【radar】毫米波雷达简介

毫米波雷达的分类

位于10至200 GHz频段的电磁波因其对应的波长处于毫米级长度而通常被称为毫米波
在自动驾驶领域使用的毫米波雷达主要采用了三个工作频段：24 GHz、77 GHz以及79 GHz
这些不同工作频段对应的雷达具有各自独特的性能特性和成本水平

以Audi A8的传感器布局为例，讲解不同频段毫米波雷达的功能。

短距离雷达：24GHz频段
Those corner and rear radars, highlighted in orange on the diagram, operate within the 24GHz frequency band.
Radars operating in this frequency band have limited detection ranges. The four corner radars shown are capable of implementing features such as blind spot detection and lane change assistance. In autonomous driving systems, these radars are used to detect nearby obstacles to inform lane-changing decisions.

长距离雷达：77GHz频段
如上图所示，在右下方棕色区域内标注为绿色框的部分即为频率在77GHz左右的远程雷达。性能卓越的该频段雷达最高可达160米以上的最大检测距离，在特斯拉车辆中通常安装在前 bumper区域以直接面对车辆行驶方向。

距离雷达具备实现紧急制动以及高速公路车辆跟行等功能的需求；此外，在自动驾驶领域中，它能够满足对障碍物距离、速度以及方向的测量要求。

本研究关注的是采用79GHz频段的长距离雷达系统。该频段的传感器同样具备与77GHz频段相似的功能特性，并专注于完成长距离测量任务。依据公式可知，在计算中我们使用了光速等于波长乘以频率的关系式。频率越高，则毫米波雷达所使用的毫米波段宽度相应会变得更短。因此，在三个关键指标上——即距离测量精度、速度估算能力和角度识别精度——均能实现显著提升。相较于激光雷达而言，毫米波雷达在穿透能力方面具有明显优势。例如，在汽车保险杠上安装这种设备后几乎难以察觉其存在。

毫米波雷达的数据

由于毫米波测距与测速均建立在多普勒效应基础之上，在笛卡尔坐标系XYZ下与激光定位方式不同的是其原始数据采用的是极坐标表示法（由距离和角度组成）。当然，在实际应用中可以通过三角函数公式相互转换。如图所示，在车辆前方的是迎面而来的蓝色小车以及同向行驶的绿色小车。

以德尔福前向毫米波雷达ESR为例该雷达最多能够探测到64个障碍物的数据这些数据由六个字段组成

毫米波雷达的挑战

在探讨挑战之前，请先体验一下激光雷达的数据。这一视频是在一段高速公路上采集的毫米波雷达数据。

此图中灰色圆圈中心标记了雷达装置的位置。其中蓝色标记的是固定不变的障碍物，而粉红色标记的是移动中的障碍物。通过观察可以明显看出这些蓝色标记呈现一条直线趋势。这条直线对应的就是铁护栏。那么问题来了：如何让计算机识别出这些散乱点中隐藏着的一条铁护栏？这个问题就是算法工程师每天都要解决的核心难题之一。而在实际开发过程中，在自动驾驶领域应用毫米波雷达面临三个主要挑战：

挑战一是针对数据稳定性的关键问题。
不言而喻地观察到这样的混乱与不可靠的数据。
对此深感沮丧。
这一特性对后续软件算法设计提出了更高的要求

挑战2：对金属高度敏感

第三项挑战是关于高度信息的缺失。毫米波雷达的数据仅能提供距离与方位数据，无法像激光雷达那样获取高程数据。缺乏高程数据的障碍物点将给技术研发带来诸多困难。

小结

通过之前的分享内容,我们可以大致掌握毫米波雷达的基本原理以及其工作状态.进一步结合之前讨论过的激光雷达与摄像头的相关特性后发现,在实际应用中各种传感器都存在各自的优缺点.如何整合这些不同传感器的优势并有效弥补它们各自的不足,则是我当前的核心工作重点.