作者：是德科技汽車和能源解決方案營銷經(jīng)理 Hwee Yng Yeo

自動駕駛技術(shù)就好比是訓(xùn)練自動駕駛汽車（AV）像人類一樣駕駛，甚至有希望比人類駕駛得更好。正如人類在駕駛汽車時需要依靠感官和認(rèn)知反應(yīng)一樣，傳感器技術(shù)也是實(shí)現(xiàn)自動駕駛不可或缺的一部分。
在攝像頭、雷達(dá)和激光雷達(dá)這三種傳感器中，雷達(dá)在交通安全領(lǐng)域應(yīng)用的歷史可能最為悠久。最早用于保障交通安全的雷達(dá)專利技術(shù)之一被稱為 Telemobiloscope（電動鏡）。它是由德國發(fā)明家 Christian Hülsmeyer 發(fā)明的一種船舶防撞工具。

此后，雷達(dá)技術(shù)取得了長足的發(fā)展，現(xiàn)已成為汽車功能安全的重要使能技術(shù)。據(jù)估計(jì)，汽車?yán)走_(dá)的市場規(guī)模在 2033 年將突破 180 億美元。

如表 1 所示，汽車?yán)走_(dá)具有許多優(yōu)點(diǎn)。這些優(yōu)點(diǎn)將繼續(xù)幫助工程師部署高級駕駛輔助系統(tǒng)（ADAS）。現(xiàn)代汽車中的許多功能都是通過雷達(dá)實(shí)現(xiàn)的，例如自動緊急制動系統(tǒng)、前方碰撞預(yù)警、盲點(diǎn)檢測、變道輔助、后方碰撞預(yù)警系統(tǒng)、高速路上的自適應(yīng)高速巡航控制、交通擁堵時的自動跟車啟停等。
雖然汽車?yán)走_(dá)技術(shù)有許多優(yōu)點(diǎn)，但也存在需要工程師們克服的局限性。多年來，提高雷達(dá)的分辨率對于工程師而言一直是一項(xiàng)重要挑戰(zhàn)，不過近年來的創(chuàng)新技術(shù)正在發(fā)揮作用，使得雷達(dá)在目標(biāo)檢測方面能夠提供更加精確的信息。

在 3D 目標(biāo)檢測方面的差異
傳統(tǒng)的 3D 汽車?yán)走_(dá)傳感器使用無線射頻探測 3D 物體的距離、位置和多普勒效應(yīng)（即物體的速度）等。為了提高汽車?yán)走_(dá)傳感器在安全價值鏈中的作用，幫助實(shí)現(xiàn)自動駕駛，業(yè)界正在不斷突破 3D 雷達(dá)的局限性。自 2022 年以來，由于歐洲電信標(biāo)準(zhǔn)協(xié)會（ETSI）和美國聯(lián)邦通信委員會（FCC）制定了頻譜法規(guī)和標(biāo)準(zhǔn)，歐洲和美國逐步淘汰了使用 21.65 GHz 至 26.65 GHz 頻段的 24 GHz 超寬帶（UWB）雷達(dá)頻率。

在逐步淘汰 24 GHz UWB 頻段的同時，監(jiān)管機(jī)構(gòu)為車載雷達(dá)技術(shù)開放了 從 76 GHz 到 81 GHz 的總帶寬為 5 GHz 的連續(xù)頻段。遠(yuǎn)距離探測使用 76 GHz 頻段，而短距離、高精度探測則使用 77-81 GHz 頻段。
了解更高頻率、更寬帶寬的先進(jìn)汽車?yán)走_(dá)系統(tǒng)所帶來的性能提升非常重要，這有助于提高雷達(dá)的距離分辨率，它決定了兩個物體的最小距離間隔有多遠(yuǎn)時，雷達(dá)才能分別探測到這兩個獨(dú)立的目標(biāo)。例如，24 GHz 雷達(dá)系統(tǒng)的距離分辨率為 75 cm，而 77 GHz 雷達(dá)系統(tǒng)則提高到 4 cm，這使其可以更好地探測多個彼此靠近的目標(biāo)（圖 1）。

如果一個女孩和她的狗緊挨著站在路邊，人類駕駛員在大多數(shù)情況下可以十分輕松地識別出這一場景，并且提前預(yù)判到這條狗很有可能會突然躥到路上，從而做出反應(yīng)。但此時只有帶寬較寬的雷達(dá)（見圖 2，右側(cè)的測試）可以探測到這兩個獨(dú)立的目標(biāo)，并向駕駛員或自動駕駛系統(tǒng)提供正確信息。

利用 4D 雷達(dá)及其他技術(shù)筑起更加牢固的安全堤壩
雷達(dá)傳感技術(shù)必須能夠精準(zhǔn)地檢測、分割和追蹤車輛周圍的物體，才能讓人類將方向盤放心地交給自動駕駛汽車。這一需求正在推動 4D 雷達(dá)的發(fā)展，4D 雷達(dá)可以在 3D 雷達(dá)給出的距離、水平位置和速度等相關(guān)數(shù)據(jù)的基礎(chǔ)上，提供更加準(zhǔn)確、詳細(xì)的 3D 空間物體信息，包括物體的垂直位置（見表 2）。

4D 成像雷達(dá)的出現(xiàn)使自動駕駛汽車能夠憑借更高的分辨率探測到更小的物體，同時成像雷達(dá)也可以測繪出更加完整的“全方位”環(huán)境地圖。

為了正確解釋垂直視角中的物體，自動駕駛汽車必須能夠使用 4D 和成像雷達(dá)檢測出物體的高度。例如，自動駕駛汽車的 3D 雷達(dá)可能會將從扁平井蓋上反彈的信號誤認(rèn)為是道路上的障礙物，從而為了避開并不存在的障礙物而突然停車。
在現(xiàn)實(shí)世界中，汽車?yán)走_(dá)探測到的交通“事件”從來都不會是像上述案例那樣的孤立事件。人類駕駛員要在數(shù)以百計(jì)的車輛、行人、道路工程，甚至是偶爾橫穿馬路的野生駝鹿中穿梭（圖 3），因此需要綜合運(yùn)用視覺和聽覺感知到的信息以及交通規(guī)則、經(jīng)驗(yàn)和本能。

同樣，自動駕駛汽車依靠雷達(dá)傳感器和其他系統(tǒng)，例如攝像頭、激光雷達(dá)和車聯(lián)網(wǎng)（V2X） 系統(tǒng)，提供的準(zhǔn)確數(shù)據(jù)檢測周圍的交通環(huán)境。各個數(shù)據(jù)流與 ADAS 或自動駕駛算法進(jìn)行通信，幫助汽車感知所檢測到的車輛或物體的相對位置與速度。然后，ADAS /自動駕駛系統(tǒng)中的控制算法會幫助觸發(fā)被動反應(yīng)（例如通過閃爍警示燈提醒駕駛員注意盲點(diǎn)危險）或主動反應(yīng)（例如采取緊急制動以避免碰撞）。

汽車?yán)走_(dá)測試
目前，汽車制造商和雷達(dá)模塊提供商使用軟件和硬件測試其雷達(dá)模塊的功能。有兩種主要的硬件測試方法：
·使用與被測雷達(dá)設(shè)備（DUT）保持不同距離和角度的角反射器，每個反射器代表一個靜態(tài)目標(biāo)。當(dāng)需要改變這種靜態(tài)場景時，必須將角反射器移動到新的位置。
·使用雷達(dá)目標(biāo)模擬器（RTS）可以對雷達(dá)目標(biāo)進(jìn)行電子仿真，從而同時仿真靜態(tài)和動態(tài)目標(biāo)以及目標(biāo)的距離、速度和大小。在目標(biāo)數(shù)量超過 32 個的復(fù)雜/逼真場景中，基于 RTS 的功能測試會出現(xiàn)缺點(diǎn)，并且這種測試也無法鑒定 4D 和成像雷達(dá)探測擴(kuò)展目標(biāo)的能力。擴(kuò)展目標(biāo)是由點(diǎn)云表示的物體，而不僅僅是一個反射。


基于數(shù)量有限的目標(biāo)物體，對雷達(dá)裝置執(zhí)行測試，無法還原完整的自動駕駛汽車駕駛場景。它忽略了現(xiàn)實(shí)世界的復(fù)雜性，尤其是在市區(qū)，各個交叉路口和轉(zhuǎn)彎處都會有行人、騎行者和電瓶車，路況十分復(fù)雜。

提高雷達(dá)算法的智能化水平
機(jī)器學(xué)習(xí)正在越來越多地幫助開發(fā)人員訓(xùn)練 ADAS 算法來更好地解釋雷達(dá)傳感器和其他傳感器系統(tǒng)的數(shù)據(jù)，并對這些數(shù)據(jù)進(jìn)行分類。最近，YOLO 成為了汽車?yán)走_(dá)算法領(lǐng)域的一個熱門詞匯。YOLO 是“You Only Look Once”的縮寫，意思是通過一次網(wǎng)絡(luò)傳遞完成目標(biāo)檢測任務(wù)。這種說法可謂非常貼切，因?yàn)槔走_(dá)感知到的內(nèi)容和 ADAS 算法對數(shù)據(jù)的解讀都是至關(guān)重要的過程，甚至可以說是生死攸關(guān)?；?YOLO 的雷達(dá)目標(biāo)檢測方法，希望同時完成對多個物體的精確探測和分割。

在這些自動駕駛系統(tǒng)最后進(jìn)入成本高昂的道路測試階段之前，先對物理雷達(dá)傳感器和 ADAS 算法進(jìn)行嚴(yán)格的測試至關(guān)重要。為了更加真實(shí)地 360 度全方位還原現(xiàn)實(shí)世界中的各種交通場景，汽車制造商已經(jīng)開始使用雷達(dá)場景仿真技術(shù)將真實(shí)的道路場景“搬”進(jìn)實(shí)驗(yàn)室里，進(jìn)行仿真測試。

向 L4 級和 L5 級自動駕駛邁進(jìn)的一大關(guān)鍵挑戰(zhàn)是需要自動駕駛車輛能夠區(qū)分道路上的動態(tài)障礙物并自主決定行動路線，而不僅僅是在儀表盤上發(fā)出警示或亮起警告燈。在仿真交通場景時，如果描繪每個目標(biāo)的點(diǎn)數(shù)太少，可能會導(dǎo)致雷達(dá)錯誤地將間隔很近的物體辨認(rèn)為一個整體。這樣就難以全方位地測試傳感器，也很難全面測試依賴?yán)走_(dá)傳感器數(shù)據(jù)流的算法和決策。

新的雷達(dá)場景仿真技術(shù)使用了光線追蹤和點(diǎn)云技術(shù)，能夠從高度逼真的交通仿真場景中提取相關(guān)數(shù)據(jù)并更好地檢測和區(qū)分不同的物體（見圖 5）。通過使用新型毫米波（mmWave）空中下載（OTA）技術(shù)，雷達(dá)場景仿真器可生成多個靜態(tài)和動態(tài)目標(biāo)。這些目標(biāo)的間隔距離從 1.5 米到 300 米不等，速度在 0 到 400 公里/小時之間，適用于短程、中程和遠(yuǎn)程汽車?yán)走_(dá)，為雷達(dá)傳感器的測試提供了更為真實(shí)的交通場景。

無論是雷達(dá)傳感器還是算法都可以在雷達(dá)場景仿真中快速進(jìn)行多次設(shè)計(jì)迭代，從而修復(fù)錯誤和對設(shè)計(jì)作出微調(diào)。因此，雷達(dá)場景仿真對于上路前的駕駛測試非常有幫助。除了 ADAS 和自動駕駛功能測試外，它還能幫助汽車制造商開發(fā)變量處理應(yīng)用，例如驗(yàn)證不同的保險杠設(shè)計(jì)、噴漆和雷達(dá)模塊定位功能對雷達(dá)功能的影響。

自動駕駛平臺提供商和雷達(dá)系統(tǒng)制造商可以通過多個可重復(fù)和可定制的場景增強(qiáng)車輛對不同真實(shí)交通場景的感知能力，使雷達(dá)傳感器捕獲大量數(shù)據(jù)供自動駕駛算法用于機(jī)器學(xué)習(xí)。

如今，高速數(shù)字信號處理（DSP）在對各個雷達(dá)檢測結(jié)果進(jìn)行微調(diào)時也發(fā)揮著至關(guān)重要的作用。如圖 6 所示，雷達(dá)可以采集行人手臂和腿部的各種信息，包括速度、距離、橫截面（大?。┖徒嵌龋ㄋ胶痛怪保┑?。這些信息對于訓(xùn)練雷達(dá)算法識別行人（而不是像過馬路的寵物狗這樣的數(shù)字 4D 形狀）至關(guān)重要。

超級傳感器的崛起始于可靠的測試
從芯片設(shè)計(jì)到制造再到后續(xù)的雷達(dá)模塊測試，汽車?yán)走_(dá)設(shè)計(jì)、開發(fā)和制造生命周期的每一個環(huán)節(jié)都需要經(jīng)過嚴(yán)格的測試。

將毫米波頻段用于汽車?yán)走_(dá)應(yīng)用會遇到許多測試方面的挑戰(zhàn)。工程師需要考慮測試設(shè)置、確保測試設(shè)備能夠進(jìn)行超寬帶毫米波測量、減少信噪比損失，并滿足不同地區(qū)和市場對于干擾測試的新標(biāo)準(zhǔn)要求等。
在雷達(dá)模塊層面，現(xiàn)代 4D 和成像雷達(dá)模塊測試需要具有更大帶寬和更高距離分辨率的測試設(shè)備。

最后一個難題是將汽車?yán)走_(dá)集成到 ADAS 和自動駕駛系統(tǒng)中并使標(biāo)準(zhǔn)駕駛情況中的算法適用于百萬分之一的極端情況。未來，隨著越來越多的駕駛員退居二線，訓(xùn)練有素且經(jīng)過測試的雷達(dá)超級傳感器系統(tǒng)將為乘客帶來更加平穩(wěn)、安全的乘坐體驗(yàn)。

關(guān)于是德科技
是德科技（NYSE：KEYS）啟迪并賦能創(chuàng)新者，助力他們將改變世界的技術(shù)帶入生活。作為一家標(biāo)準(zhǔn)普爾500 指數(shù)公司，我們提供先進(jìn)的設(shè)計(jì)、仿真和測試解決方案，旨在幫助工程師在整個產(chǎn)品生命周期中更快地完成開發(fā)和部署，同時控制好風(fēng)險。我們的客戶遍及全球通信、工業(yè)自動化、航空航天與國防、汽車、半導(dǎo)體和通用電子等市場。我們與客戶攜手，加速創(chuàng)新，創(chuàng)造一個安全互聯(lián)的世界。