导航菜单

傲酷雷达亚太总裁郄建军:4D点云高清成像雷达与高清雷视一体机

傲酷雷达亚太总裁郄建军:4D点云高清成像雷达与高清雷视一体机

该车的毫米波雷达已进入成像的新时代。 Oculii在全球率先推出了4D点云高清成像雷达,其目前的成像性能可与16线激光雷达相媲美。雷锋网了解到,随着点云密度和角分辨率的增加,未来的成像效果可与32/64线激光雷达相媲美。雷锋网在2019年汽车雷达和传感器融合前瞻技术展览会上,自豪酷的雷达奇美电子和亚太区总裁严建军强调了4D点云高清成像雷达和高清雷雷在道路协调中的整合。船上的最新进展。

汽车毫米波雷达企业界已经达成共识,如果国内外初创企业想要生存和发展,他们必须依靠创新突破。在毫米波雷达国际巨头ABCD(Autoliv,Bosch,Continental和Delphi)强大的国际实力背景下,依靠自我生产,低价格和良好的服务来赢得竞争是不够的。我们公司一直专注于毫米波雷达技术的突破性创新,而不是渐进式创新,而是跨越式创新。例如,ABCD正在推动市场上的第五代雷达。该实验室正在研究第六代。我们可以直接生产“第七代”雷达吗?

如何定义“第七代”雷达?它是一款4D点云高清成像雷达,非常适合自动驾驶L3/L4/L5场景。它结合了毫米波雷达和激光雷达的特点。它具有全天候,易于驾驶规则,速度测量准确,成本低等优点,具有高清点云成像和高角度分辨率的优点。它非常好地补充了高清视频的性能,两个云级融合可以完美地感知自动驾驶的复杂场景。

不久前,马斯克对激光雷达的“无用”引起了极大的争议。人们普遍认为,所有三种传感器都有自己的特点,它们的优点是互补的。然而,考虑到低成本,大规模生产和其他因素,没有激光雷达的纯相机+毫米波解决方案确实是当前L3批量生产中最实用的选择。通过使用更高效的视觉芯片和更好的深度学习算法,Vision可以在感知性能方面有很大的改进空间。如果毫米波雷达也可以做到这一点,突破原始性能的瓶颈,显着提高角分辨率,并结合激光雷达成像的特点,加上雷达和视点云的像素级预融合,然后高清摄像机+成像毫米波雷达方案可能会大大超过当前的性能,并在L3/L4上实现理想和充足的状态。

普通毫米波雷达,用于L1/L2 AEB,ACC,BSD等功能,其技术实现相对简单,缺点是角分辨率不够高。当使用3到4个接收器芯片时,角分辨率约为10度或更高。如果要增加角度分辨率,例如,要将角度增加到1度,则必须通过级联四个芯片并添加天线来实现此目的。这种增加角分辨率的传统方法是通过硬化更多芯片和更多天线来实现的。然而,雷达硬件受成本,尺寸和功耗的限制。这种方法的局限性是不言而喻的。

在通用硬件层面的基础上,Ao cool创造性地依靠软件算法实现虚拟雷达光圈,模拟多次天线,实现点云成像,大大提高角分辨率。例如,3发射4接收机芯片解决方案相当于MIMO的12个接收天线。基于天线数量,Proud可以使用虚拟孔径方法制作5-10倍以上的虚拟天线,最终实现120个天线的效果。天线越多,角分辨率越高。这种单芯片角度雷达可以在120度的FOV下实现1度的角分辨率。虚拟天线的最大倍数取决于芯片的计算能力。如果功率足够,则虚拟倍数可以远高于10倍,并且可以虚拟化更多天线,并且角度分辨率继续显着增加。

简要介绍一下雷达点云成像的效果。周围的道路和树木是三维立体点云显示,雷达可以清楚地识别周围的静止物体,如树护栏;动态物体,如车辆,行人等。利用点云高清成像雷达,根据应用场景,我们专注于77/79G雷达的三种应用:车辆前进高性能成像雷达,车辆高角度分辨率角度雷达和车辆道路协调雷达。

第一个是前瞻性的高性能成像雷达。 L3/L4在高速场景中,车辆最好能够清晰地检测到300-400米外的物体,这样车辆就有足够的时间来应对紧急情况。特别是当小物体散布在路面上时,必须尽早检测和识别它们。据报道,Waymo的最新一代自动驾驶汽车配备了6毫米波雷达,其中两个用于此目的。目前,普通毫米波长范围的雷达对于上述极端场景是不够的。我们正在使用最新的点云成像技术制作成像雷达,其覆盖距离接近400米,角度分辨率接近0.1度,以满足上述要求。

下一个是高分辨率角度雷达。在L1/L2阶段,角度雷达主要用作BSD,角度分辨率较低。然而,在L3/L4阶段,当在市区进行自动驾驶,自助代客泊车等功能时,车辆周围的车辆和车辆混合,需要更清晰,更多准确感知周围环境。角度雷达的要求越来越高。良好的分辨率和可成像性。

我们使用3发4个接收器芯片在FOV=120度时实现1度角分辨率。普通毫米波雷达的角分辨率优选地在FOV=120度之上和之下10度。或者为了提高角分辨率,只能通过降低FOV来实现。许多前向雷达只有10度FOV。一个重要原因是交换更好的角度分辨率。

据报道,通用邮轮公司在旧金山市中心的自驾车上有21毫米波雷达。主要原因是在这种场景中,人和车辆混杂,突发事件频繁,感知难度是广泛场景的几十倍。它必须具有良好的雷达角度分辨率。除前后远程雷达外,其他雷达主要用于感知周围环境。由于每个雷达角度分辨率不够,它只能用多个窄视场雷达拼接,形成360度高分辨率感知。然而,安装这么多雷达很麻烦并且相互干扰,这是一个非常大的挑战。令人骄傲的是,上述1度角度分辨雷达允许车辆实现类似于仅使用传统的4角度雷达方案的Cruise多角度雷达的高分辨率效果。

第三是汽车道路和雷石一体机。自去年下半年以来,中国的公路合作一直很热门。随着5G在中国的大规模商用,路到路协作是5G的主要应用之一,并且正在加速商业登陆。业界普遍认为,通过5G +道路协调,中国的自动驾驶行业可能会走在前面,并在世界范围内实现商业化。

最初,传统的自行车智能依赖于汽车端的大量传感器来感知,并且成本很高。通过道路的协调,安装在路边的传感器,通过5G和V2X,可以为无人驾驶自行车提供“眼睛”服务。路边的感知很高,有上帝的观点,可以非常清楚和全面地看到。这样,汽车和公路一起工作,原来的自行车传感器不易察觉盲区,可以很容易地获得诸如超视距,路边感知等信息,然后传输到自行车并且将对汽车结束的看法结合起来以更好地判断和做出决定。中国的道路环境极其复杂,交通参与者众多,特别是在城市核心区的十字路口。交通复杂性非常高。利用车辆路线的路边感知,可以大大降低自动驾驶的感知。

骄傲的雷霆一体机可以连续跟踪交叉路口的所有车辆,非机动车辆和行人,提供实时3D位置,三轴速度,长度,宽度,高度,分类和目标物体的航向。它可以通过V2X设备传输到自行车,并与车辆的自行车感知相结合来做出决定。协同传感也可以在高速公路和入口和出口处进行。 Raytheon机器可以穿越行人,静止车辆和其他难以用传统雷达探测到的物体,可以轻松实现跟踪检测。

高清成像雷达的角分辨率越来越高,可以感知的场景越来越复杂。但即使雷达达到0.1度的高角度分辨率,也无法与高清视频的0.01度甚至更高的角分辨率进行比较。随着1K/4K/8K的发展,像素的角分辨率越来越高。随着深度学习算法的不断改进,芯片性能越来越高,高清视频传感的潜力巨大。因此,在汽车道路协调路面感知中,必须充分利用高清视频。

同时,应该进行雷达和视频融合。我们所做的不是目标级融合,而是点云和像素级别的融合。难点在于雷达点云属于三维坐标并且摄像机视觉属于平面坐标。将三维形状的点投影到二维平面点上并使它们具有一对一的对应关系,坐标系转换是困难的,并且目前Proud已经很好地解决了这个问题。转换完成后,点云像素级融合可以使目标检测,跟踪和分类高度可靠。该视频擅长分类和跟踪,雷达擅长检测速度,距离和航向。双方互相致力,最终的结构数据内容是完美的。

20: 26

来源:雷锋网

Ao Cool Radar亚太区总裁邱建军:4D点云高清成像雷达和HD LeiVision一体机

该车的毫米波雷达已进入成像的新时代。 Oculii在全球率先推出了4D点云高清成像雷达,其目前的成像性能可与16线激光雷达相媲美。雷锋网了解到,随着点云密度和角分辨率的增加,未来的成像效果可与32/64线激光雷达相媲美。雷锋网在2019年汽车雷达和传感器融合前瞻技术展览会上,自豪酷的雷达奇美电子和亚太区总裁严建军强调了4D点云高清成像雷达和高清雷雷在道路协调中的整合。船上的最新进展。

汽车毫米波雷达企业界已经达成共识,如果国内外初创企业想要生存和发展,他们必须依靠创新突破。在毫米波雷达国际巨头ABCD(Autoliv,Bosch,Continental和Delphi)强大的国际实力背景下,依靠自我生产,低价格和良好的服务来赢得竞争是不够的。我们公司一直专注于毫米波雷达技术的突破性创新,而不是渐进式创新,而是跨越式创新。例如,ABCD正在推动市场上的第五代雷达。该实验室正在研究第六代。我们可以直接生产“第七代”雷达吗?

如何定义“第七代”雷达?它是一款4D点云高清成像雷达,非常适合自动驾驶L3/L4/L5场景。它结合了毫米波雷达和激光雷达的特点。它具有全天候,易于驾驶规则,速度测量准确,成本低等优点,具有高清点云成像和高角度分辨率的优点。它非常好地补充了高清视频的性能,两个云级融合可以完美地感知自动驾驶的复杂场景。

不久前,马斯克对激光雷达的“无用”引起了极大的争议。人们普遍认为,所有三种传感器都有自己的特点,它们的优点是互补的。然而,考虑到低成本,大规模生产和其他因素,没有激光雷达的纯相机+毫米波解决方案确实是当前L3批量生产中最实用的选择。通过使用更高效的视觉芯片和更好的深度学习算法,Vision可以在感知性能方面有很大的改进空间。如果毫米波雷达也可以做到这一点,突破原始性能的瓶颈,显着提高角分辨率,并结合激光雷达成像的特点,加上雷达和视点云的像素级预融合,然后高清摄像机+成像毫米波雷达方案可能会大大超过当前的性能,并在L3/L4上实现理想和充足的状态。

普通毫米波雷达,用于L1/L2 AEB,ACC,BSD等功能,其技术实现相对简单,缺点是角分辨率不够高。当使用3到4个接收器芯片时,角分辨率约为10度或更高。如果要增加角度分辨率,例如,要将角度增加到1度,则必须通过级联四个芯片并添加天线来实现此目的。这种增加角分辨率的传统方法是通过硬化更多芯片和更多天线来实现的。然而,雷达硬件受成本,尺寸和功耗的限制。这种方法的局限性是不言而喻的。

在通用硬件层面的基础上,Ao cool创造性地依靠软件算法实现虚拟雷达光圈,模拟多次天线,实现点云成像,大大提高角分辨率。例如,3发射4接收机芯片解决方案相当于MIMO的12个接收天线。基于天线数量,Proud可以使用虚拟孔径方法制作5-10倍以上的虚拟天线,最终实现120个天线的效果。天线越多,角分辨率越高。这种单芯片角度雷达可以在120度的FOV下实现1度的角分辨率。虚拟天线的最大倍数取决于芯片的计算能力。如果功率足够,则虚拟倍数可以远高于10倍,并且可以虚拟化更多天线,并且角度分辨率继续显着增加。

简要介绍一下雷达点云成像的效果。周围的道路和树木是三维立体点云显示,雷达可以清楚地识别周围的静止物体,如树护栏;动态物体,如车辆,行人等。利用点云高清成像雷达,根据应用场景,我们专注于77/79G雷达的三种应用:车辆前进高性能成像雷达,车辆高角度分辨率角度雷达和车辆道路协调雷达。

第一个是前瞻性的高性能成像雷达。 L3/L4在高速场景中,车辆最好能够清晰地检测到300-400米外的物体,这样车辆就有足够的时间来应对紧急情况。特别是当小物体散布在路面上时,必须尽早检测和识别它们。据报道,Waymo的最新一代自动驾驶汽车配备了6毫米波雷达,其中两个用于此目的。目前,普通毫米波长范围的雷达对于上述极端场景是不够的。我们正在使用最新的点云成像技术制作成像雷达,其覆盖距离接近400米,角度分辨率接近0.1度,以满足上述要求。

下一个是高分辨率角度雷达。在L1/L2阶段,角度雷达主要用作BSD,角度分辨率较低。然而,在L3/L4阶段,当在市区进行自动驾驶,自助代客泊车等功能时,车辆周围的车辆和车辆混合,需要更清晰,更多准确感知周围环境。角度雷达的要求越来越高。良好的分辨率和可成像性。

我们使用3发4个接收器芯片在FOV=120度时实现1度角分辨率。普通毫米波雷达的角分辨率优选地在FOV=120度之上和之下10度。或者为了提高角分辨率,只能通过降低FOV来实现。许多前向雷达只有10度FOV。一个重要原因是交换更好的角度分辨率。

据报道,通用邮轮公司在旧金山市中心的自驾车上有21毫米波雷达。主要原因是在这种场景中,人和车辆混杂,突发事件频繁,感知难度是广泛场景的几十倍。它必须具有良好的雷达角度分辨率。除前后远程雷达外,其他雷达主要用于感知周围环境。由于每个雷达角度分辨率不够,它只能用多个窄视场雷达拼接,形成360度高分辨率感知。然而,安装这么多雷达很麻烦并且相互干扰,这是一个非常大的挑战。令人骄傲的是,上述1度角度分辨雷达允许车辆实现类似于仅使用传统的4角度雷达方案的Cruise多角度雷达的高分辨率效果。

第三是汽车道路和雷石一体机。自去年下半年以来,中国的公路合作一直很热门。随着5G在中国的大规模商用,路到路协作是5G的主要应用之一,并且正在加速商业登陆。业界普遍认为,通过5G +道路协调,中国的自动驾驶行业可能会走在前面,并在世界范围内实现商业化。

最初,传统的自行车智能依赖于汽车端的大量传感器来感知,并且成本很高。通过道路的协调,安装在路边的传感器,通过5G和V2X,可以为无人驾驶自行车提供“眼睛”服务。路边的感知很高,有上帝的观点,可以非常清楚和全面地看到。这样,汽车和公路一起工作,原来的自行车传感器不易察觉盲区,可以很容易地获得诸如超视距,路边感知等信息,然后传输到自行车并且将对汽车结束的看法结合起来以更好地判断和做出决定。中国的道路环境极其复杂,交通参与者众多,特别是在城市核心区的十字路口。交通复杂性非常高。利用车辆路线的路边感知,可以大大降低自动驾驶的感知。

骄傲的雷霆一体机可以连续跟踪交叉路口的所有车辆,非机动车辆和行人,提供实时3D位置,三轴速度,长度,宽度,高度,分类和目标物体的航向。它可以通过V2X设备传输到自行车,并与车辆的自行车感知相结合来做出决定。协同传感也可以在高速公路和入口和出口处进行。 Raytheon机器可以穿越行人,静止车辆和其他难以用传统雷达探测到的物体,可以轻松实现跟踪检测。

高清成像雷达的角分辨率越来越高,可以感知的场景越来越复杂。但即使雷达达到0.1度的高角度分辨率,也无法与高清视频的0.01度甚至更高的角分辨率进行比较。随着1K/4K/8K的发展,像素的角分辨率越来越高。随着深度学习算法的不断改进,芯片性能越来越高,高清视频传感的潜力巨大。因此,在汽车道路协调路面感知中,必须充分利用高清视频。

同时,应该进行雷达和视频融合。我们所做的不是目标级融合,而是点云和像素级别的融合。难点在于雷达点云属于三维坐标并且摄像机视觉属于平面坐标。将三维形状的点投影到二维平面点上并使它们具有一对一的对应关系,坐标系转换是困难的,并且目前Proud已经很好地解决了这个问题。转换完成后,点云像素级融合可以使目标检测,跟踪和分类高度可靠。该视频擅长分类和跟踪,雷达擅长检测速度,距离和航向。双方互相致力,最终的结构数据内容是完美的。

仅提供信息存储空间服务。

雷达

分辨率

毫米

郄建军

雷石

读()

投诉