雷达的工作原理

图片

雷达最初被军方用来检测敌机,在战争期间是一个重要的传感器被各方使用。如今,它被广泛用于自适应巡航控制以及自动驾驶中的障碍物检测。下面让我们看一下该传感器的工作原理、优缺点以及如何检测物体的位置和速度。

为什么RADAR有用

在自动驾驶汽车中,雷达用于自动驾驶时是一种出色的互补传感器,可以解决其他传感器的一些弱点。像Tesla或Comma.ai之类的公司使用RADAR与摄像头相结合来确保系统能正常工作,并获得了出色的传感器融合模块。

图片

总而言之,雷达可以直接测量物体的速度,并且可以在白天,夜晚,雨天,雾天,大雪等不同场景下工作,而其他传感器可能会遇到问题。

雷达如何工作

介绍

RADAR利用无线测距,通过发出电磁(EM)波,该电磁波在遇到障碍物时会反射。由于它使用EM波工作,因此可以在任何条件下工作。

图片

我们必须了解的一件事是,我们正在处理电磁波,就像在高中物理中一样。

图片

每个波都有一个波长,一个频率,一个振幅和一个相位。

图片

处理这些波浪将帮助我们找到障碍。

FMCW

有许多不同类型的雷达,其中最常用的是一种称为FMCW-调频连续波。该波看起来像这样:这是一个称为锯齿的信号,其频率可以随时间增加或减少。

图片

(资源)

FMCW雷达的硬件包括很多东西:

  • 频率合成器-一种将波设置为正确频率的装置。

  • 功率放大器—一种放大信号的东西,以便RADAR可以在远距离(300m)看到。

  • 天线—一种将电能转换为电磁波的东西,该电磁波被发送到特定的方向并被反射(返回到天线)。

  • 混频器-有助于频移的功能。

  • 处理器-就像在任何计算机中一样,处理器可以帮助进行计算,我们甚至可以处理信号来进行机器学习,聚类,跟踪等。

我们可以检测到每个物体吗

当发射的波到达物体时;它反映了。但是如何反映的?大家会注意到,物体并不总是完全反射回RADAR的天线。反射指数称为雷达横截面(RCS) 用于并考虑到:目标的几何形状、雷达的方向、频次、靶材。RCS是一种考虑了所有这些因素的指标。

图片

现在考虑一下隐形飞机的以下图像。这种类型的飞机可能完全未被RADAR探测到,这是因为其几何形状设计可将波向其他方向偏转,其光滑的表面以及旨在吸收波的非反射性涂料,因此它们不会返回发射器。

图片

由于反射率和其他因素,可以使用RADAR对障碍物进行分类。

如何估算障碍物的范围

当我们想使用雷达时,涉及许多不同的方程式。实际上,这是100%的信号处理。但是,数学很简单,在数学上并不难。假设我们前面有辆汽车,我们需要知道它与我们之间的距离。

图片

  • 我们知道信号的速度,因为它在空中传播。c = 3×10⁸

  • 我们可以测量信号返回时间:T。那么,达到目标所需的时间为T / 2。

  • 范围只是R = c * T / 2

 

如何估算物体的速度

图片

这就是所谓的多普勒效应

图片

如大家所见,几个波完全不同。

  • 红波是雷达发射的信号

  • 顶部的蓝波是正在接近的车辆反射波-波长很小。

  • 底部的蓝色波是远离我们的车辆反射波-波长很大。

当我们计算频率偏移时,我们可以确定车辆的速度和方向:这称为多普勒效应。

图片

多普勒频移方程

我们知道:

  • fD-频率偏移(已测量,未保留详细信息)

  • λ—波长

因此,我们可以确定车辆的速度ν。

如何解释这种现象

RADAR的输出没有任何逻辑信息,它只显示了波动。我们在此波中唯一可以看到的是幅度和频率。利用快速傅立叶变换(FFT)将该波转换为可解释的信号。

图片

一旦进入频域,我们可以注意到一些波在不同的频率处反射,并将它们与其他波分开。每个峰代表检测到的障碍。

噪声问题

雷达是一种非常复杂的传感器,对于一个障碍RADAR可能输出5或6次检测。没有障碍物时出于一些未知原因,雷达可能也会显示了一些检测结果。我们称之为噪音。噪音来自各种事物,苏打水可以反射一些波,让他并看起来像是障碍物。为了过滤噪声,我们使用一种称为SNR或信噪比的度量。雷达输出波和振幅。幅度越高,检测的可能性越高。

图片

图片

 

聚类和检测

最后,我们能够检测到障碍物并估算其速度。但是我们得到的仅仅是反射波,这要归功于FFT。我们可以输出许多结果,并且可能需要对输出进行聚类。

图片

聚类算法是基于距离计算的算法,例如欧几里得聚类或K均值聚类。

结论—

RADAR是一个非常强大的工具。由于噪音,它不能真正在自动驾驶环境中单独使用。但它可以与相机或LiDAR结合使用,功能非常强大。它可以在许多条件下工作,并且可以直接估算范围和速度。通过一些工作,它甚至可以进行物体的分类。

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页