From ADAS to Driver Replacement—Is Actual Radar Performance Good Enough? 從ADAS到驅動器更換——實際雷達性能是否足夠好？
作者：Chris Jacobs，ADI 自動交通和汽車安全副總裁
祖母時代的技術已成往事
1904年，雷達首次被Christian Huelsmeyer用于探測船只，已有一個多世紀的歷史。常見的應用是軍事雷達、民用航空交通管制，當然，還有針對私家車輛的測速點。但是現在存在一種誤解，認為這項技術已經成熟，該領域幾乎沒有什么發展。成像雷達和協同雷達都在進行著顛覆性的新創新。ADI公司(ADI)如何在汽車領域應用中實現雷達并引入獨特的軟件和算法正是其特殊之處。
過去25年里，ADI一直活躍在汽車行業，其產品既可用于被動安全應用，也可用于主動安全應用。過去15年里，ADI以DSP和數據轉換器在汽車雷達供應鏈中占有一席之地，最近還提供24 GHz和77 GHz/79 GHz雷達芯片組。
ADI自動交通和安全副總裁Chris Jacobs表示：“高級駕駛員輔助系統已面市，自動駕駛即將到來，而道路安全至關重要。所以，我和工程師致力于使用先進的功能和技術來實現更高的性能和自主性，從而挽救生命。據我們估計，基于我們產品的汽車傳感器每天可以挽救8條生命。”
為了保護駕駛員、乘客和行人，硬件和軟件都需要大量創新。必須開發一種更高效且優化的雷達技術，提供與航空航天和防務行業系統相同的高性能、功能和可靠性，并轉化為適合私家汽車市場的尺寸和成本。
ADI自動交通和汽車安全事業部技術總監Mike Keaveney說道：“雖然25萬美元的高分辨率成像雷達系統成本對于價值數百萬美元的軍用坦克總價來說不算什么，但與均價3萬美元的家用汽車相比便貴的離譜了。我們正在探索如何進行定制，微型化、加固，降低成本、尺寸、重量和電源需求，以便能夠用于每輛汽車。”
雷達的挑戰
轉讓和采用軍事和航空航天的高成本、高性能雷達技術，并將其安裝在汽車上，在技術、美學和經濟方面都面臨重大挑戰。關鍵的挑戰不僅在于減少尺寸、重量和功率(SWaP)，還要在降低成本的同時提高性能。雷達不僅必須能夠進行物體檢測，還必須能夠進行物體分類。這就要求雷達圖像的分辨率比目前先進系統的分辨率更高。
這些都是ADI致力于實現的目標，以推進技術發展，確保安全，并將經濟高效的汽車雷達帶給消費者。
性能
在不增加尺寸、成本和功耗預算的情況下，將角度分辨率提高到高度自動駕駛所需的水平。
增加低反射率目標發出的反射點數量。
大幅減少檢測延遲，特別是對于橫向移動的物體，這可縮短響應時間，并允許車輛在緊急情況下采取規避行動。
SWaP
優化外形尺寸（大小、重量和功率），同時保持高性能。
在不影響車輛工業設計的前提下，保持系統的美觀。
成本/經濟學
以大眾市場汽車成本約束可接受的價格和外形尺寸實現高分辨率雷達。
將成本控制在購車者的價格敏感范圍內，因為他們才是為這一切買單的人。
法規
還必須繼續遵守政府規定的高級駕駛員輔助系統(ADAS)安全特性（如2022年美國自動緊急制動指令）。雷達將不再是一個選項，而是標準。因此，關鍵是要不斷地將系統成本降低到一個消費者和OEM都可以接受的價格點，同時仍然保持這些具有挑戰性的ADAS應用所需的性能。
成像雷達
成像雷達的概念和實現更高水平的角度分辨率是一項理想功能，對于自動駕駛出租車來說尤其如此。高分辨率不僅支持物體檢測（前面有東西），還支持物體分類（前面有自行車、汽車、人或小孩）。
為實現更高的分辨率，成像雷達利用高帶寬信號處理、數字波束合成和相控陣技術。所有這些都依賴于大量的硬件和處理能力，其中天線尺寸隨著所需的角度分辨率而縮放，通道計數增加以使用通道覆蓋所需的天線區域。“只是投入更多昂貴的硬件來解決這一問題，是將更高分辨率作為解決方案的一種‘暴力’方式，”Chris Jacobs表示。
如今，ADI正與領先的OEM和一級供應商緊密合作，開發新的突破性方法，來改進雷達并應對其現代挑戰。如今的汽車采用的雷達分辨率都不高，只能看到一團東西。它可以檢測到汽車周圍存在物體，可能是摩托車，可能是人或大型卡車，但無法確認該物體是什么。在硬件檢測技術和軟件算法進步的推動下，雷達的分辨率提高，能夠分辨檢測物體的屬性，這讓我們距離安全的全自動駕駛汽車又更近了一步。
分辨率問題和關于物體區分的挑戰
現有的常規汽車雷達在大視場范圍內提供大約10°到20°的水平角度分辨率。
圖1.低分辨率雷達和隱藏物體。現有的非成像雷達的角度分辨率一般在10°到20°，它會將3名行人看作一個物體。
圖2.高分辨率成像雷達可以顯示隱藏物體。
成像雷達的角度分辨率為1°至2°，是非成像雷達分辨率的10倍。數據箱收集1°到2°分辨率的信息，幫助區分和確定3名行人的位置。
數據處理
您為更高分辨率所花費的成本將給您帶來更多數據，隨著分辨率增加，數據量也相應增加，這就需要更多的計算能力。這就是為什么高效處理所有數據的先進模式對于管理大量數據和低功耗至關重要。高效的中央處理或者邊緣處理，將是未來雷達的基礎。
下一步：協同雷達與通信需求
Mike Keaveney說道：“利用現有車載雷達傳感器硬件的協同雷達是未來汽車領域的發展方向。協同雷達就是相干性和識別協同創建高分辨率相干圖像的事物需求，在本例中是指檢測雷達。一旦實現了協同雷達的經濟性，就能夠享受諸多優勢。”
協同雷達可提供成像雷達性能，而不會顯著增加車內個別現有雷達系統的大小。這是因為有效孔徑現在由兩個（或多個）具有重疊視場的分布式雷達傳感器之間的距離設定，而不是由任何一個傳感器的物理尺寸預先確定。
圖 3. 初級雷達的窄孔徑。
初級雷達現在常用于汽車。
來自每個發射源的雷達信號反射到一個物體上，然后傳回到原點。孔徑，或者說初級雷達的性能，是以英寸為單位的雷達發射器本身的寬度。
協同雷達/SuperRADAR較大的孔徑
SuperRADAR是ADI通過多個具有重疊視場的雷達波束實現相干性算法的方法。
基于SuperRADAR的協同雷達使用低速鏈路在雷達源之間進行粗略定時。每個傳感器向中央處理器發送數據，或者可能從一個雷達向另一個雷達發送數據，并在邊緣傳感器上進行處理，后面這種方法更經濟。
Chris Jacobs表示：“傳統協同雷達系統不容易實現，因為需要在雷達之間運行高頻鏈路。實現這種相干性的硬件開銷和成本非常高。”
對于汽車雷達來說，提高協同雷達的性價比非常有必要。Jacobs說：“向汽車添加硬件的傳統方法并非解決方案，我們必須換個思路來看問題。我們可以通過智能方式，用算法將這些技術結合起來，使用系統中的相同硬件提高組合系統性能。ADI的SuperRADAR方法允許雷達系統產生多個非相干圖像的相干疊加。”
協同雷達
圖4.協同雷達較大的孔徑。
協同雷達的工作原理是什么？來自每個源的信號反射到一個物體上，被兩個雷達接收器捕獲。因此，同一目標有2個外觀（或兩個不同的視圖），并且目標上的時間為2倍，而初級雷達只有一個外觀，時間也只有1倍。此外，由于兩個雷達協同工作，雷達孔徑（與性能成正比）是汽車前部的尺寸，兩個角雷達之間的距離（大約4英尺），與初級雷達的英寸完全不同。
這種方法允許實現經濟高效的傳感器設計，可將傳感器放在車輛周圍的多個點上，支持出色的物體檢測和分類。
SuperRADAR的優勢：1 + 1 > 2
SuperRADAR不僅降低尺寸、重量和功耗，還為系統帶來更多功能，從而提高分辨率，同時顯著減少硬件，在更合理的成本范圍內提高應用性能。
更多反射點：目標上的時間為2倍
SuperRADAR可使用同樣多的硬件提供兩倍性能。或者，使用一半的雷達通道來保持相同的性能。Chris Jacobs說：“借助SuperRADAR，我們得到的分辨率是單個雷達的兩倍。可能會需要額外的處理能力，但是汽車級DSP/MCU的路線圖足以滿足這些處理需求。”
SuperRADAR實際上就是雷達融合。我們將融合兩個獨立的雷達視圖，因此得到的分辨率比單獨完成的更好。Jacobs表示：“融合將成為未來實施ADAS的標準方式。”
降低延遲：快速計算橫向速度可挽救生命
車輛成像系統的一個重點是能夠快速計算橫向速度，即物體正交（以直角）移動到車輛行駛方向的速度。但是，要實現足夠低的誤報率，即使是主要基于攝像頭的出色機器學習算法仍然需要大約300 ms來進行橫向移動檢測。對于在以每小時60英里速度行駛的車輛前方行走的行人來說，毫秒之差就關系到人員受傷的輕重程度，因此響應時間至關重要。
300 ms延遲是由系統從10個連續視頻幀執行增量矢量計算所需的時間造成的，10個是以可接受的低誤報率進行可靠檢測所需的數目。但是，由于SuperRADAR的寬有效孔徑，以及它將來自兩個或多個傳感器的圖像連貫組合的方式，它能夠在一個30 ms的測量周期內精確地計算出速度的切向分量和徑向分量（這種延遲比目前一流的系統快10倍）。這種低延遲的檢測比F1賽車手的反應時間100 ms要少，遠遠少于一般駕駛員的反應時間！
圖5.今天的圖像系統有300 ms的延遲和10幀圖像用于檢測正交運動。
使用當今常見的成像雷達技術，如果有人過馬路，就需要多個攝像頭圖像來顯示正在移動的物體。每個攝像頭圖像需要30 ms。10個圖像需要300 ms。在這段時間內，汽車移動幾英尺。
圖6.SuperRADAR系統有30 ms的幀延遲來檢測正交運動。
兩個雷達協同工作 ， 可以進行三角測量 ， 從而捕捉運動中的物體 ， 因為兩個雷達源都是偏置的。只需要先用雷達波束1從位置1映射這個人，然后在30 ms后用雷達波束2從位置2映射。這就讓汽車知道人的移動方向。
SuperRADAR只需使用傳統成像雷達十分之一的時間即可識別穿越道路的移動物體。
SuperRADAR的經濟性
SuperRADAR概念不僅是降低整體系統成本的有效方法，而且能夠滿足性能需求，為最終應用帶來更大的價值。
Chris Jacobs表示，“我們要的是成像雷達的性能，現在只能在昂貴的自動駕駛出租車應用中找到，還要去除所有昂貴的硬件，把價格降到個人車主能夠承受的水平。這正是SuperRADAR發揮作用的地方，用最少的硬件占用空間和硬件上面運行的軟件，產生兩倍的性能。”
汽車的未來
在我們展望汽車領域的未來時，我們發現可能需要從根本上重新構建現有系統。現有的汽車平臺與未來的汽車平臺極為不同。
憑借在垂直領域的豐富經驗和專業知識，ADI具備獨特的優勢，能夠通過硬件和軟件產品的組合來優化未來汽車的雷達處理需求，為最終應用帶來更多價值。這種算法直接解決了汽車制造商目前和未來面臨的總擁有成本(TOCO)挑戰。
SuperRADAR潛力十足，而目前還處于初步探索階段。這項技術不僅是一種推動ADAS的更高性能、更經濟高效的解決方案，而且最終會挽救生命。
作者簡介
Chris Jacobs于1995年加入ADI公司。在任職期間，Chris在消費電子、通信、工業和汽車部門擔任過多個設計工程、設計管理和業務領導職務。他目前是ADI公司自動交通和汽車安全事業部副總裁。Chris擁有克拉克森大學計算機工程學士學位、東北大學電氣工程碩士學位和波士頓大學工商管理碩士學位。聯系方式：chris.jacobs@analog.com。
From ADAS to Driver Replacement—Is Actual Radar Performance Good Enough?
