0
車載毫米波雷達進入全新成像時代。傲酷雷達公司（Oculii）在世界上首創了4D點云高清成像雷達，目前成像效果可與16線激光雷達不相上下。雷鋒網了解到，隨著點云密度的增加和角分辨率的提高，未來成像效果可媲美32/64線激光雷達。據雷鋒網了解，在2019汽車雷達暨傳感器融合前瞻技術展示交流會上，傲酷雷達CMO&亞太區總裁郄建軍著重介紹了傲酷在4D點云高清成像雷達及應用于車路協同的高清雷視一體機上的最新進展。
以下為郄建軍演講全文，雷鋒網新智駕在不改變原意的基礎上進行了編輯：
車載毫米波雷達創業界已經達成共識，國內外的創業公司要想生存發展壯大，一定要靠創新突破。在毫米波雷達國際巨頭林立，ABCD（Autoliv、Bosch、Continental和Delphi）優勢不斷加強的大背景下，只想靠自生產、低價格、好服務贏得競爭是遠遠不夠的。 我們公司一直專注在毫米波雷達技術上的突破性創新，不是漸進式創新而是跨越式創新。比如ABCD現在市場上推第五代雷達，實驗室在研究第六代，我們能不能直接出做“第七代“水平的雷達？
“第七代”雷達是如何定義的？就是非常適合自動駕駛L3/L4/L5場景使用的4D點云高清成像雷達。它兼具毫米波雷達和激光雷達的特點，既有全天候、易車規、測速準、成本低的優勢，又有高清點云成像、高角分辨率的優點。它和高清視頻性能很好地互補，兩者點云像素級融合后，可以非常完美地感知自動駕駛的各種復雜場景。
前不久，馬斯克提出的激光雷達“無用論”引起極大爭議。大家普遍認同三大傳感器都各有特點，優勢互補，一樣都不能少。但要考慮到成本低廉、車規量產等因素后，沒有用激光雷達的純攝像頭+毫米波的解決方案確實是當前L3量產最務實的選擇。視覺可以通過使用更高效視覺芯片及更優越深度學習算法，在感知性能上有很大的上升空間。如果毫米波雷達也能如此，突破原來性能上的瓶頸，顯著提高角分辨率，兼具了激光雷達成像等特點，再加上做好雷達和視覺點云像素級前融合，那么高清攝像頭+成像毫米波雷達方案可能會大大超出目前的性能，達到在L3/L4上理想、夠用的狀態。
普通毫米波雷達，用于L1/L2的AEB、ACC、BSD等功能，其技術實現比較簡單，缺點是角分辨率不夠高。如使用3發4收單芯片時，角分辨率約在10度以上。如果想提高角分辨率，比如提高到1度角，必須通過四個芯片級聯、增加天線的方式來達到。這種傳統提高角分辨率的方式，靠硬拼更多芯片、更多天線來實現。但雷達硬件畢竟受成本、尺寸、功耗的限制，這種方法的局限性不言而喻。
在普通硬件水平的基礎上，傲酷創造性地依靠軟件算法來實現虛擬雷達孔徑，模擬出許多倍天線，實現點云成像并極大提高角分辨率。舉例說明，一個3發4收單芯片方案，用MIMO的方式等價于有12根接收天線。傲酷可以在此天線數基礎上，用虛擬孔徑的辦法，額外做出5-10倍的虛擬天線，最終達到120根天線的效果。天線越多，角分辨率越高。這樣單芯片角雷達，在FOV 120度時，角分辨率可以達到1度。可虛擬天線的最大倍數，取決于芯片的算力。如果算力足夠，虛擬的倍數還可以遠高于10倍，可以虛擬出更多的天線，進而角分辨率繼續大幅提高。
簡單看下我們雷達點云成像的效果。周邊的路和樹木都是立體三維的點云展現，雷達可清晰識別周邊的靜止物體，如樹木護欄；動態物體如車輛、行人等。有了點云高清成像雷達，根據應用場景，我們專注在三個應用方面的77/79G雷達：車載前向高性能成像雷達、車載高角分辨率角雷達，車路協同雷視一體雷達。
第一個是前向高性能成像雷達。L3/L4在高速場景下，車輛最好能清晰檢測出300-400米外的物體,以便車輛有充足的時間應對突發情況。尤其有小物體散在路面，要盡早檢測識別。據報道，Waymo最新一代自動駕駛車輛安裝了六個毫米波雷達，其中兩個前向長距雷達就是起這個作用的。現在普通毫米波長距雷達距離上、角分辨率上都不夠用在這種極端場景。我們正在使用最新的點云成像技術做出近400米覆蓋距離，角分辨接近0.1度的成像雷達，來滿足以上需求。
下一個是高分辨率角雷達。在L1/L2階段，角雷達主要起BSD功能，角分辨低些也可以用。但L3/L4階段，在城區做自動駕駛、自主代客泊車等功能時，車輛周圍的人車混雜，需要對周邊環境有更清晰更準確的感知，角雷達的要求越來越高，最好高分辨率、可成像。
我們使用3發4收單芯片，在FOV=120度時實現了1度角分辨率。普通的毫米波雷達在 FOV=120度對應的角分辨率最好在10度上下。或者為了提高角分辨率、只能靠縮小FOV取得，很多的前向雷達只有10度FOV，一個重要原因是為了換取更好的角分辨率。
據報道， 通用Cruise在舊金山市區做的自動駕駛的車輛上搭載了21個毫米波雷達。主要原因是在這種場景里人車混雜，突發事件頻出，感知難度是地廣人稀場景的幾十倍，必須有很好的雷達角分辨率。除了前后向長距雷達外，其他雷達主要用于周邊環境感知。由于每個雷達角分辨率不夠，只能用多個FOV很窄的雷達拼接起來，形成360度高分辨感知。但這么多雷達安裝麻煩，互相干擾，融合起來是非常大的挑戰。傲酷的上述1度角分辨雷達，讓車輛只使用傳統4個角雷達方案，就可以達到類似Cruise多角雷達的高分辨率效果。
第三個是車路協同雷視一體機。 車路協同從去年下半年開始在中國火熱起來，伴隨著中國5G的大規模商用，車路協同作為5G的主要應用之一，正在加快商業落地。業界普遍認為，有了5G+車路協同，中國自動駕駛產業可能會彎道超車，比全球提前商用。
原來傳統單車智能全部依賴車端大量傳感器去感知，成本高性能局限。有了車路協同后，路側安裝的傳感器，通過5G和V2X，可以為無人駕駛單車提供“天眼”服務。路側感知在高處，有上帝視角，可以看到很清楚，很全面。這樣車和路協同起來，原來單車傳感器不好感知的盲區，超視距等信息 ，路側感知可以輕易得到，再傳給單車，和車端的感知融合起來，可以更好地做判斷和決策。 中國道路環境情況極端復雜，交通參與者眾多，尤其城市核心區的十字路口，交通復雜度極高。有了車路協同的路側感知后，自動駕駛的感知挑戰可以大大降低。
傲酷的雷視一體機，可以對十字路口的所有車輛、非機動車、行人進行實時連續跟蹤，提供目標物體實時3D位置、三軸速度、長寬高、分類、航向等信息。可以通過V2X設備傳輸給單車，和單車感知融合后供車輛判斷決策。 也可以在高速公路沿線及出入口和車端做協同感知。橫穿的行人，靜止的車輛等傳統雷達很難檢測的物體，雷視一體機可以很輕松地實現跟蹤檢測。
高清成像雷達的角分辨率越來越高，可以感知的場景越來越復雜。但哪怕做到雷達達到0.1度這樣很高的角分辨率也無法同高清視頻的0.01度甚至更高的角分辨率相提并論。高清視頻隨著1K/4K/8K的演進，像素的角分辨越來越高。伴隨著深度學習算法不斷的改進，芯片性能越來越高，高清視頻感知的潛力巨大。所以在車路協同路側感知中，要充分用好高清視頻。
同時要做好雷達和視頻融合。我們做的不是目標級融合，而是點云和像素級的融合。其難點在于雷達點云屬于三維立體坐標、攝像頭視覺屬于平面坐標。將三維立體中的點投射到二維平面點上，并使其有一一對應關系，其坐標系轉換比較難，目前傲酷已經很好地解決了這個難題。轉換結束后進行點云像素級融合，可以使目標檢測、跟蹤、分類的置信度很高。視頻擅長分類、跟蹤，而雷達擅長檢測速度、距離、航向，雙方各獻所長，最終的結構數據內容就很完美。
綜上所述，傲酷公司創造性地突破了毫米波雷達的技術天花板，使毫米波雷達技術進入全新的境界，可以在無人駕駛領域發揮前所未有的作用。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
