通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析.docx

通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析.docx

《通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析.docx》由会员分享，可在线阅读，更多相关《通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析.docx（6页珍藏版）》请在冰豆网上搜索。

通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析

通用无人驾驶汽车在毫米波雷达和激光雷达上的应用解析

通用汽车在2018年1月13日发布通用无人车安全报告，并宣称将在2019年量产基于Bolt纯电动车改装的无人车，本文根据公开资料对通用无人车做一些分析估计，仅供大家参考。

通用的无人车没有方向盘和踏板，显然是无法人工介入，也彰显通用对自己无人车技术的信心。

同时也显示出传统车企在无人车领域强大的竞争力，如果谷歌想要做类似的无人车，那么谷歌必须求助于菲亚特克莱斯勒FCA为其定做。

这就是新兴造车企业或IT自动驾驶企业的尴尬之处，不和传统车企合作，它们无法拿到一款相对比较优秀的改装平台，算法再强大也无法落地。

新兴造车企业或IT自动驾驶企业也无法得到优秀汽车厂家的支持，因为优秀汽车厂家视其为竞争对手，只会尽力打压，不会出手援助。

只有非主流的车厂，才不把新兴造车企业或IT自动驾驶企业视为竞争对手，同时为了消化过剩的产能，乐于与新兴造车企业或IT自动驾驶企业合作。

另一个尴尬的是特斯拉，虽然只达到SAE分级中的L2，但是宣传成L4，一时占尽风头，然而技术力量不足。

L2终究是L2，奥迪A8的L3和通用Cruise的L5（也未完全达到SAE的L5级，称L4+更合适）无论在实际应用和宣传上都超过了特斯拉。

Model3迟迟未达预期，特斯拉在2017年第四季度预期交付Model3新车2917辆，但实际只交付了1550辆，12月仅交付517辆。

作为Model3的竞争对手，通用的Bolt销量持续攀升，7月销量为1971辆，11月达3747辆，12月销量达3327辆，同比大增近5倍，是Model3的6倍。

全年销量超过23000辆，对通用来说产能完全不是问题，每月3万辆的产能也能轻易达到。

通用这辆无人车采用5个激光雷达，21个毫米波雷达，16个摄像头。

5个激光雷达是Velodyne的VLP1616线激光雷达。

今年1月初，Velodyne下调VLP16的售价，从7999美元到3999美元，XX和福特作为Velodyne的大股东，可以赚通用的钱了。

21个毫米波雷达中12个79GHz毫米波雷达由日本ALPS提供，两个前向两个后向长距离毫米波雷达推测由德国大陆提供，型号可能是ARS-408。

5个高分辨率（通用称之为ArTIculaTIng）毫米波雷达由德国博世提供，主要是车两侧和正前方。

16个摄像头中，车顶10个，包括一个基线长大约8厘米的双目摄像头，8个360度环视摄像头，摄像头周围均有红外LED，可以在低照度甚至黑夜下工作，当然分比率会下降很多。

车内后视镜位置有一个非无人驾驶版Bolt的单目摄像头，车辆最前部位置有一个长距离单目摄像头。

车外后视镜和车后部各两个摄像头。

激光雷达应用

通用的原文是WestartwithLiDAR，whichprovideshighlyprecisefeedbackusinglasermeasurementsforbothfixedandmovingobjects.激光雷达首先是定位，无人车的第一步也是定位，利用激光雷达SLAM的回环检测或者与全局地图做match，进而做到厘米级定位，这是业内一致的做法，XX、谷歌和通用主流厂家都是如此。

而非主流厂家大多用GPSRTK定位，有两个非常显眼的蘑菇天线，GPSRTK定位不能做大规模应用，只能用于拉投资的demo。

上图为XX无人车定位框架。

这种定位方法的缺点是需要提前制作激光雷达地图也就是PriorLIDARMAP，这对通用来说不是难事。

通用在其超级巡航里已经制作了美国的所有高速公路的激光地图。

但是如果没有提前制作激光雷达地图的区域（如人烟稀少地域广大的郊区和农村），无人车做不到厘米级定位，只能做到传统GPS最高3米的定位。

激光雷达的第二个作用是与摄像头数据融合做目标分类识别和轨迹跟踪，通用的原文是这样子：

WecombineLiDARandcameradataforclassifyingandtrackingobjects，makinghighconfidencedeterminaTIonsmorequickly.Thishelps，forexample，idenTIfypedestrians，vehicletypesandroaddetailssuchaslanelines，constructionzonesandsignage.推测由两侧朝下的激光雷达来获得道路细节，如车道线，路沿，隔离带，虚实线，斑马线。

XX无人车也是用激光雷达获得道路细节，出身XX的景驰则在2018年CES上演示了只用激光雷达识别车道线、行人和车辆的技术。

谷歌和丰田也是如此。

目前激光雷达检测车道线主要有四种方法，一是根据激光雷达回波宽度。

二是根据激光雷达反射强度信息形成的灰度图，或者根据强度信息与高程信息配合，过滤出无效信息。

三是激光雷达SLAM与高精度地图配合，不仅检测车道线还进行自车定位。

四是利用激光雷达能够获取路沿高度信息或物理反射信息不同的特性，先检测出路沿，因为道路宽度是已知，根据距离再推算出车道线位置。

对于某些路沿与路面高度相差低于3厘米的道路，这种方法无法使用。

后三种方法需要多线激光雷达，最少也是16线激光雷达。

前者可以使用4线或单线激光雷达。

目前绝大部分都是采用第二种方法。

这种方法的标志就是需要激光雷达尽量贴近路面或朝向路面以取得比较多的反射强度信息，丰田、谷歌都是在车最前部保险杠处安置激光雷达，通用由于保险杠附近有9个毫米波雷达和1个摄像头，估计是安装空间不足，只能放在车顶。

中间正前方的激光雷达与摄像头数据融合可以加大识别目标的速度和准确性。

用激光雷达识别目标有两种做法，一种是利用激光雷达反射强度值，不同特性的物质对激光雷达反射强度差异很大，利用这个差异可以对目标进行简单分类，比如行人、车辆、建筑物、植物、路面、草地等。

由于只是简单的阈值滤波器，计算量很小，速度极快，远高于深度学习的目标分类。

就在2018年1月初，瑞萨宣布和初创公司Dibotics合作，Dibotics有一款增强激光雷达（AugmentedLiDAR）软件，就是采用这种方法做分类识别，瑞萨将把这套软件嵌入进其芯片中。

第二种是将激光雷达的点云转换为具备张量结构的密集的图像数据，然后用fasterRCNN识别。

后者需要强大的运算资源，处理速度比较慢。

fasterRCNN则是图像识别领域公认最优秀的方法。

推测通用用了前一种，而摄像头的深度学习识别，通用应该也是用fasterRCNN。

激光雷达还有一个优势就是擅长预测移动物体的轨迹和轨迹跟踪，这是行为决策的基础。

就像人类驾驶员，可以预估行人或其他车辆下一步的方向或位置，根据这个预估来做出决策。

激光雷达天生具备轨迹场（trajectory-yielding）的能力，Velodyne的16线激光雷达在美国最隆重的超级碗赛事上能够准确预测四分卫投球后球的移动位置（AVelodyneVLP-16LiDARreadoffeachtossedfootballsspeedanddirectiontopredictwheretheballwouldland）。

Velodyne对此非常自豪。

所以通用也说用激光雷达trackingobjects，这比摄像头用光流法计算轨迹并预测要快得多，运算资源消耗也远远低于光流法。

毫米波雷达应用

在美国，如果要想使用未经FCC认证的无线设备，必须先申请临时许可（STA），否则是违法行为。

2017年3月17日，日本车用电子供货商AlpsElectric申请了STA许可证，AlpsElectric要测试的是名为Ukaza的车用毫米波雷达，工作频段为76-81GHz。

这是该频段毫米波雷达第一次公开测试。

在申请中，AlpsElectric表示，公司想从5月1日起陆续测试3，000台Ukaza。

Alps表示每辆车需要装配10组雷达，因此3，000台Ukaza只够300辆车使用。

10天后，通用也向FCC递交了类似的STA许可证申请，它要测试的也是Ukaza雷达。

不过，通用工程师RobertReagan在申请中要求FCC帮忙保密，因为测试涉及商业敏感信息。

显然，ALPS的毫米波雷达是用在通用汽车上的，这就是通用要打造的300辆的无人驾驶测试车队。

Ukaza雷达可不是Bolt的唯一装备，3月28日（通用申请后一天）博世也递交了自己的STA许可证申请。

博世申请中表示，公司要在客户的自动驾驶车队测试中程雷达（77GHz），随后透过搜集的数据开发新的算法。

从申请来看，博世要测试的雷达共有650组，够162辆车使用。

每辆车4个，与Alps公司类似，博世也没有点出客户的名字，但给了测试的具体地点，从经纬度来看，这些雷达将在旧金山、底特律和斯科茨代尔测试，唯一横跨这三地测试的公司只有通用一家。

经过几个月测试后，通用可能觉得还不够，因此增加了数量，79GHz增加到12个，高分辨率（通用称之为Articulating）毫米波雷达增加到5个。

博世的雷达如果是传统的77GHz毫米波雷达，应该无需再向FCC提出STA，推测可能是2-4GHz带宽的雷达，也可能博世把76-81GHz雷达（也就是79GHz雷达）称为77GHz雷达，毕竟博世不能造雷达收发器，也是79GHz雷达的可能性很高，其带宽最高是传统77GHz雷达的8倍，因此分辨率可达4厘米，称之为Articulating也说得过去。

12个79GHz毫米波雷达采用级联方式工作，这种方式足以让毫米波雷达呈现出清晰的360度全景图像，还可以同时跟踪上千目标。

推测12个79GHz毫米波雷达是做冗余系统，毫米波雷达应对复杂环境的能力最强，最适合做冗余系统，在激光雷达和摄像头都失效的情况下，依然可以安全行驶到路边停车。

NXP在2018年1月11日推出MR3003和S32R274就是典型的级联设计方案，MR3003是一款3发4收的毫米波雷达收发器，NXP的级联设计最低是级联4个MR3003，达到12发16收，由S32R274做处理器，最多可支持高达20个MR3003级联，达到惊人的60发80收毫米波雷达，足以成像。

所谓级联，实际类似MIMO。

多输人多输出系统（MIMO，Multipleinputmultipleoutput）原本是控制系统中的一个概念，表示一个系统有多个输入和多个输出．如果将移动通信系统的传输信道看成一个系统，则发射信号可看成移动信道（系统）的输入信号，而接收信号可看成移动信道的输出信号。

MIMO雷达的基本含义是：

雷达采用多个发射天线，同时发射相互正交的信号，对目标进行照射，然后用多个接收天线接收目标回波信号并对其进行综合处理，提取目标的空间位置和运动状态等信息。

MIMO雷达虚拟阵的一个典型应用是用于雷达二维成像，雷达二维成像的距离分辨力主要取决于雷达信号的带宽，方位分辨力主要取决于天线的波束宽度。

要提高成像的距离分辨力，需要增加雷达信号的带宽是相对比较容易的。

而要提高雷达信号的方位分辨力，需要增大天线或阵列的孔径，而这在实际中受到多方面因素的限制，有很大的难度。

目前广泛采用的解决办法是采用合成孔径技术，在不增加天线物理尺寸的基础上，得到大孔径的阵列。

与合成孔径的思想不同，MIMO雷达是利用多发多收的天线结构等效形成虚拟的大孔径阵列，获得方位上的高分辨力。

而这种虚拟阵的形成是实时的，能够避免传统的ISAR成像中存在的运动补偿问题。

故MIMO雷达在成像应用上有其独特的优势。

上图为德州仪器测试的多片级联雷达（MIMO）的FFT输出图，很明显通道数越多，精细程度就越高。

上表为德州仪器4个AWR1243级联后雷达的参数，远距离分辨力大大提高，40米