithmus verwendet werden, der einen Quadratalgorithmus verwendet, um Sensorfehlausrichtungswinkel basierend auf Rohradarerkennungen und der Geschwindigkeit des Host-Fahrzeugs zu berechnen. Dadurch wird auch die Genauigkeit des berechneten Winkels basierend auf dem Rest der quadratischen Lösung geschätzt.

02 Systemarchitektur

Texas Instruments (TI) AFE5401-Q1 und andere analoge Frontends (Abbildung 4 ) kann verwendet werden, um den Radarsensor mit dem Rest des Fahrzeugsystems zu verbinden, wie in Abbildung 1 dargestellt. Der AFE5401 enthält vier Kanäle, von denen jeder einen rauscharmen Verstärker (LNA), einen wählbaren Equalizer (EQ), einen Verstärker mit programmierbarer Verstärkung (PGA) und einen Anti-Aliasing-Filter enthält, gefolgt von einem Hochgeschwindigkeits-12-Bit-Analog-zu-Digital-Signal von 25 MSPS Konverter (ADC) pro Kanal. Die vier ADC-Ausgänge werden auf einem parallelen 12-Bit-CMOS-kompatiblen Ausgangsbus gemultiplext. Abbildung 4: Vier Kanäle im analogen Radar-Frontend AFE5401 von Texas Instruments. Kann mit mehreren Sensoren verwendet werden.

Für kostengünstige Systeme bietet der AD8284 von Analog Devices ein analoges Frontend mit einem Vierkanal-Differenzmultiplexer (Mux), der einen einzelnen Kanal auf niedrigem Niveau verarbeiten kann Rauschvorverstärker (LNA) mit programmierbarem Verstärkungsverstärker (PGA) und Anti-Aliasing-Filter (AAF). Dabei wird auch ein einzelner Direkt-zu-ADC-Kanal verwendet, der alle in einen einzigen 12-Bit-Analog-Digital-Wandler (ADC) integriert ist. Der AD8284 enthält außerdem eine Sättigungserkennungsschaltung, um hochfrequente Überspannungsbedingungen zu erkennen, die andernfalls vom AAF gefiltert würden. Der Verstärkungsbereich des analogen Kanals beträgt 17 dB bis 35 dB in 6-dB-Schritten und die ADC-Umwandlungsrate beträgt bis zu 60 MSPS. Das kombinierte Eingangsreferenzspannungsrauschen für den gesamten Kanal beträgt 3,5 nV/√Hz bei Verstärkung. Der Ausgang des AFE wird einem Prozessor oder FPGA wie Microsemis IGLOO2 oder Fusion oder Intels Cyclone IV zugeführt. Dadurch kann die 2D-FFT mithilfe von FPGA-Designtools in Hardware implementiert werden, um die FFT zu verarbeiten und die erforderlichen Daten über die umgebenden Objekte bereitzustellen. Dieses kann dann in eine zentrale Steuerung eingespeist werden.

Eine zentrale Herausforderung für FPGAs ist die Erkennung mehrerer Objekte, was für CWFM-Architekturen komplexer ist als Puls-Doppler. Ein Ansatz besteht darin, die Dauer und Frequenz der Rampe zu variieren und zu bewerten, wie sich die erkannten Frequenzen mit unterschiedlicher Frequenzrampensteilheit durch das Spektrum bewegen. Da sich die Rampe in 1-ms-Intervallen ändern kann, können Hunderte von Änderungen pro Sekunde analysiert werden.

Abbildung 5: CWFM-Radar-Frontend, verwendet mit Intels FPGA.

Datenfusion von anderen Sensoren kann ebenfalls hilfreich sein, da Kameradaten verwendet werden können, um stärkere Echos von Fahrzeugen von schwächeren Echos von Menschen sowie die Art der erwarteten Doppler-Verschiebung zu unterscheiden.

Eine weitere Option ist das Multimode-Radar, das CWFM verwendet, um Ziele mit größerer Reichweite auf Autobahnen zu finden, und ein Puls-Doppler-Radar mit kurzer Reichweite für städtische Gebiete, in denen Fußgänger leichter erkannt werden.

03 Fazit

Die Entwicklung von ADAS-Sensorsystemen für autonome Fahrzeuge verändert die Art und Weise, wie Radarsysteme implementiert werden. Der Übergang von der einfacheren Kollisionsvermeidung oder der adaptiven Geschwindigkeitsregelung zur Rundumerkennung ist eine große Herausforderung. Radar ist eine sehr beliebte Sensortechnologie, die bei Automobilherstellern weithin akzeptiert ist und daher die Technologie für diesen Ansatz darstellt. Die Kombination von höherfrequenten 77-GHz-Sensoren mit Multimode-CWFM- und Puls-Doppler-Architekturen und Daten von anderen Sensoren wie Kameras stellt die Verarbeitungssubsysteme ebenfalls vor erhebliche Herausforderungen. Die sichere, konsistente und kostengünstige Bewältigung dieser Herausforderungen ist für die weitere Entwicklung autonomer Fahrzeuge von entscheidender Bedeutung.

Das obige ist der detaillierte Inhalt vonEin Artikel zum Verständnis des Anwendungsdesignschemas von Radarsensoren für autonomes Fahren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!