任务二
了解智能网联汽车雷达类传感器的类型及应用

知识索引

超声波传感器的定义

超声波传感器是一款极其常见的传感器，也称为倒车雷达。它是汽车驻车或者倒车时的安全辅助装置，能以声音或者更为直观的显示器告知驾驶员周围障碍物的情况，解除了驾驶员驻车、倒车和起动车辆时前后左右探视所引起的困扰，并帮助驾驶员扫除了视野死角和视线模糊的区域。如图2-1-1所示，图中用蓝色圆圈画出的区域中即为四个后向超声波传感器。

超声波传感器的结构

超声波传感器主要由发射传感器、接收传感器、控制部分与电源等组成，如图2-2-2所示。超声波传感器有一个发射头和一个接收头，安装在同一面上。超声波测距传感器可以通过模拟接口和集成电路总线（Inter-Integrated Circuit，IIC）接口两种方式将数据传输给控制单元。

超声波传感器的类型

超声波传感器按照探头工作频率不同、使用场景不同、结构不同、安装方式不同、超声波换能器工作的物理效应不同可分为各种不同类型，见表2-2-1。

超声波传感器的特点

超声波的能量消耗较缓慢、在介质中传播的距离比较远、穿透性强、灵敏度较高、探测精度高、抗环境干扰能力强、对天气变化不敏感、可以在室内和黑暗中使用、测距的方法简单、结构简单、体积小、成本低、信息处理简单可靠、易于小型化与集成化、可以进行实时控制。

但是它在速度很高的情况下测量距离有一定的局限性，主要体现在如下几个方面：

1）高速及远距离测量时误差较大。

2）对温度敏感性强。

3）无法精确描述障碍物位置。

超声波传感器的应用

超声波传感器在智能网联汽车中最常见的应用是自动泊车辅助系统，如图2-2-3所示。自动泊车辅助系统一般包含8个UPA传感器和4个APA传感器。

当驾驶员驾驶汽车以30km/h以下速度行驶，且侧面与其间距保持在0.5～1.5m时，APA传感器会自动检测两侧外部空间，探测到的所有适合的空间会被系统储存下来，开启自动泊车功能便可在车辆显示屏上显示此时周围的状态。如果空间足够泊车，驾驶员可以停车后挂入倒档，并慢速倒车。系统会按照事先计算好的轨迹自动控制前轮转向，无须驾驶员操纵转向盘。在自动泊车完成后，驾驶员还可以在前后UPA传感器的帮助下将车进一步停正。

毫米波雷达的定义

毫米波雷达是工作在毫米波波段的探测雷达。毫米波是指波长为1～10mm的电磁波，对应的频率范围为30～300GHz。毫米波雷达外观图如图2-2-4所示。

毫米波雷达的结构

毫米波雷达由雷达整流罩、雷达处理板、压铸底板、微波单片集成电路（Monolithic Microwave Integrated Circuit，MMIC）和独立插接器组成。图2-2-5为毫米波雷达零件分解图。

毫米波雷达的类型

应用在智能网联汽车领域的毫米波雷达主要有3个频段，分别是24GHz、77GHz和79GHz，见图2-2-6，不同频段的毫米波雷达有着不同的性能。

1.24GHz频段

24GHz频段上的雷达的检测距离有限，因此常用于检测近处的障碍物（车辆）。在自动驾驶系统中常用于感知车辆近处的障碍物，为换道决策提供感知信息，并且在ADAS中可用于盲点检测、变道辅助等。

2.77GHz频段

性能良好的77GHz频段雷达的最大检测距离可以达到160m以上，因此常被安装在前保险杠上，正对汽车的行驶方向。

3.79GHz频段

79GHz频段的雷达能够实现的功能和77GHz频段的雷达功能是一样，也是用于长距离的测量。

毫米波雷达的特点

1）探测性能稳定，金属电磁反射强，其探测不受颜色与温度的影响。

2）识别精度高，响应速度快，传播速度与光速一样，可以快速地测量出目标的距离、速度和角度等信息。

3）适应能力强，毫米波具有很强的穿透能力，在雨、雪、大雾等恶劣天气依然可以正常工作。

4）带宽越大，天线越小，功率越集中，探测距离越远，可达到200m以上。

5）抗干扰能力强，一般工作在高频段，而周围噪声和干扰处于中低频区，基本上不会影响毫米波雷达的正常运行。

6）毫米波元件的尺寸比微波元件小得多，更容易实现小型化。

7）毫米波雷达是利用目标对电磁波的反射来发现并测定目标位置，而充满杂波的外部环境会给毫米波雷达感知带来虚警问题。

8）覆盖区域呈扇形，有覆盖不到的盲区。

9）毫米波雷达分辨率低，无法识别交通标志、交通信号灯和道路标线。

毫米波雷达的应用

为了满足不同距离范围的探测需要，一辆汽车上会安装多个近距离、中距离和远距离毫米波雷达。其中，24GHz雷达系统主要实现近距离探测，77GHz雷达系统主要实现中距离和远距离探测。不同的毫米波雷达在车辆前方、侧方和后方发挥不同的作用。

毫米波雷达在智能网联汽车ADAS中的应用见表2-2-2（不同汽车企业对于系统的功能名称会有不同）。

激光雷达的定义

激光雷达（Light Detection and Ranging，LiDAR）是一种光学遥感传感器，它通过向目标物体发射激光，然后根据接收到反射信号的时间间隔确定目标物体的实际距离，根据距离及激光发射的角度，通过几何变换推导出物体的位置信息。激光雷达能够确定物体的位置、大小、运动速度、外部形貌甚至材质。激光雷达外观如图2-2-7所示。

激光雷达的点云

激光雷达采集到的物体信息呈现出一系列分散的、具有准确角度和距离信息的点，被称为点云。图2-2-8所示为多线激光雷达扫描的不同类型障碍物的点云图，包括汽车、人、墙、树木、大客车和小货车等。

与传统雷达使用的无线电波相比，LiDAR使用的激光射线波长一般在600～1000nm，远远小于传统雷达所使用的波长。因此，LiDAR在测量物体距离和表面形状方面可达到更高的精准度，一般精准度可以达到厘米级。由于激光的传播受外界环境影响较小，LiDAR能够检测的距离一般可达100m以上。

激光雷达的结构

单线激光雷达由角度编码器、电机、反射镜、激光发射器、控制电路等组成。图2-2-9为单线激光雷达零件分解图。

激光雷达的类型

1.按扫描方式分类

车载激光雷达根据其扫描方式的不同，可分为机械激光雷达和固态激光雷达。

（1）机械激光雷达

我们看到的智能网联测试车车顶上较复杂的圆柱形装置，即为机械激光雷达。机械激光雷达外表上最大的特点就是有机械旋转机构，如图2-2-10所示。

但这种雷达调试、装配工艺复杂，生产周期长，成本居高不下，并且机械部件寿命为1000～3000h，难以满足至少10000h寿命的需求。另外，机械激光雷达由于光学结构固定，适配不同车辆往往需要精密调节其位置和角度。

（2）固态激光雷达

固态激光雷达由于不存在旋转的机械结构，其结构简单、尺寸小，如图2-2-11所示，所有的激光探测水平和垂直视角都是通过电子方式实现的，并且装配调试可以实现自动化，能够量产，成本大幅降低，设备的耐用性也得到有效的提升。因此，激光雷达量产商都在着手开发性能更好、体积更小、集成化程度更高，并且成本更低的激光雷达，由混合固态过渡到纯固态激光雷达是必然的技术发展路线。

但是，固态激光雷达在不良天气条件下检测性能较差，不能实现全天候工作。且机械激光雷达能进行360°范围的扫描，固态激光雷达一般为120°范围的向前扫描。根据技术路线不同，固态激光雷达又分为光学相控阵列（Optical Phased Array，OPA）激光雷达、微机电系统（Micro Electro Mechanical Systems，MEMS）激光雷达和3D Flash激光雷达。

2.按雷达线数分类

根据线数的多少，激光雷达分为单线激光雷达与多线激光雷达。

（1）单线激光雷达

单线激光雷达扫描一次只产生一条扫描线，其所获得的数据为二维数据，因此无法区别有关目标物体的三维信息，如图2-2-12所示。由于单线激光雷达比多线激光雷达的角频率和灵敏度更高，所以，在探测周围障碍物的距离和精度方面都更加精确。

但是，单线雷达只能平面式扫描，不能测量物体高度，有一定局限性。目前，主要应用于服务机器人上，如扫地机器人。在智能汽车上，单线激光雷达主要用于规避障碍物、地形测绘等领域。

（2）多线激光雷达

多线激光雷达扫描一次可产生多条扫描线，主要应用于障碍物的雷达成像，相比单线激光雷达，多线激光雷达在维度提升和场景还原上有了质的改变，可以识别物体的高度信息，目前市场上多线产品包括4线、8线、16线、32线、64线等，如图2-2-13所示为16线激光雷达。

3.其他分类方式

激光雷达按照功能用途，可以分为激光测距雷达、激光测速雷达、激光成像雷达、大气探测雷达和跟踪雷达等；按照激光发射波形的不同可分为连续型激光雷达和脉冲型激光雷达；按载荷平台的不同可分为机载激光雷达、车载激光雷达等；按探测方式的不同可分为直接探测激光雷达和相干探测激光雷达。

激光雷达的优点

激光雷达主要的优点见表2-2-3。

激光雷达的应用

智能网联汽车通过激光雷达对周边环境进行扫描识别，起着类似于“眼睛”的功能，能够根据扫描到的点云数据快速绘制三维全景地图。

激光雷达的主要应用场景有障碍物分类、障碍物跟踪、路沿可行驶区域检测、车道标志线检测和高精度定位等。

1.障碍物分类

激光雷达对周围障碍物进行扫描，对障碍物的形状特征进行提取，对比数据库原有特征数据，进行障碍物分类。

2.障碍物跟踪

激光雷达采用相关算法对比前后帧变化障碍物，利用同一障碍物的坐标变化，实现对障碍物的速度和航向的检测跟踪，为后续避障提供可靠的数据信息。

3.路沿可行驶区域检测

利用激光雷达能够获取路沿高度信息或物理反射信息不同的特性，先检测出路沿，因为道路宽度是已知的，根据距离可推算出车道标线位置，从而计算出可行驶区域。

4.车道标志线检测

不同颜色、材质的物体的反射率不同，回波脉冲宽度特性也有所差异，因此可以利用激光雷达来获取前方道路的几何或物理特征，根据特征差异来区分车道标线特征和其他路面特征。

5.高精度定位

首先全球卫星导航系统给定初始位置，通过惯性测量单元（Inertial Measurement Unit，IMU）和车辆的编码器（Encoder）可以得到车辆的初始位置，然后对激光雷达的局部点云信息，包括点线面的几何信息和语义信息进行特征提取，并结合车辆初始位置进行空间变换，获取基于全局坐标系的矢量特征，接着将这些特征与高精度地图的特征信息进行匹配，获取一个准确的定位。 ZImtG62HCIhNwnPM7m/ar8SWsDvrBtx7RzUuXj9Og+7SkZd/5i2W8SIwM1X0lu6Q