1、车载感知融合标准化需求研究报告车载感知融合标准化需求研究报告全国汽车标准化技术委员会全国汽车标准化技术委员会智能网联汽车分技术委员会智能网联汽车分技术委员会2 2020020 年年 8 8 月月目目次次1 感知融合技术概述.11.1车载感知融合技术定义.11.2车载感知融合技术的发展和问题.31.3车载感知融合标准化研究的目的.42感知融合需求.52.1高速场景.52.2城市道路.82.3封闭园区.102.4场景需求小结.123典型传感器技术调研.133.1毫米波雷达.133.2激光雷达.203.3摄像头.243.4超声波雷达.293.5网联传感器.313.6小结.354传感器抽象接口设计.3

2、74.1传感器抽象接口通用设计.374.1.1 接口设计.374.1.2 传输架构需求.384.1.3 数据接口的定义范围.394.1.4 控制接口的定义范围.404.2目标级别数据接口.414.2.1 可移动目标接口.414.2.2 道路目标接口.454.2.3 静态目标接口.524.3特征级别数据接口.594.3.1 毫米波雷达.594.3.2 激光雷达.624.3.3 摄像头.644.3.4 超声波雷达.714.4控制接口.744.4.1 传感器状态接口.744.4.2 传感器性能接口.774.4.3 传感器输入接口.804.4.4 传感器配置上报接口.815系统问题分析和评估.845.

3、1车载毫米波雷达见干扰问题.845.2雷达间干扰消除方案分析.855.2.1 被动式方案.855.2.2 主动式方案.866标准化建议.956.1传感器抽象接口.956.2雷达干扰问题.957总结和展望.97附录 参考文献.99前前言言智能驾驶是一项庞大的系统工程，是多个领域前沿技术的融合体，其中涵盖芯片、操作系统、通信和云等ICT技术，感知、推理、决策控制等智能算法技术，以及驱动、转向、制动等车辆底层控制技术。其中车载感知融合模块是整个系统的最前端和输入， 通过对周围环境包括其他交通参与者信息在数字世界中的重建，类似于人类感官器官来感知道路环境，是实现自动驾驶的基础和前提。本研究报告集合行业

4、主流技术供应商及车企，通过对产业发展、技术发展、法律法规 及国内外标准进行分析，从智能驾驶的感知需求入手，结合各种智能传感器的特性，提出了具体的传感器抽象接口的标准化建议，同时对毫米波雷达大规模部署的干扰问题进行了深入分析，为下一步国家标准制定提供了参考。在本研究报告编制过程中，各起草单位参阅了大量资料，并借鉴了行业的部分素材鉴于篇幅有限，这里不一一列举，仅作诚挚的感谢！在此，再次衷心感谢参与研究报告编写的各个单位和组织：华为技术有限公司；中国汽车技术研究中心有限公司；重庆长安汽车股份有限汽车；长城汽车股份有限公司； 北京嘀嘀无限科技发展有限公司； 东风汽车集团有限公司技术中心；神龙汽车有限公

5、司；上汽大众汽车有限公司；厦门金龙联合汽车工业有限公司；奥迪（中国）企业管理有限公司；大众汽车（中国）投资有限公司；比亚迪汽车工业有限公司； 国汽 （北京） 智能网联汽车研究院有限公司； 吉利汽车研究院 （宁波）有限公司；广州汽车集团股份有限公司；郑州宇通客车股份有限公司；中国第一汽车股份有限公司；惠州市德赛西威汽车电子股份有限公司；华域汽车系统股份有限公司；北京汽车研究总院有限公司；一汽解放汽车有限公司；北京百度网讯科技有限公司；泛亚汽车技术中心有限公司；中国汽车工程研究院股份有限公司；杭州海康汽车技术有限公司；金龙联合汽车工业（苏州）有限公司；福特汽车（中国）有限公司。11 1 感知融合技

6、术感知融合技术概述概述1.11.1 车载感知融合技术车载感知融合技术定义定义汽车作为二十世纪最伟大的发明之一，成功的拉近了人与人之间空间距离，是过去百年间社会大发展的基础。在进入新千年后，随着软件、芯片处理、先进传感技术、通信技术、人工智能的技术发展，自动驾驶系统越来越引人关注。自动驾驶技术是传统汽车技术和信息通信技术融合的产物，汽车从一种交通工具，变成了一种出行服务，将来会从根本上改变人们的出行习惯和体验。自动驾驶系统技术的整个技术框架可以类比人类驾驶员的驾驶过程， 如图1，首先使用视频摄像头、雷达等多种传感器来感知周围的环境，感知模块通过对周围环境包括其他交通参与者信息在数字世界中的重建，

7、类似于人类的眼，耳等感官器官来感知道路环境； 然后利用智能计算平台来对当前汽车的行驶路线进行规划和决策，类似于人类大脑的决策过程；最终规划决策模块来驱动车辆的执行系统实现车辆的自动驾驶。图 1自动驾驶原理框图自动驾驶技术不是一蹴而就的，是一个技术渐进发展的过程。GB/T汽车驾驶自动化分级 根据人的参与程度不同， 将现有的自动驾驶分为6个等级 （L0-L5） ，现在这种分类方法已经渐渐被大众广泛接受：Level 0：车辆无任何自动控制功能，完全由驾驶员来操作。Level 1：车辆具备横向或纵向其中之一的控制功能, 如常见的自适应巡航ACC (Adaptive Cruise Control)，车道

8、保持LKS (Lane Keeping2Support)等；Level 2：车辆具备横向和纵向的组合控制功能, 车辆在控制油门刹车的同时，也可以控制方向盘，但仍然需要驾驶员对系统负责。比如常见的交通拥堵辅助TJA(Traffic Jam Assist)，集成式巡航ICA(Integrated Cruise Assist)等；Level 3：在一定条件满足时，车辆可以进行自动驾驶，此时并不需要驾驶员的参与，但在系统提示驾驶员重新接管时，驾驶员需要一定时限内重新介入；Level 4：在一定条件满足时，车辆可以进行自动驾驶，此时并不需要驾驶员的参与，即使条件不满足时，驾驶员也不需要介入接管。这个等级

9、可以视为特定场景下的自动驾驶。Level 5：真正意义全工况全天候的自动驾驶。现在商用的自动驾驶系统主要实现了L1-L2的功能，严格意义上讲，L1-L2并不属于自动驾驶，而只是高级驾驶辅助系统，旨在提高驾驶员的舒适性和安全性。现有的L1-L2技术都有特定的应用条件和控制范围，对环境的感知要求并不高，大多数可以通过单种传感器的感知来实现，驾驶员需要监控路面情况，随时接管进入全人工驾驶状态。以自适应巡航为例，车辆始终保持在一个车道，通过传感器的车辆距离测量信号， 自适应巡航控制单元可以根据靠近车辆物体的移动速度判断道路情况，并控制车辆的行驶状态，而和前车的车距测量可以由毫米波雷达提供，不需要其他传

10、感器的配合。随着汽车自动驾驶程度的提高，对环境感知的要求也不断提高，传统的单个传感器无法满足对复杂交通状态的准确识别。在现实情况当中，交通参与者多种多样，既包括路边建筑物，也包括信号灯、标志牌等交通设施；感知系统既识别运动的物体，也要识别静止的物体；物体的识别和跟踪不仅包含物体的轮廓，也包括速度等信息；同时要求感知系统在各种天气情况下都需要可靠的工作。 由于不同物体表面存在多种不同的物体及其物质属性， 不同传感器在不同天气状况的可靠性是不同的，没有一种传感技术可以在全天候下检测到所有可能的物体， 并且以足够的精度从中获取多样化的物体类型和其他相关信息。例如激光雷达作为自动驾驶的重要传感器之一，

11、但以激光雷达为主的自动驾驶方案在雨雪等天气状况下基本无法正常工作。 所以整个自动驾驶技3术的感知模块不能依赖于单个传感器，需要引入多个传感器的协同。传感器的感知融合技术应运而生， 所谓传感器的感知融合是指基于多种传感器的不同的感知特性， 将多种传感器对环境感知信息进行融合，实现在数字世界对周围环境的准确重建。基于多传感器的感知融合技术是实现自动驾驶的基础和前提。1.21.2 车载感知车载感知融合技术的发展和问题融合技术的发展和问题车载感知融合技术主要包含两部分内容：一部分是感知技术，主要是通过不同感知技术把感知的环境数据转换为数字信号；另一部分是融合技术，即把不同传感器的数据中的信息进行融合，

12、输出统一的环境模型，为规划决策提供有效输入。现有的车载传感器种类众多，大体上传感器分为内部传感器，外部传感器和元数据传感器三种：内部传感器： 这些传感器安装在汽车上或汽车内， 并专注于车辆本身，测量汽车的动态状态。这些传感器的典型例子是陀螺仪，加速度计，转向角传感器，以及雨刮器活动传感器，转向指示器等；外部传感器：这些传感器安装在汽车上或汽车内，专注于车辆周围环境，并测量汽车的环境。这些传感器的典型例子是雷达，激光雷达，超声波雷达，相机等，这类传感器技术涉及到光学，电学等各种相关学科；元数据传感器：通常是指汽车外部的数据源，可以是云端的服务器或者其他车辆。这些传感器的典型例子是云数据，导航地图

13、，V2X（Vehicle to Everything）信息等。各种传感器依赖于不同的学科技术，每种传感器会产生大量的感知数据。据英特尔公司测算，一辆配置了相机、雷达和激光雷达等传感器的自动驾驶系统，每天可以产生超过4000GB的数据。 处理这样大量数据的计算技术和完成环境感知的感知技术是相对独立的两类学科， 数据融合需要定位、 车辆位置、 车辆动力学、对象、环境中的对象、车队轨道、网格融合、占用网格、道路和车道融合、道路和车道、车辆数据库等多种信息的输入。高性能的数据融合算法需要大量的计算模拟来实现高性能高可靠的算法设计，从而构建一个“真实”的世界模型。4每种传感器有自己的接口格式，即使同种传

14、感器，不同厂商的输出接口也各不相同。融合算法实现大规模计算模拟处理如果没有一个标准的输入，高性能的算法需要适配不同厂家的传感器接口和输入，这样会增加算法设计的复杂性，不利于整个自动驾驶技术的发展。通过标准化的接口设计，可以使得每种传感器遵循标准的输出格式和信息， 有利于算法研究人员有更多的时间来进行融合算法的研究，同时也可以简化整个自动驾驶的设计，加快自动驾驶的进程。国外厂商已经意识到传感器接口对整个自动驾驶技术发展的重要性， 在国际标准组织ISO（International Organization for Standardization）和AUTOSAR（AUTomotive Open S

15、ystem ARchitecture）中已经开始进行了传感器抽象接口的标准化研究和制定工作。其中最具有影响力的是在ISO TC22 SC31中启动的ISO23150 （Road vehicles Data communication between sensors and datafusion unit for automated driving functions Logical interface）的研究，项目从2018年4月开始立项，正在进行外部传感器（雷达，激光雷达，摄像头和超声波雷达）和融合模块之间的逻辑接口设计。1.31.3 车载感知融合标准化研究的目的车载感知融合标准化研究的目的

16、本研究课题通过对自动驾驶场景的深入分析，包括高速场景、城市道路和低速园区的自动驾驶场景的感知需求， 考虑外部传感器和元数据传感器的不同特性和可能的干扰和影响传感器性能的因素， 调研和设计不同传感器和融合模块之间的接口设计需求和方案，给出传感器抽象接口的标准化建议。本课题中的传感器首先关注毫米波雷达，激光雷达，摄像头和超声波雷达四类外部传感器和网联类型传感器，包括V2X和地图等。52 2感知感知融合需求融合需求2.12.1 高速高速场景场景高速巡航是指包含所有的高速公路和城市快速路以及连接处， 互通枢纽上实现的巡航功能，是整个高速自动驾驶功能的统称。对于高速场景的环境感知需求包括道路、匝道、道路

17、施工、特种车辆等，例如高速/一级公路中的地面限速、交通辅助标志(车辆类型、天气标志)、紧急停车位标志、车道线、限高标志、限高围栏、隧道、桥梁；匝道中的匝道分离指引、匝道口的隔离线、匝道限速牌等；道路施工相关的LED限速牌、道路箭头指引(含电子牌)、分流的雪糕筒、认为的分流边界、一般车辆附件三角警示牌、施工或作业车辆车位警示牌等；特种车辆包括作业车辆(拖车工况)、大型运输车辆、相邻车道切入车辆等。从功能角度分，高速巡航可分解成多个子场景如：自适应巡航、紧急制动、变道和盲区检测， 车道保持辅助， 车道偏离预警等。 下面简单以部分传感器为例，介绍了自适应巡航、紧急制动、变道和盲区检测、车道偏离预警和

18、车道保持辅助等子功能。下面场景中用到的传感器只是实现举例说明，并不限制实际使用中使用其他传感器组合实现相同功能。自适应巡航自适应巡航ACCACC1. 本车车道前方没有其他车辆，由传感器（如中远距离毫米波雷达，下面也以毫米波雷达为例）探测到本车前方没有目标，ACC系统支持车辆在本车道保持设定速度行驶；2. 本车车道前方出现目标车辆，目标车辆车速低于本车车速，两车车间距在减小，通过前方毫米波雷达实时监测本车与前方车辆的距离d，并根据当前车速计算车间时距t，在到达最小车间时距前，本车不采取制动，车辆保持设定速度；3. 本车车道前方出现目标车辆，目标车辆车速低于本车车速，两车车间距在减小，当车间时距减

19、小到最小时距时（根据ISO 15622-2018，在车速高于8m/s时，稳定车间时距t应该在1.5, 2.2秒之间），本车跟随目标车行驶。或目标车加速，但速度仍小于本车ACC设定的速度，则本车加速保持6跟随状态；4. 本车车道前方目标车加速，并且车速高于ACC系统设定的速度，或前方目标车换道驶入其他车道，此时本车工况恢复到第一条所述，本车前方毫米波雷达未检测到任何目标车辆，则本车提速到设定速度行驶；5. 本车驶入弯道（前提是弯道曲率半径符合高速路设计标准），前方固定方向和角度的毫米波雷达检测范围有可能无法覆盖本车道前方车辆， 需要驾驶人介入车速控制；图 2自适应巡航紧急制动紧急制动AEBAEB

20、在本车正常行驶过程中，前方车辆突然减速，使得车间时距快速减小，或是突然出现的其他障碍物，对本车前行造成威胁的情况，通过传感器如毫米波雷达检测到上述情况，触发本车AEB功能，使本车紧急制动，如图3所示；图 3紧急制动变道和盲区监测变道和盲区监测在高速公路完成变道的过程，通常使用到盲区监测功能，前方路况主要7通过驾驶人判断，前方侧向毫米波雷达可以探测前方拟变道车道的障碍物情况，后方侧向毫米波雷达可以探测拟变道车道后向路况，实现后视镜盲区工况的监测，前后角雷达有效辅助驾驶人完成变道，如图4所示；图 4 变道和盲区监测车道偏离预警和车道保持辅助车道偏离预警和车道保持辅助通过本车前方的摄像头，实时获取前

21、方行驶视频，并通过计算机视觉技术提取车道线，并赋予语义信息，实时监测本车行驶方向和车道线方向的偏差，据此可以完成车道偏离预警LDW和车道保持辅助LKA两项辅助驾驶功能。当本车偏离本车车道发出预警给驾驶人，或将偏移信息处理后传输给转向控制系统，从而适当修正方向，使得车辆保持在车道中间行驶，如图5所示：图 5 车道偏离预警LDW&车道保持辅助LKA在前面的场景中也提到了毫米波雷达，毫米波雷达的使用频率是共享的，而且根据不同的精度占用的频率宽度也不同，即精度越大所占有的频率越宽，而整个共享的带宽是有限的，所以在高密度场景下，车载毫米波雷达的干扰就大大增加。 雷达的基本任务是发现目标并测定其坐标。通常

22、目标的回波信号中总是混杂着噪声和各类干扰，而噪声和各种干扰信号均具有随机持性。检测系统的任务是对输入信号进行必要的处理和运算然后根据系统的输出来判断输入是否有信号存在它可用门限检测来描述。检测过程中，由于门限取值的不同产生的错把噪声检测成了目标，这类错误称之为虚警，出现的概率称为虚警概率；反之，错把信号当成了噪声，称为漏检或漏警，相应出现概率为漏检概率。在现有毫米波雷达未大规模应用的情况下， 毫米波雷达之间的干扰无法正常工作的情况也是时有发8生。 由此可见在毫米波雷达的大规模模式情况下（高阶自动驾驶系统可能需要6+的毫米波雷达），共享频率的毫米波雷达之间的干扰问题将越来越突出。综合前面的场景描

23、述和分析，总结的高速场景的感知需求如表1所示：表格 1 高速场景感知需求子场景子场景/ /功能功能名称名称感知需求感知需求干扰干扰信息信息感知传感器组合示例感知传感器组合示例自适应自适应巡航巡航本车道前方车辆距离、速度；前车后向雷达对后车前向雷达的干扰1. 毫米波雷达2. 毫米波雷达+单目摄像头3. 激光雷达+摄像头自动紧急制动自动紧急制动本车道前方车辆的距离、速度和碰撞时间前车后向雷达对后车前向雷达的干扰毫米波雷达变道变道前方相邻车道是否是变道条件；其他车雷达对本车前向雷达的干扰毫米波雷达盲区监盲区监测测后方盲区道路车辆情况；其他车雷达对本车前向雷达的干扰毫米波雷达车道保持辅助车道保持辅助本

24、车是否偏离车道线行驶围栏投影阴影(误识别车道线)；在进入隧道前，视频无法预测的车道信息摄像头车道偏离预警车道偏离预警当车辆偏离本车道，及时发出警告围栏投影阴影(误识别车道线)；在进入隧道前，视频无法预测的车道信息摄像头超车超车前方相邻车道是否存在超车条件，本车道前方车辆速度；其他车雷达对本车前向雷达的干扰毫米波雷达+摄像头交通拥堵辅助交通拥堵辅助高速公路发生拥堵的情况下感知周围车辆；其他车雷达对本车前向雷达的干扰毫米波雷达+超声波雷达+摄像头交通设施感知交通设施感知道路、匝道、道路施工、特种车辆障碍物遮挡，标识模糊不清，恶劣天气摄像头2.22.2 城市道路城市道路城市道路场景是在城市中除了高速

25、公路和城市快速路外的城市道路中执行自动驾驶的场景。支撑城市道路自动驾驶的功能和高速巡航的子功能基本相同，9同样包含自适应巡航、自动紧急制动，变道，盲区监测，车道保持辅助，车道偏离预警，超车和交通拥堵辅助等。这部分的功能和要求和高速基本相似，只是行驶速度的略有不同。与此同时，城市道路面临的路况更加复杂，对于感知的内容和准确性要求也越来越高：交通参与者：除了各类汽车，交通参与者也越来越复杂，包括行人，骑行者，电动自行车，摩托车，轮椅，人力车，畜力车等；交通信号标志：交通信号也多种多样，如各式各样的信息和指示牌，包括单行线，禁行标志，警示标志，各种类型的交通指示灯；道路标线：城市道路中有众多的类型十

26、字路口和环岛，同时也有公交车道，分时限制车道等。基于城市道路的不同特点， 城市道路的自动驾驶增加了路口掉头、 环岛行驶、障碍物制动避让、驾驶员注意力疲劳提醒、交叉路口路权判断和夜间行驶等场景。基于城市道路的感知总结如下表2：表格 2 城市道路感知需求子场景子场景/ /功能功能名称名称感知需求感知需求干扰干扰信息信息感知传感器组合示例感知传感器组合示例自适应自适应巡航巡航本车道前方车辆距离、速度；前车后向雷达对后车前向雷达的干扰1. 毫米波雷达2. 毫米波雷达+单目摄像头3. 激光雷达+摄像头自动紧急制动自动紧急制动本车道前方车辆的距离、速度和碰撞时间前车后向雷达对后车前向雷达的干扰毫米波雷达变

27、道变道前方相邻车道是否是变道条件；其他车雷达对本车前向雷达的干扰毫米波雷达盲区监盲区监测测后方盲区道路车辆情况；其他车雷达对本车前向雷达的干扰毫米波雷达车道保持车道保持辅助辅助本车是否偏离车道线行驶围栏投影阴影(误识别车道线)；在进入隧道前，视频无法预测的车道信息摄像头车道偏离预警车道偏离预警当车辆偏离本车道，及时发出警告围栏投影阴影(误识别车道线)；在进入隧道前，视频无法预测的车道信息摄像头超车超车前方相邻车道是否存在超车条件，其他车雷达对本车前向雷达的干扰摄像头+毫米波雷达激光雷达10本车道前方车辆速度；交通拥堵辅助交通拥堵辅助高速公路发生拥堵的情况下感知周围车辆；其他车雷达对本车前向雷达

28、的干扰毫米波雷达+超声波雷达+摄像头交通设施感知交通设施感知道路、匝道、道路施工、特种车辆障碍物遮挡，标识模糊不清，恶劣天气摄像头路口掉头路口掉头车道线+前方对向车辆识别其他车雷达对本车前向雷达的干扰摄像头+毫米波雷达激光雷达环岛行驶环岛行驶停止线+四周车辆识别其他车雷达对本车前向雷达的干扰摄像头+毫米波雷达激光雷达障碍物制动障碍物制动 避让避让车辆cut-in/cut-out、车辆/行人/障碍物距离与碰撞时间其他车雷达对本车前向雷达的干扰1. 毫米波雷达+摄像头2. 激光雷达3. 摄像头+超声波雷达驾驶员注意力驾驶员注意力 疲劳疲劳提醒提醒驾驶员视线方位驾驶员眼睛疲劳状态摄像头交叉路口路权判

29、断交叉路口路权判断交通参与者位置、速度等识别其他车雷达对本车前向雷达的干扰摄像头+激光雷达+毫米波雷达夜间行驶夜间行驶行人+自行车+摩托车+动物摄像头（红外）2.32.3 封闭封闭园区园区低速园区低速园区低速园区场景是在特定园区范围内，车辆在遵守园区交通规则（限速，红绿灯以及车道等）下进行自动驾驶。通常情况下园区和城市道路相比，速度更低，但是封闭场景，道路环境相对稳定。在园区内，自动驾驶系统对自动驾驶路径中的行人、车辆以及其他障碍物等进行避障等操作，实现跟车及车道保持功能；针对前车的突然刹车可以做出有效判断，可以实现超车及绕道行驶功能。在低速园区内， 自动驾驶的场景和功能可分解为以下几个部分，

30、具体的感知的总结见表3：交通设施感知：识别驾驶环境中的交通标识和设施AEB/绕道超车/会车/障碍物避让：识别驾驶环境中的障碍物信息以及预测轨迹特定点接驳/自车定位：自身车辆的绝对位置定位车道保持：保证自身车辆在当前行驶车道行驶11表格 3 低速园区感知需求子场景子场景/ /功能功能名称名称感知需求感知需求干扰干扰信息信息感知传感器组合示例感知传感器组合示例交通设施感知交通设施感知道路交通标线、道路交通标志以及信号指示灯障碍物遮挡，标识模糊不清，恶劣天气摄像头AEB/AEB/绕道超车绕道超车/ /会会车车 / /障碍物避让障碍物避让检测并识别行驶道路上的交通参与物如行人、自行车、电动车和机动车等

31、，以及交通路障如锥形桶、围栏、闸机以及停车位地锁等障碍物信息障碍物遮挡，高速运动障碍物，恶劣天气摄像头 + 毫米波 + 激光雷达特定点接驳特定点接驳 / /自自车定位车定位车辆定位信息，车辆周围障碍物信息，车辆朝向及运行轨迹等复杂环境干扰，恶劣天气摄像头+激光雷达+IMU和GPS车道保持车道保持车道线相对于自车的位置，以及车道线属性车道线标识模糊不清，多类别车道线，恶劣天气摄像头自自主主泊车泊车驾驶员在特定位置（接驳点，地库入口等）下车后，车辆自动驶入停车库并搜寻车位，搜寻到合适车位后（多个车位可使驾驶员确认某一个泊车位或根据规则选择最合适泊车位），车辆自动驶入泊车位；驾驶员可以远程启动停车位

32、内的车辆，车辆在自动驾驶情况下驶出到特定接驳点。在自主泊车场景中，可以分为以下两个部分，感知需求的总结见表4：全自动泊车/停车位搜索：搜索自车附近车位并确定是否被占用全自动泊车/停车入、出库：控制车辆驶入/驶出，避障表格 4 自动泊车感知需求子场景子场景/ /功能功能名称名称感知需求感知需求干扰干扰信息信息感知传感器组合示例感知传感器组合示例全自动泊车全自动泊车/ /停车停车位搜索位搜索检测车位内有无障碍物，例如地锁泊车位尺寸及类型不规范， 磨损不清， 遮挡等。恶劣环境干扰环视摄像头+超声波/毫米波雷达全自动泊车全自动泊车/ /停车停车障碍物感知高速移动障碍物，恶劣前视/环视摄像头+超声12入

33、、出库入、出库环境波/毫米波/毫米波雷达2.42.4 场景场景需求需求小结小结在本章中，着重从不同道路状况的驾驶场景进行场景符合功能分解，高阶自动驾驶功能都可以分解为不同的低阶的自动驾驶功能， 在组合过程对整个系统的性能和可靠性都提出了更高的要求。从各种感知场景来看，各个场景中均要求感知系统能感知包括不同类型的交通参与者，各种各样的道路交通标志，各种道路标线和道路类型。与此同时，对整个感知系统的性能和抗干扰性也提出了很高的要求。感知需要适应不同的天气情况，复杂的道路状况（标志标线模糊等），精确迅速感知移动障碍物等。与此同时，特别针对毫米波雷达大量使用情况下，由于雷达之间干扰造成的传感性能影响如

34、虚警和漏警等， 也是需要在后续的研究工作中重点考虑的。在现有的感知组合当中，没有一个传感器可以适应全工况，全天候的环境感知，这就需要对于各种传感器的不同特性，取长补短，通过不同传感器的信息融合来提高感知的性能和可靠性。信息融合的性能依赖于高质量的融合算法，高质量的算法需要长时间大数据的迭代， 在这个过程中传感器输入融合算法的标准格式尤为重要， 否则融合算法要根据不同传感器输入来调整会大大制约其发展和演进。 由此可见，传感器和融合模块之间的接口的标准化对于整个自动驾驶技术的发展起着至关重要的作用，是整个稳定可靠自动化驾驶服务的前提。133 3典型传感器典型传感器技术技术调研调研3.13.1毫米波

35、毫米波雷达雷达毫米波雷达，是工作在毫米波波段（millimeter wave ）探测的雷达。通常毫米波是指30300GHz频域(波长为110mm)。毫米波雷达因频段介于厘米波与光波间，所以同时具备光波导与电磁波导特性，在军事领域已被广泛应用。近年来， 随着人工智能的兴起无人驾驶汽车获得了越来越多的关注，为了精确掌握现实中复杂的交通状况，车载毫米波雷达技术发展逐渐成熟，目前已成为先进驾驶辅助系统关键传感器之一。相较于车载摄像头与激光雷达，毫米波雷达受天气、光线及尘埃等影响程度较低，故其探测稳定度较佳，是自动驾驶技术的重要一部分。工作工作原理原理毫米波雷达的工作原理如图所示， 首先通过振荡器产生线

36、性调频连续波或三角波，经由发射机发射，再由天线定向辐射出去，在空间以电磁波形式传播，当遇到目标时反射回来。接收机接收目标反射信号，再经过信号处理、数据处理即可得到目标的相关信息，最后可通过显示器将目标信息显示出来。下面对雷达如何计算得到目标的位置、距离、角度做具体阐述。ALFFMCW发射器频率控制/检测DSP信号处理发射功放定向耦VCBP混LNA接受数据图 6毫米波雷达工作原理目前通用的毫米波雷达主要是调频式连续(FMCW)雷达。成本低廉、结构相对简单。 调频连续波模式利用多普勒效应测量得出不同距离的目标的速度。它通过发射源向给定目标发射微波信号， 并分析发射信号频率和反射信号频率之间的差14

37、值，精确测量出目标相对于雷达的运动速度等信息。位置毫米波雷达发射天线发出相应波段的有指向性的毫米波，当毫米波遇到障碍目标后反射回来，通过接收天线接收反射回来的毫米波。根据毫米波的波段，通过公式计算毫米波在途中飞行的时间，再结合电磁波传播速度，就可以知道毫米波雷达(本车)和目标之间的相对距离了，同时也就知道目标的位置。图 7静态下毫米波的测量原理发射信号与接收信号存在时间差t，与目标距离为R，则：cRt2，其中c为光速。发射信号与接收信号的频率差值即为混频输出的中频信号频率f，根据三角形关系得：FTft2，其中T为调制三角波周期，F为调频带宽。联立两式得：fFcTR4速度根据多普勒效应，毫米波雷

38、达的频率变化、本车及跟踪目标的相对速度是紧密相关的，利用反射回来的毫米波频率的变化，便可获得前方实时跟踪的障碍物目标和本车之间的相对运动速度。15图 8动态下毫米波的测量原理如果反射信号来自一个相对运动的目标，则反射信号中包括一个由目标的相对运动所引起的多谱勒频移。在三角波的上升沿和下降沿输出中频频率可分别表示为:dbfffdbfff由静态距离公式及多普勒频移公式原图可得：cfvcTFfb24cfvcTFfb24联立以上公式，可求得目标的距离和位置表达式如下：)(8bbffFcTR)(4bbfffcv因此，在实际应用中，不管目标是处于相对运动还是相对静止，只要分别求出调制三角波在上升沿和下降沿

39、的中频信号的频率，就可以利用以上两式来计算目标的距离和速度信息。方位角毫米波雷达发射天线定向发射相应波段的毫米波，当毫米波遇到障碍目标后反射回来，通过并列的接收天线接收同一监测目标反射回来的毫米波，根据它们的相位差计算出被监测目标的方位角。其原理如下图所示：16图 9毫米波雷达测方位角原理首先获得毫米波雷达并列接收天线RX1和接收天线RX2之间的几何距离d，以及两根天线收到反射回波的相位差b。然后，利用三角函数进行计算，便可得到被监测目标的方位角AZ。传感器的优缺点传感器的优缺点优点：1) 精度高抗干扰：毫米波雷达有更窄的波束(一般为毫弧度量级)，可提高雷达的角分辨能力和测角精度，并且有利于抗

40、电子干扰、杂波干扰和多径反射干扰等。2) 全天时全天候： 毫米波有很强的穿透能力， 其测距精度受雨、 雪、雾、阳光等天气因素和杂声、污染等环境的影响较小，具有全天候全天时的特点。3) 高分辨多目标：由于工作频率高，可能得到大的信号带宽(如吉赫量级)和多普勒频移，有利于提高距离和速度的测量精度以及分辨能力，并能分析目标细节特征。同时，毫米波雷达能分辨识别很小的目标，并能同时识别多个目标，因此具有很强的空间分辨和成像能力。4) 敏感高误报低：毫米波雷达不易受外界电磁噪声的干扰，因此具有较高的系统敏感性，并且错误误报率低。5) 高频率低功率：毫米波雷达具有更高的发射频率，更低的发射功率。6) 可测速

41、可测距：利用 FMCW 调频连续波，能同时测出多个目标的距离和速度，并可对目标连续跟踪，甚至能对静止目标保持跟踪不丢失。177) 探测距离远实时性高： 毫米波雷达能够进行 200 米的远距离测量，同时，70ms 以下的检测周期使得它具有极强的实时性。缺点：1) 受空气谐振影响： 毫米波波段存在若干衰减峰频段对空气敏感度较高。2) 毫米波雷达视场角较小，径向距离及速度测试精度高，但切向测距速误差较大。3) 对金属、 运动物体探测物敏感， 对非金属、 静止物体探测不敏感。4) 毫米波雷达对周边所有障碍物无法进行精准地建模， 目标识别难度较大。5) 受大功率器件和插损的影响会降低毫米波雷达的探测距离

42、， 加工精度相对要求高，单片收发集成电路的开发相对迟缓。应用应用场景场景：毫米波雷达的应用场景下图所示包括一下场景和功能， 在前面一章的感知需求和传感器的组合示例中也已经做了相关的描述：1) 防碰撞预警系统（FCW），通过毫米波雷达监测车辆周围物体的距离，及时发现存在碰撞危险的情况；2) 自适应巡航系统（ACC），通过毫米波雷达对车辆前方的可行驶情况进行判断，支持车辆自适应纵向控制；3) 紧急制动（AEB），通过毫米波雷达测量前方障碍物距离，在发生碰撞危险前或碰撞不可避免时，采用紧急制动以避免或减轻碰撞伤害；4) 盲区监测（BSD），通过后向毫米波雷达监测车辆后方盲区情况，可以帮助驾驶人对后向

43、路况做出基本判断；5) 开门预警（DOW），通过毫米波雷达实时观察后向来车，保障人员下车安全；6) 倒车辅助系统（BPA），通过毫米波雷达实时观察后向来车，用于倒车时告知侧方及后方来车。倒车出库时，识别并报警来自左右的车辆，辅助倒车。7) 变道辅助（LCA），通过毫米波来监控本车侧后方的区域，可以在一定范围内探测到邻近车道上其它的车辆当前位置、行驶速度、行驶18方向。如果一辆车处于视角盲区位置或以很快的速度从后面接近本车，那么车外后视镜上的警告信号就会一直亮着来提醒司机。如果此时司机操纵了转向灯，那么车外后视镜上的警告信号就会闪烁，提醒司机有撞车的危险。8) 泊车辅助 （PA） ， 通过毫米波

44、雷达在倒车时， 探测车辆周边情况，辅助驾驶员进行安全泊车。图 10毫米波雷达应用场景产品现状和发展趋势：产品现状和发展趋势：20052013 年，欧盟将 24GHz、79GHz 作为车载毫米波雷达的频谱，而美国使用 24GHz、77GHz 频带，日本选用了 6061GHz 的频段。随着世界范围内 7677GHz 毫米波雷达的广泛应用，日本也逐渐转入了 79GHz 毫米波雷达的开发中。各大国的车载雷达频段主要集中在在2324GHz、 6061GHz和 7677GHz （79GHz）193 个频段，而世界各国对毫米波车载雷达频段使用的混乱情况使得汽车行业车载雷达的发展受到了限制。从我国的情况看，无

45、线电主管部门对车载雷达的频率划分一直在积极推进之中。2005 年，原信息产业部就发布了微功率（短距离）无线电设备的技术要求，将 7677GHz 频段规划给了车辆测距雷达使用。经过调研，毫米波雷达的主要性能指标包含以下几个方面：表格 5毫米波雷达产品主要性能指标主要性能指标名称范围说明工作频率短距雷达2424.25GHZ、中长距雷达7781GHz最大可检测目标数几十到百量级检测距离范围0.5250m、0.580m接口CAN/CANFD/Flexray电压范围916V防水防尘等级IP6K7消耗功率45V:34.5鱼眼摄像头FOV接近或大于180动态范围120dB大于120dB才能满足自动驾驶系统需

46、求输出频率30-60FPS市场上主流产品范围信噪比41dB工作电压9 - 12V温度范围-20 85功耗3W功能安全水平B以上29数据处理模型数据处理模型摄像头的数据处理模型相对成熟，主要输出数据格式可以分为三个类型，即原始图像数据，特征提取和物体的识别和跟踪。具体的输出见下表：表格 11 摄像头数据处理模型数据类型数据格式和包含内容分析原始数据RGB/RCCB/RCCC/RAWRGB（数字矩阵）常见帧率30FPS/36FPS/60FPS带宽需求：较大特征数据轮廓线、特征点带宽需求：中等目标数据目标位置、尺寸、速度、类型、置信度等信息常见频率20HZ/36HZ带宽需求：较小物体识别和跟踪：识别

47、和追踪物体的类型、数量、位置、状态、距离、速度、加速度值，具体的检测目标见下表表格 12 摄像头检测目标分类主要性能指标名称范围目标车辆探测距离白天跟踪距离：0-200m车辆纵向距离精度 15%目标分类汽车，卡车，行人，自行车，三轮车等车辆速度精度 20%车辆角度精度 0.5行人纵向探测距离 70m行人纵向探测距离精度 15%行人相对速度精度 4.0m/s行人角度精度小于行人宽度的45%车道线车道线探测距离5-140m(虚线/实线)直车道线1.5弯曲车道线车道线的偏移量30cm交通标识交通标识最大探测距离50m交通灯距离150m交通灯分类颜色：红黄绿箭头：左、右、前3.43.4 超声波超声波雷

48、达雷达超声波雷达是通过不断向汽车前方及车周发射超声波信号， 当超声波遇到障碍物目标时会进行反射，通过反射回波来对前方目标进行探测，通过接收器接收到发送过来超声波时的时间差来测算距离。超声波测距原理图如下：30超声波探头与障碍物之间的距离计算公式声2Ts。式中：T为超声波回波时间，声为超声波传播速度。表格 13超声波雷达数据处理模型数据类型数据格式和包含内容分析可以包括上报周期，带宽等原始数据脉冲信号收发周期：（35ms）带宽：1KHz特征数据距离目标数据障碍物距离传感器优缺点传感器优缺点优点：超声波近距离盲区小；超声波发射包络可调；测距的方法简单，成本低。缺点：在速度很高情况下测量距离有一定的

49、局限性，传播速度较慢；超声波散射角大，方向性较差；对温度敏感，精准测距需要温度补偿；无法精确描述障碍物位置，多探头测试障碍物位置，精度不高。主要应用场景主要应用场景泊车库位检测，通过安装在车辆侧方的APA，识别车位；自动泊车辅助(APA)/全自动泊车(AP)，通过安装在车辆侧方APA、前后方UPA探测障碍物；盲区检测(BSD)，通过安装在车辆后方的超声波雷达，检测本车后方与侧面的车辆，并提示与报警；倒车辅助，通过安装在车辆后方与侧方的超声波雷达，倒车过程中进行31障碍物预警；碰撞预警，车辆行驶过程中，通过超声波雷达检测障碍物距离并发出警告。3.53.5 网联网联传感器传感器V2X是车联网通信机

50、制的总称，泛指各种汽车通讯情景，包括V2V、V2I、V2P等。车辆可以通过V2X获得实时路况、道路信息、行人信息等一系列交通信息，从而带来远距离环境信号，如V2V的应用场景主要是城市道路、高速公路中，车辆之间可以相互通讯， 发送数据实现信息共享。 这些共享的数据包括车辆的时速、相对位置、操控情况等，这些数据可以提供给周围车辆，使得周围车辆可以预判其他车辆的驾驶行为，从而实现主动安全策略。图 18 V2X 功能网联传感器的意义：网联传感器的意义：1、通过V2X可以获得实时路况、道路信息、行人信息等一系列交通信息，从而带来远距离环境信号。解决了车辆传感器自身的“短视”弊端；2、可以让自动驾驶应对更