毫米波雷达和摄像头的结合带来哪些优势？.doc

《毫米波雷达和摄像头的结合带来哪些优势？.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毫米波雷达和摄像头的结合带来哪些优势？　　我们做路径规划和防撞的时候，就怕横穿，突然冒出一个人或者车辆。其实最难的也是中国的十字路口，交通状况非常复杂。很多行人、汽车、卡车、公交车、自行车、三轮车等混杂在一起，对所有运动目标的连续跟踪尤为重要，以便预测他们的运动轨迹从而做出正确的决策。　　人眼有一个特点，就是对运动物体很敏感。摄像头和激光雷达没有这个特点，算完之后才能知道这个人在运动，但毫米波雷达恰恰类似人眼，对运动物体很敏感。　　我们的点云毫米波雷达可以在第一时间跟踪路口所有运动目标的轨迹，用单雷达芯片就能很快计算出他们的速度，不需要大量运算。所以我觉得

2、这是我们的点云毫米波雷达对无人驾驶最大的贡献。　　再看一下累积模式，我们把过去三秒钟的点云数据积累起来，可以看清楚车辆和行人的轨迹。所以在做路径规划的时候，可以很好的预测前方物体的路径，预测下一时间段有什么人、什么车经过，以及运动方向。　　用4D点云雷达识别路边马路牙子、草地等静止物体　　周边一团一团的是树冠，前面是路边的车，包括前面停的这辆车。移动物体在中间，静态和动态的都能看清楚。　　接着走到一个停车场，在停车场里，可看到对车辆周边环境的跟踪，右边有两辆车，最后进入停车场。　　进入停车场以后，两侧的车非常多，车之间有间隙。大家看上边框图里展示的是高度信

3、息。再有一个月，我们的软件就能做出3D展示效果，现在平面的展示效果可变成立体的展示并可以切换视角。我们在自主泊车场景非常有用，能看到100米内车辆的形状和距离，并能提前识别空车位。　　对静态物体的判断上，我们的点云毫米波雷达在静止的状态下也能对周边静态物体进行有效检测（如下图）。现在的发射点数还比较少，有点模糊，但大概能分辨出来，从高度来看，就是一个灌木丛，一棵树和一块石头。另外右边有三辆车，中间有个停车位，所以这就是对周边静态环境的认识，对停车来说有帮助。　　　　对周边障碍物的持续检测，Ibeo4线激光雷达对马路围栏和马路牙子的跟踪是断断续续的。车过去以

4、后，通过4D点云毫米波雷达，旁边的马路牙子看的很清楚，是连续的。　　点云雷达也可以做SLAM定位。通过探测路两边的栏杆、马路牙子，以及交通标志与车之间的距离，可以反向高精度定位我的位置。　　　　如果放大点云雷达，每个框里有好多点，这个点是非常密集的。现在的点还不够密集，明年要做到每个雷达扫描50万点/秒。　　这就是点云放大后，用3D软件做出来的效果，可以看到车、人的数据，将这些数据做分类识别，可以看到车的大小、是人还是三轮车+人。　　　　在无人驾驶里，毫米波雷达原来一直是个配角，L4/L5方案一般是采用摄像头+激光雷达+超声波雷达阿德方案。但在天气不好的时

5、候（比如雨、雾、霾、雪、黑夜、阳光直射）毫米波雷达的作用就凸显出来。如果毫米波也能做到高分辨率、能成像，也就是我们在做的4D点云雷达，它就能彻底改变传感器格局，可以作为主传感器来做自主泊车、行人检测、SLAM等应用。　　毫米波雷达和摄像头的融合方案性价比高　　毫米波适合做测距、测速，再加上全天候工作，再配上摄像头，就变成低成本、全天候的完整解决方案。　　为了实现更好的解决方案，我们下一步要做的是提高角精度。就是要把每秒发射5万点变成50万点，并达到4CM距离分辨率、0.1度角分辨率。　　如果毫米波雷达多了会互相干扰，那么通过数字网算法，抗干扰能力也强了。要

6、把毫米波雷达变成数字雷达，需要具备抗干扰能力。同时硬件不变，不断的增强软件，可以定义不同的点云。　　最核心的是毫米波雷达数据跟摄像头数据做点对点的融合。摄像头有擅长的地方，比如目标、深度学习等等，毫米波擅长测距、测速。，如果能把摄像头跟点云毫米波雷达进行点对点配合，就可以和激光雷达完美互补了。