Введение: В технологиях восприятия наступил новый поворотный момент.
Традиционные системы помощи водителю уступают место более сложным и хорошо скоординированным системам автономного вождения. Этот сдвиг предъявляет новые требования к восприятию, особенно к его способности обеспечивать последовательное, организованное и достоверное понимание сложной окружающей среды. Системы, использующие только визуальное восприятие, по-прежнему сталкиваются с трудностями в реальных дорожных условиях, таких как туман, дождь, задние фонари ночью, многоуровневые виадуки и невысокие статические препятствия. С другой стороны, традиционный 3D-радар миллиметрового диапазона также имеет ограничения, поскольку он не может измерять высоту.
В свете этого, 4D-радар миллиметрового диапазона становится фундаментальной технологией обнаружения, улучшающей восприятие глубины, укрепляющей пространственное понимание и обеспечивающей надежную работу в различных условиях окружающей среды. Он заполняет пробелы, оставленные изношенными другими датчиками, и предлагает ценные структурированные данные, соответствующие новейшим моделям восприятия на основе трансформаторов и электромобилей.
В данной статье рассматривается технологическое значение 4D-радиолокатора миллиметрового диапазона, его роль в системах объединения данных с датчиков следующего поколения, важные сценарии применения, а также реалистичное развертывание Linpowave на различных уровнях автономного вождения.
Технологический прогресс 4D миллиметрового радара
Улучшенное пространственное представление для точного получения трехмерных данных.
Обычные миллиметровые радары ограничены в своих возможностях по идентификации вертикальных сооружений, поскольку обычно выдают данные о расстоянии, скорости и азимутальном угле. Из-за этого ситуации с пандусами, виадуками, невысокими препятствиями или многоуровневым движением могут быть сложными.
Добавление угла возвышения (тангажа) в 4D-радиолокации миллиметрового диапазона расширяет пространственное восприятие и позволяет более точно интерпретировать окружающую среду в 3D-формате.
Это усовершенствование позволяет беспилотным автомобилям различать:
Движение транспорта на эстакадах и наземных уровнях
Дорожные конусы, бордюры и другие низко расположенные предметы
Топография дорог, а также уклоны вверх и вниз.
Модули планирования и управления получают более качественные входные данные из более структурированной базы данных, что приводит к более стабильному и предсказуемому поведению транспортного средства в различных ситуациях.
Более насыщенное геометрическое представление с помощью облака точек высокой плотности
4D-радар миллиметрового диапазона создает плотные, упорядоченные облака точек с помощью сложных антенных решеток MIMO и оптимизированных конвейеров обработки сигналов. Эти выходные данные обеспечивают достаточную пространственную детализацию для описания контуров, форм и моделей движения объектов, хотя и не такие плотные, как у LiDAR.
Такая степень геометрической насыщенности способствует:
Более надежное семантическое понимание и моделирование окружающей среды
Стабильная работа в условиях низкой освещенности или неблагоприятных погодных условий.
Улучшенные априорные знания о глубине для моделей глубокого обучения на основе BEV.
4D-радар способен продолжать предоставлять надежные и полезные данные в ситуациях, когда визуальные системы ухудшаются, например, при сильном дожде или контровом свете.
Растущее значение 4D-радара в многосенсорном слиянии данных.
«Основной датчик» в отличие от «вспомогательного датчика».
В прошлом миллиметровые радары в основном функционировали как вспомогательные датчики, предоставляя дополнительную информацию о скорости и расстоянии для поддержки визуального восприятия. 4D-радары становятся все более важными для систем восприятия по мере перехода отрасли к уровням L2++ и L3, что увеличивает потребность в резервировании и структурированном определении глубины.
Благодаря формату облака точек, технология Fusion обеспечивает более согласованную работу и упрощает оптимизацию, поскольку естественным образом согласуется с картами глубины изображения и входными данными модели BEV. 4D-радар значительно улучшает возможности обобщения системы в сложных ситуациях с большим хвостом, таких как туманные перекрестки или ночные выезды на автомагистрали.
Разработка решений на основе Fusion: переход от подхода, основанного на правилах, к подходу, основанному на моделях.
Вместо того чтобы полагаться на правила, созданные вручную, современные системы автономного вождения совместно изучают мультимодальные характеристики с помощью нейронных сетей.
Вклад 4D-радара в эти архитектуры слияния на основе моделей заключается в следующем:
Измерения стабильной скорости и дальности
Прочная конструкция, не зависящая от освещения.
Структурированное облако точек, подходящее для глубокого синтеза.
Эти характеристики обычно приводят к увеличению модального веса во время обучения, что повышает согласованность и надежность результатов восприятия.
Важные сценарии применения 4D-радара
Сложная и суровая погода
Густой туман, ночная подсветка и блики от дождя могут привести к ухудшению качества изображения.
Непрерывное наблюдение в условиях плохой видимости становится возможным благодаря способности 4D-радара поддерживать сравнительно стабильные выходные данные в виде облака точек.
Высокоскоростное восприятие направления движения
Для принятия решений на основе прогнозирования в условиях движения по автомагистралям требуется точное обнаружение на больших расстояниях и ранняя оценка траектории.
4D-радар отлично подходит для:
Съемка удаленных, крошечных объектов
Обеспечение плавных и постоянных данных о скорости.
Способствовать раннему предупреждению во время скоростных маневров
Это делает его особенно полезным для вождения с использованием систем помощи при движении по автомагистралям и систем NOA.
Ситуации в городе с низкой скоростью и на близком расстоянии
Точное обнаружение статических препятствий и деталей на близком расстоянии необходимо для парковки, навигации по узким дорогам и оказания помощи в условиях интенсивного движения.
Стабильные и упорядоченные геометрические данные, предоставляемые 4D-радаром, улучшают:
Идентификация бордюра
Идентификация объектов на малой высоте
Предсказуемость в сложных и медленных ситуациях
Технология 4D-радара и развертывание Linpowave
Комплексный портфель продуктов для решения множества задач.
Благодаря своему богатому опыту в проектировании MIMO-антенн, моделировании облаков точек и конвейерах обработки сигналов, компания Linpowave предлагает широкий ассортимент 4D-радаров, подходящих для различных сценариев вождения.
Серия V300: Восприятие дальних и средних дистанций
Система V300, предназначенная для фронтального и бокового обнаружения, использует интерфейс Ethernet для вывода структурированных облаков точек высокой плотности. Она легко интегрируется с системами машинного зрения для объединения данных с нескольких датчиков и поддерживает системы L2++ и L3, которым необходимы высокоскоростные данные об окружающей среде.
Система мониторинга городской среды средней и ближней дальности с помощью серии U300.
Система U300 обеспечивает надежное обнаружение небольших, стационарных или близких объектов на низких скоростях и в условиях ближнего действия, например, при парковке или в пробках. Это повышает управляемость автомобиля в ограниченном пространстве, в стесненных условиях и в переполненных городах.
Linpowave способствует эффективной разработке алгоритмов и бесшовной интеграции с существующими платформами для обработки данных, предоставляя разработчикам SDK, понятную документацию по облакам точек, API и наборы инструментов.
Перспективы развития отрасли: готовность к интеграции, оптимизация затрат и масштабируемость.
Радары 4D mmWave получают все более широкое распространение в автомобилях массового производства по мере совершенствования радарных чипсетов и улучшения структуры затрат. Благодаря своей экономичности, надежности и сбалансированному соотношению цены и качества, они позиционируются как важнейшая технология обнаружения для будущих архитектур L2++ и L3.
Ожидается, что 4D-радар останется важнейшим компонентом систем автономного вождения следующего поколения в связи с растущим акцентом на стабильность и структурированную глубину.
Часто задаваемые вопросы
Можно ли заменить лидар 4D-радаром миллиметрового диапазона?
LiDAR и 4D-радар хорошо работают вместе. Хотя внедрение LiDAR зависит от системных требований и бюджета, архитектура Vision + 4D-радар становится популярной и экономичной среди основных решений.
Как работает 4D-радар в неблагоприятных погодных условиях?
В условиях дождя, тумана или низкой освещенности 4D-радар обычно обеспечивает более стабильное обнаружение, чем визуальное зрение. Сценарий и конфигурация влияют на производительность.
Оказывает ли Linpowave помощь в разработке?
Конечно. Для содействия в разработке моделей слияния данных Linpowave предоставляет исчерпывающую документацию по облакам точек, SDK, API и наборы инструментов.
Подходит ли 4D-радар для использования как на городских, так и на автомагистральных дорогах?
Конечно. Хотя серия U300 хорошо работает на ближних дистанциях, в городских условиях и на низких скоростях, серия V300 лучше всего подходит для обнаружения объектов на больших расстояниях и высоких скоростях.