感測器是無人駕駛汽車的關鍵部件。能夠監控與前方、後方或側車的距離,可為中央控制器提供重要數據。光學和紅外線攝影機、雷射、超音波和雷達都可用於提供有關周圍環境、道路和其他車輛的數據。例如,攝影機可用於偵測道路上的標記,以使車輛保持在正確的車道上。這已用於在駕駛員輔助系統(ADAS) 中提供車道偏離警告。如今的 ADAS 系統還使用雷達進行碰撞偵測警告和自適應巡航控制,車輛可以跟隨前車。
如果沒有駕駛員的輸入,自動駕駛汽車需要更多的感測器系統,通常使用來自不同感測器的多個輸入來提供更高水準的保證。這些感測器系統正在從經過驗證的 ADAS 實施中進行調整,儘管系統架構正在發生變化以管理更廣泛的感測器和更高的資料速率。
雷達使用
隨著用於自適應巡航控制和碰撞偵測的ADAS 系統越來越多地採用,24 GHz雷達感測器的成本正在下降。這些現在正成為汽車製造商達到歐洲五星級 NCAP 安全等級的要求。
例如,英飛凌科技公司的BGT24M 24GHz 雷達感測器可與電子控制單元(ECU) 中的外部微控制器一起使用,以修改油門,以保持與前方車輛的恆定距離,範圍可達20 m,如圖1所示。
圖 1:英飛凌科技的汽車雷達感測系統。
許多汽車雷達系統使用脈衝多普勒方法,其中發射器運行短時間,稱為脈衝重複間隔(PRI),然後系統切換到接收模式,直到下一個發射脈衝。當雷達返回時,對反射進行相干處理,以提取檢測到的物體的距離和相對運動。
另一種方法是使用連續波頻率調變 (CWFM)。這使用了一個連續的載波頻率,隨著時間的推移而變化,接收器不斷地打開。為了防止發射訊號洩漏到接收器中,必須使用單獨的發射和接收天線。
BGT24MTR12 是一款用於訊號產生和接收的矽鍺 (SiGe) 感測器,工作頻率為 24.0 至 24.25 GHz。它使用 24 GHz 基波壓控振盪器,並包括一個輸出頻率為 1.5 GHz 和 23 kHz 的可切換頻率預分頻器。
一個RC 多相濾波器(PPF) 用於下變頻混頻器的LO 正交相位生成,而輸出功率感測器和溫度感測器則整合到設備中以進行監控。
圖 2:英飛凌科技的 BGT24MTR12 雷達感測器。
該裝置透過 SPI 控制,採用 0.18 ?m SiGe:C 技術製造,截止頻率為 200 GHz,採用 32 引腳無引線 VQFN 封裝。
然而,無人駕駛車輛的架構正在改變。來自車輛周圍各種雷達系統的數據不是本地 ECU,而是被饋送到中央高性能控制器,該控制器將訊號與來自攝影機的訊號以及可能來自雷射雷達雷射感測器的訊號結合。
控制器可以是具有圖形控制單元 (GCU) 的高效能通用處理器,也可以是可以由專用硬體處理訊號處理的現場可程式閘陣列。這更加強調了必須處理更高資料速率和更多資料來源的類比前端(AFE) 介面設備。
正在使用的雷達感測器類型也在改變。 77 GHz 感測器提供更遠的範圍和更高的解析度。 77 GHz 或79 GHz 雷達感測器可即時調整,以在10° 圓弧內提供長達200 m 的遠程感測,例如用於檢測其他車輛,但它也可用於更寬的30° 感測30 m 的較低範圍的弧。更高的頻率提供更高的分辨率,使雷達感測器系統能夠即時區分多個對象,例如檢測 30° 弧內的許多行人,為無人駕駛車輛的控制器提供更多時間和更多數據。
77 GHz 感測器使用具有 300 GHz 振盪頻率的矽鍺雙極電晶體。這使得一個雷達感測器可以用於多種安全系統,例如前方警報、碰撞警告和自動制動,並且 77 GHz 技術還可以更好地抵抗車輛的振動,因此需要的過濾更少。
圖 3:NXP提供的無人駕駛車輛中雷達感測器的不同用例。
感測器用於偵測車輛座標系 (VCS) 中目標車輛的距離、速度和方位角。數據的準確性取決於雷達感測器的對準。
雷達感測器對準演算法在車輛運作時執行超過 40 Hz 的頻率。它必須在 1 毫秒內根據雷達感測器提供的數據以及車速、感測器在車輛上的位置及其指向角度來計算錯位角。
軟體工具可用於分析從真實車輛的道路測試中擷取的記錄感測器資料。此測試數據可用於開發雷達感測器對準演算法,該演算法使用二乘演算法根據原始雷達偵測和主車輛速度計算感測器未對準角度。這也根據二乘解的殘差估計計算角度的精度。
02 系統架構
德州儀器(TI)的AFE5401-Q1等類比前端(圖4)可用來將雷達感測器連接到汽車系統的其餘部分,如圖1 所示。 AFE5401 包含四個通道,每個通道包含一個低雜訊放大器(LNA)、可選均衡器(EQ)、可程式增益放大器(PGA) 和抗混疊濾波器,後接25 MSPS 的高速12 位元模數轉換器(ADC)每個頻道。四個 ADC 輸出在 12 位元、平行、CMOS 相容輸出匯流排上重複使用。
圖 4:德州儀器 (TI) 的 AFE5401 雷達模擬前端中的四個通道可用於多個感測器。
對於低成本系統,ADI 公司的AD8284提供帶有四通道差分多路復用器(mux)的類比前端,可為具有可編程增益放大器(PGA) 和抗混疊濾波器的單通道低雜訊前置放大器(LNA) 供電(AAF)。這也使用單一直接到 ADC 通道,所有通道都與單一 12 位元類比數位轉換器 (ADC) 整合。 AD8284 還包含一個飽和檢測電路,用於檢測否則會被 AAF 過濾的高頻過壓條件。類比通道的增益範圍為 17 dB 至 35 dB,增量為 6 dB,ADC 的轉換速率高達 60 MSPS。在增益下,整個通道的組合輸入參考電壓雜訊為 3.5 nV/√Hz。
AFE 的輸出被送到處理器或 FPGA,例如Microsemi的IGLOO2或Fusion或英特爾的Cyclone IV。這可以使用 FPGA 設計工具在硬體中實現 2D FFT,以處理 FFT 並提供有關周圍物件所需的資料。然後可以將其饋入中央控制器。
FPGA 面臨的一個關鍵挑戰是偵測多個對象,這對於 CWFM 架構來說比脈衝多普勒更複雜。一種方法是改變斜坡的持續時間和頻率,並評估偵測到的頻率如何以不同的頻率斜坡陡度在頻譜中移動。由於斜坡可以以 1 ms 的間隔變化,因此每秒可以分析數百個變化。
圖 5:CWFM 雷達前端與英特爾的 FPGA 搭配使用。
來自其他感測器的資料融合也可以提供幫助,因為攝影機資料可用於區分來自車輛的較強回波與來自人的較弱回波,以及預期的多普勒偏移類型。
另一種選擇是多模雷達,它使用CWFM 在高速公路上尋找更遠距離的目標,而短程脈衝多普勒雷達則用於更容易檢測到行人的城市地區。
03 結論
無人駕駛車輛 ADAS 感測器系統的發展正在改變雷達系統的實施方式。從更簡單的防撞或自適應巡航控制轉向全方位偵測是一項重大挑戰。雷達是一種非常流行的感測技術,已在汽車製造商中廣泛認可,因此也是這種方法的技術。將更高頻率的 77 GHz 感測器與多模 CWFM 和脈衝多普勒架構以及來自其他感測器(如相機)的數據結合在一起,也對處理子系統提出了重大挑戰。以安全、一致和具有成本效益的方式解決這些挑戰對於自動駕駛汽車的持續發展至關重要。
以上是一文讀懂自動駕駛雷達感應器應用設計方案的詳細內容。更多資訊請關注PHP中文網其他相關文章!

arXiv论文“Insertion of real agents behaviors in CARLA autonomous driving simulator“,22年6月,西班牙。由于需要快速prototyping和广泛测试,仿真在自动驾驶中的作用变得越来越重要。基于物理的模拟具有多种优势和益处,成本合理,同时消除了prototyping、驾驶员和弱势道路使用者(VRU)的风险。然而,主要有两个局限性。首先,众所周知的现实差距是指现实和模拟之间的差异,阻碍模拟自主驾驶体验去实现有效的现实世界

特斯拉是一个典型的AI公司,过去一年训练了75000个神经网络,意味着每8分钟就要出一个新的模型,共有281个模型用到了特斯拉的车上。接下来我们分几个方面来解读特斯拉FSD的算法和模型进展。01 感知 Occupancy Network特斯拉今年在感知方面的一个重点技术是Occupancy Network (占据网络)。研究机器人技术的同学肯定对occupancy grid不会陌生,occupancy表示空间中每个3D体素(voxel)是否被占据,可以是0/1二元表示,也可以是[0, 1]之间的

当前主流的AI芯片主要分为三类,GPU、FPGA、ASIC。GPU、FPGA均是前期较为成熟的芯片架构,属于通用型芯片。ASIC属于为AI特定场景定制的芯片。行业内已经确认CPU不适用于AI计算,但是在AI应用领域也是必不可少。 GPU方案GPU与CPU的架构对比CPU遵循的是冯·诺依曼架构,其核心是存储程序/数据、串行顺序执行。因此CPU的架构中需要大量的空间去放置存储单元(Cache)和控制单元(Control),相比之下计算单元(ALU)只占据了很小的一部分,所以CPU在进行大规模并行计算

gPTP定义的五条报文中,Sync和Follow_UP为一组报文,周期发送,主要用来测量时钟偏差。 01 同步方案激光雷达与GPS时间同步主要有三种方案,即PPS+GPRMC、PTP、gPTPPPS+GPRMCGNSS输出两条信息,一条是时间周期为1s的同步脉冲信号PPS,脉冲宽度5ms~100ms;一条是通过标准串口输出GPRMC标准的时间同步报文。同步脉冲前沿时刻与GPRMC报文的发送在同一时刻,误差为ns级别,误差可以忽略。GPRMC是一条包含UTC时间(精确到秒),经纬度定位数据的标准格

2 月 16 日消息,特斯拉的新自动驾驶计算机,即硬件 4.0(HW4)已经泄露,该公司似乎已经在制造一些带有新系统的汽车。我们已经知道,特斯拉准备升级其自动驾驶硬件已有一段时间了。特斯拉此前向联邦通信委员会申请在其车辆上增加一个新的雷达,并称计划在 1 月份开始销售,新的雷达将意味着特斯拉计划更新其 Autopilot 和 FSD 的传感器套件。硬件变化对特斯拉车主来说是一种压力,因为该汽车制造商一直承诺,其自 2016 年以来制造的所有车辆都具备通过软件更新实现自动驾驶所需的所有硬件。事实证

arXiv论文“Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline“, 2022年6月,上海AI实验室和上海交大。当前的端到端自主驾驶方法要么基于规划轨迹运行控制器,要么直接执行控制预测,这跨越了两个研究领域。鉴于二者之间潜在的互利,本文主动探索两个的结合,称为TCP (Trajectory-guided Control Prediction)。具

定位在自动驾驶中占据着不可替代的地位,而且未来有着可期的发展。目前自动驾驶中的定位都是依赖RTK配合高精地图,这给自动驾驶的落地增加了不少成本与难度。试想一下人类开车,并非需要知道自己的全局高精定位及周围的详细环境,有一条全局导航路径并配合车辆在该路径上的位置,也就足够了,而这里牵涉到的,便是SLAM领域的关键技术。什么是SLAMSLAM (Simultaneous Localization and Mapping),也称为CML (Concurrent Mapping and Localiza

什么是交通标志识别系统?汽车安全系统的交通标志识别系统,英文翻译为:Traffic Sign Recognition,简称TSR,是利用前置摄像头结合模式,可以识别常见的交通标志 《 限速、停车、掉头等)。这一功能会提醒驾驶员注意前面的交通标志,以便驾驶员遵守这些标志。TSR 功能降低了驾驶员不遵守停车标志等交通法规的可能,避免了违法左转或者无意的其他交通违法行为,从而提高了安全性。这些系统需要灵活的软件平台来增强探测算法,根据不同地区的交通标志来进行调整。交通标志识别原理交通标志识别又称为TS


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

Dreamweaver CS6
視覺化網頁開發工具

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

EditPlus 中文破解版
體積小,語法高亮,不支援程式碼提示功能

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),