大众号/自动驾驶干货铺
文/陈光
前言
在上一次分享中，我对无人驾驶汽车上的激光雷达的原理、数据及功用做了引见。
激光雷达的普及所遇到的最大应战是：本钱过高。独自一个雷达的价钱能够就超越了普通小汽车的价钱，因而现阶段还没有大规模量产的能够性。
为了推进自动驾驶技术的开展，同时要处理摄像机测距、测速不够准确的成绩。工程师们选择了性价比更高的毫米波雷达作为测距和测速的传感器。毫米波雷达不只拥有本钱适中的有点，而且可以完满处置激光雷达所处置不了的沙尘天气。
下图为百度Apollo 2.0中所运用的毫米波雷达——Continental的ARS-408，它被装置在汽车保险杠的正两头，面向汽车的行进方向。
注释
毫米波雷达的分类
频率在10GHz~200GHz的电磁波，由于其波长在毫米量级，因而处于该频率范围的电磁波也被工程师们称为毫米波。
使用在自动驾驶范畴的毫米波雷达次要有3个频段，辨别是24GHz，77GHz和79GHz。不同频段的毫米波雷达有着不同的功能和本钱。
以Audi A8的传感器规划为例，解说不同频段毫米波雷达的功用。
短间隔雷达：24GHz频段
如上图所示被标注了橙色框的Corner radar和Rear radar，就是频段在24GHz左右的雷达。
处在该频段上的雷达的检测间隔无限，因而常用于检测近处的妨碍物（车辆）。图中的这4个角雷达，可以完成的ADAS功用有盲点检测、变道辅佐等；在自动驾驶零碎中常用于感知车辆近处的妨碍物，为换道决策提供感知信息。
长间隔雷达：77GHz频段
如上图所示，被标注为绿色框的Long-range radar，即为频段在77GHz左右的雷达。功能良好的77GHz雷达的最大检测间隔可以到达160米以上，因而常被装置在前保险杠上，正对汽车的行驶方向。
在互联网思维的影响下，传统服务业不再局限于规模效益，加强对市场的反应速度成为传统服务业发展的首要选择。在互联网思维下，通过对传统服务业的改革，为传统服务业发展创造了全新的天地。如下图右下角的棕色区域，为特斯拉AutoPilot 2.0中所装备的长间隔毫米波雷达，及其感知范围。
长间隔雷达可以用于完成紧急制动、高速公路跟车等ADAS功用；同时也能满足自动驾驶范畴，对妨碍物间隔、速度和角度的测量需求。
长间隔雷达：79GHz频段
该频段的传感器可以完成的功用和77GHz一样，也是用于长间隔的测量。
依据公式：光速 = 波长 * 频率，频率更高的毫米波雷达，其波长越短。波长越短，意味着分辨率越高；而分辨率越高，意味着在间隔、速度、角度上的测量精度更高。因而79GHz的毫米波雷达必定是将来的开展趋向。
毫米波雷达相比于激光有更强的穿透性，可以轻松地穿透保险杠上的塑料，因而常被装置在汽车的保险杠内。这也是为什么很多具有ACC（自顺应巡航）的车上明明有毫米波雷达，却很难从外观上发现它们的缘由。
毫米波雷达的数据
由于毫米波的测距和测速原理都是基于多普勒效应，因而与激光的笛卡尔（XYZ）坐标系不同，毫米波雷达的原始数据是基于（间隔+角度）极坐标系。当然，两种坐标系可以依据三角函数互相转换。
如下图所示，装置有毫米波雷达的自车后方有迎面驶来的蓝色小车和同向行驶的绿色小车。
毫米波雷达发射的电磁会穿透汽车的前后保险杠，但是无法穿透汽车底盘的金属，因而在遇到金属这类毫米波雷达无法穿透的物体时，电磁波就会前往。
以德尔福的前向毫米波雷达ESR为例，该雷达每帧最多可以前往64个目的的数据，每个目的的数据组成如下：
- power
回波强度，单位为分贝。不同类型的妨碍物（汽车、铁护栏、摩托车等）在不同间隔下的回波强度也会有所变化，假如回波强度太低可以认定该信号为噪声。
- track_bridge_objectType
所检测到的妨碍物能否为桥。城市路途中会遇到立交桥的场景，从ESR中获取的该信号，可以用于判别所检测到的妨碍物能否为桥。
- track_oncoming
妨碍物能否在接近的标志位。该标志位多用于自动平安的AEB（自动紧急刹车）中。
- track_id
妨碍物的“身份证”。每个妨碍物都会有一个固定的ID，ID范围是0~63。
- track_status
妨碍物的跟踪形态。
- track_theta
妨碍物与毫米波雷达所成的夹角。表示图中的θ角，就是这里的值。由于每个雷达都有极限探测范围，以ESR为例，图中θ的范围在-45°和45°之间。
- track_distance
妨碍物间隔毫米波雷达的间隔。该间隔是极坐标系下的间隔，也就是表示图中的x。依据x和θ，即可计算出自车笛卡尔（XYZ）坐标系下的坐标。
- track_relative_radial_velocity
妨碍物与自车的径向绝对速度。由于多普勒效应的原理，雷达的测量中只能提供极坐标系下的径向速度，切向速度的测量相信度很低，因而雷达并不会提供妨碍物的切向速度。
- track_relative_radial_acceleration
妨碍物与自车的径向绝对减速度。该值是经过对径向绝对速度做微分失掉的。
- track_mode_type
妨碍物的运动形态。依据该值可以判别妨碍物时运动的还是运动的。
- track_width
妨碍物的宽度。将原始的雷达数据点经过聚类后，会失掉一个区域，该区域的范围即以为是妨碍物的宽度。
更多信息可参考链接：https://github.com/ApolloAuto/apollo/blob/mobileye_radar/modules/drivers/proto/delphi_esr.proto
目前国际上主流的毫米波雷达供给商有四家，辨别是Autoliv（奥托立夫）、Bosch（博世）、Continental（大陆）、Delphi（德尔福），业界简称ABCD。各家的毫米波雷达的产品提供的功用迥然不同，大局部功用都是经过妨碍物的回波能量、间隔、角度信息推算而来的。
毫米波雷达的应战聚集了全世界身经百战的最优秀的创业导师，汇集了全世界各国最优质的产业资源，召唤全球未来的商业领袖。
在议论应战之前，先直观地感受一下激光雷达的数据吧。该视频是在某段高速公路上采集的毫米波雷达数据。
没有流量的直接看图。图左为毫米波雷达检测妨碍物的地位信息；图右是实践的路途场景。
图中灰色圆圈的中心为雷达的装置地位，蓝色的点为运动的妨碍物，粉白色的点挪动的妨碍物。
可以很明晰地看到蓝色的点组成了一条直线，这条直线其实就是铁护栏。但是如何让计算机晓得这么多点外面有这么一条护栏呢？这就是算法工程师每天要做的事情啦。
实践开发的进程中，在自动驾驶范畴使用毫米波雷达有一下三点应战。
应战1：数据波动性差
很分明…看到这样（乱且不波动）的数据，工程师也表示很绝望。数据的不波动性对后续的软件算法提出了较高的要求。
应战2：对金属敏感
由于毫米波雷达收回的电磁波对金属极为敏感，在实践测试进程中会发现近处路面上忽然呈现的钉子、远间隔外的金属广告牌都会被以为是妨碍物。一旦车辆高速行驶，被这些忽然跳出的妨碍物搅扰时，会招致刹车不时，招致汽车的温馨性下降。
应战3：高度信息缺失
毫米波雷达的数据只能提供间隔和角度信息，不能像激光雷达那样提供高度信息。没有高度信息的妨碍物点会给技术开发带来很多应战。
小结
下面的分享根本上能让大家理解毫米波雷达的原理和数据长什么样。再结合前几期分享中引见的激光雷达和摄像机的特性，会发现，不同的传感器都有其优势和缺陷。如何交融这些传感器的优势，补偿缺乏就是我如今的次要任务啦。