从小白到自动驾驶系统工程师7——车载毫米波雷达应用与测试

上一篇文章介绍了毫米波雷达的构造及工作原理，这一回和大家一起学习一下毫米波雷达的安装、标定、应用、测试。

毫米波雷达的装配

毫米波雷达的安装位置及安装精度对雷达的性能有非常大的影响。要知道，绕Z轴偏1°，50米处障碍物的横向位置就要偏0.87米。因此安装时，要充分考虑机械安装公差和角度差。

机械安装公差主要包含：车身误差、传感器支架误差、车辆装载状态。车身精度越高安装余量越大。

角度误差：安装错误、安装不良导致不准，衰减，装载。

传感器天线辐射锥前面的区域需要远离任何可能干扰雷达功能的材料（尤其是金属、金属漆）或物体。毫米波雷达前方车辆保险杠的厚度、材料、外形、与雷达的距离&倾?、喷漆等都会影响雷达的性能。雷达前方保险杠材料、厚度需要为介质波长（空气中的波长除以介电常数开根号）整倍数。

Material	Dielectric Constant (εr) @ 77 GHz 介电常数
Polypropylene 聚丙烯	2.35
Polyamide 聚酰胺	2.75
Polycarbonate 聚碳酸脂	2.8
PC-PBT(Polycarbonate Type)聚碳酸酯型	2.9
ABS (Acrylnitril-Butadien-Styrol)丙烯腈-丁二烯-苯乙烯醇	3.12
ASA (Acrylonitrile Styrene Acrylate)丙烯腈苯乙烯丙烯酸酯	~3.8
PMMA (Poly Methyl Methacrylate) 聚甲基丙烯酸甲酯	~3-4 TBC

雷达前方覆盖件尽量与雷达平行，覆盖件厚度均匀、表面平整，尽量不要有加强筋、锐角形状的区域，表面平整度尽量控制在400um(1/8波长)以下。不满足会引起测距、测角性能下降。

雷达前方覆盖件与雷达的距离过近(<10mm)容易触发雷达的遮挡检测功能，过远(>60mm)容易产生ghost 目标。安装时尽量控制在20～30mm。雷达前方保险杠与雷达之间的倾角不宜过大，会引起测角性能下降和ghost目标。雷达前方喷漆尽量不要超过4层，不能含有金属成分，进行不断地测试和配方优化。使用珍珠粉而不是加金属成份来增加荧光效果。

覆盖件要保证雷达单向衰减不得超过4.0dB，最大反射系数不得超过-2.2dB。

毫米波雷达的测试与标定

车载毫米波雷达工作的环境温度范围通常是-40℃到+85℃，部件的存储温度范围通常为-50℃到+105℃，当车载毫米波雷达的内部温度过高时，雷达会进入自保护模式。 (雷达内部的热量主要来自射频收发和基带信号处理，MMIC芯片、MCU芯片)。外导风需要能接触到雷达背面、雷达背面需要和可散热物体直接接触，>1.9m/s的风即可带来较好的散热效果。

高温测试时，尽量不要超过130℃ 15分钟以上，不要超过110 ℃60分钟以上。

毫米波雷达的标定通常使用角反射器或金属反射板，标定物距离传感器距离0.8-2.0米。金属标定板可选用铝、铁、钢制材料，平板平整度需要＜0.1mm@80mmX80mm，角反射器只需保证在FOV内即可。

车载毫米波雷达遮挡测试方法

1. 覆盖泥巴：跟踪目标数量大幅减少，并且雷达回波中的能量分布集中在一个很小的范围。

2. 覆盖尘土：跟踪目标数量下降到一定程度，雷达检测距离有一定下降，并且雷达回波中的能量下降。

3. 覆盖积雪：积雪会导致雷达回波中的能量下降，但由于雨雪具有一定的透波性，能量下降幅度并不明显，不能依靠能量下降幅度作为检测依据，需要依靠多帧数据积累统计相应的能量变化规律进行检测，通常需要统计＞150帧数据。

毫米波雷达安装在保险杠后面时，需要考虑，不能误触发遮挡检测。

毫米波雷达的应用

3.1 车载毫米波雷达与其它传感器目标融合处理

目标融合：将多个传感器测量的目标在车体坐标系或世界坐标系进行关联跟踪和信息综合。

多个传感器目标关联：多个传感器测量数据可根据测量数据和跟踪数据中的协方差矩阵进行邻域和概率关联，保证多个目标之间正确地进行关联。融合输出信息中包含了目标的ID、life time、位置、速度、加速度、置信度、大小、运动朝向和类型等。

集中式处理：集中式处理的极端情况是，所有的数据处理和决策都是在同一个位置完成，数据是来自不同传感器的“原始数据”。

集中式处理的优点：

传感器模块——传感器模块体积小巧，成本低，功耗也低，只需要执行检测和数据传输任务。替换成本低。由于无需处理或做决策，传感器模块具有较低的功能安全要求。

处理ECU——中央处理ECU可以获取全部数据，这是因为数据不会因为传感器模块内的预处理或压缩而丢失。

集中式处理的缺点：

传感器模块——实时处理传感器数据需要提供宽带通信（高达数Gb/s），因此可能出现较高电磁干扰（EMI）。

处理ECU——中央ECU需要有高处理能力和速度来处理所有输入数据。对于很多高带宽I/O和高端应用处理器来说，这意味着更高的电能需求和更大的散热量。传感器数量增加将大幅增加对中央ECU性能的需要。通过使用FPD-Link III等接口，在一根同轴电缆上传送传感器及功耗、控制和配置等多种数据（双向反向通道），有些缺点可以被克服。这样便可极大降低系统的接线要求。

全分布式系统：

本地传感器模块进行高级数据处理，并在一定程度上进行决策制定的。全分布式系统只将对象数据或元数据（描述对象特征和/或识别对象的数据）发回到中央融合ECU。ECU将数据组合在一起，并最终决定如何执行或做出反应

全分布式系统的优点：

传感器模块——传感器模块与中央ECU之间可以使用更低带宽、更加简单且更加便宜的接口。小于1Mb/s的CAN总线就足够用了。

处理ECU——中央ECU只将对象数据融合在一起，因此其所需处理能力更低。模块更小，所需功耗更低。传感器数量增加不会大幅增加对中央ECU的性能需求。

全分布式系统的缺点：

传感器模块——传感器模块需要有应用处理器，这样的话就会变得体积更大、价格更高且功耗更大。由于本地处理和决策制定，传感器模块的功能安全要求也就更高。当然，增加更多的传感器，成本也会大幅上升。

处理ECU——中央决策制定ECU只能获取对象数据，而无法访问实际的传感器数据。因此，想要“放大”感兴趣的区域很难实现。

3.2 车载毫米波雷达关键目标选择方法

毫米波雷达能够直接测量目标的速度，在ACC等特性实现时，合理选择雷达关键目标对于特性的性能实现优化至关重要。融合中的关联概率权重统计规律：

横向位置：camera和激光雷达(如果有)权重比较大；

纵向位置：毫米波雷达和激光雷达(如果有)权重比较大；

横向速度：camera、毫米波雷达和激光雷达(如果有)权重相当；

纵向速度：毫米波雷达权重比较大；

目标的尺寸、朝向和类型：近距时camera和激光雷达(如果有)权重比较大，远距时毫米波雷达和激光雷达(如果有)权重比较大。

除此之外，还要考虑一些关键要素：区分道路内、外；道路曲率；考虑他车摇摆；考虑到内他车cut out；考虑道外他车cut in；动态调整目标区域。

3.3 车载毫米波雷达虚警目标再判断方法

汽车毫米波雷达对于运动目标的虚警可以通过跟踪历史和life time等判别。对于静止目标的虚警(特别是高度方向)是毫米波雷达的难点，目前主要有以下几种方法：

GR算法：垂直向FOV比较小，靠近消失；

AS算法：路面物体靠近反射能量变大，高空物体相反；

SLTP算法：路面物体长期存在，高空物体短暂存在；

PT算法：有前方运动目标驶过的为虚警；

FS算法：离自车很近还存在，通常不是虚警。

本文来自投稿，不代表科学汽车立场，如若转载，请注明出处：https://www.nmgshkxzzs.com/qckj/12402.html

从小白到自动驾驶系统工程师7——车载毫米波雷达应用与测试

毫米波雷达的装配

毫米波雷达的测试与标定

毫米波雷达的应用

相关推荐