在現代交通體系中,汽車保有量持續攀升,道路上的行人安全愈發成為關注焦點。據統計,每年因車輛碰撞行人導致的傷亡事故數以萬計,如何有效避免此類悲劇發生,成為汽車安全技術發展的重要課題。雷達模組作為智能汽車感知系統的關鍵部件,在行人檢測領域正發揮著不可替代的作用。
雷達,即 “無線電探測與測距”(Radio Detection And Ranging),通過發射無線電波并接收反射波來探測目標物體的距離、速度和角度等信息。在汽車行人檢測中應用的雷達模組,主要基于毫米波頻段,常見的為 24GHz 和 77GHz。毫米波雷達具有諸多優勢,其波長較短,使得雷達天線尺寸可以做得更小,便于在車輛上集成;同時,它受天氣影響較小,無論是雨霧天氣還是沙塵環境,都能相對穩定地工作,這是攝像頭等其他傳感器所無法比擬的。
當毫米波雷達工作時,發射機產生高頻振蕩信號,經天線向外輻射毫米波。遇到行人等目標物體后,部分毫米波會被反射回來,被雷達天線接收。接收機將接收到的微弱回波信號進行放大、混頻等處理,轉換為易于分析的低頻信號。通過分析回波信號與發射信號之間的頻率差(即多普勒頻移),雷達可以計算出行人的速度;利用發射與接收信號的時間差,結合毫米波在空氣中的傳播速度,能精確測定行人與車輛的距離;此外,通過多個天線組成的陣列,采用特定算法還能確定行人所處的角度。
在實際的汽車行人檢測場景中,雷達模組面臨著復雜多樣的挑戰。城市街道上車流密集,行人穿梭其中,還存在路邊停放車輛、交通標識牌等大量靜止或慢速移動物體,這要求雷達能夠準確區分行人和其他目標,避免誤判。例如,在十字路口,行人與轉彎車輛同時出現,雷達需在瞬間識別出不同目標的運動狀態,并為車輛控制系統提供精確信息,以便及時做出制動或避讓決策。
為應對這些挑戰,汽車雷達技術不斷演進。一方面,在硬件層面,提升雷達的分辨率和探測精度。例如,采用更先進的芯片制造工藝,提高雷達信號處理能力;增加天線數量和優化天線布局,增強角度分辨率,從而更精準地定位行人。另一方面,軟件算法持續優化。引入機器學習和深度學習算法,讓雷達能夠學習不同場景下行人的特征模式,如行人行走時的微多普勒特征、不同姿態下的雷達回波特性等,以此提高行人識別的準確率和可靠性。
以加特蘭基于 andes soc 芯片的兩片級聯成像雷達方案為例,該方案采用四核 cpu + 數字信號處理器(dsp) + 專用雷達信號處理器(rsp)獨特架構,支持創新的 flex - cascading? 專利技術,通過兩顆芯片級聯實現成像雷達系統。其最遠探測距離達 320 米,具有優秀的距離分辨與角分辨能力。在弱勢道路使用者(包括行人)檢測方面,利用 22nm cmos 制程工藝的優秀射頻性能滿足弱小目標探測需求;采用 ddm 以及相干 cfar 算法獲取更高處理增益;多頻帶 chirp 技術提升距離和速度分辨率應對慢速目標;動態加窗(sva)技術改善強目標對弱目標遮蔽影響;高性能且低耗時的角度超分辨算法解決角度分辨痛點;結合微多普勒以及 ai 技術提升行人識別能力,在復雜交通環境下對行人檢測效果顯著。
雷達模組在汽車行人檢測中的應用,極大地提升了汽車的主動安全性能。當雷達檢測到前方有行人且車輛存在碰撞風險時,會立即向車輛控制系統發出信號,觸發自動緊急制動系統(AEB),使車輛在短時間內減速或停止,避免碰撞發生。或者通過預警系統,如車內蜂鳴器、儀表盤警示燈等,提醒駕駛員注意行人,及時采取措施。許多汽車制造商已將雷達輔助的行人檢測功能作為車輛安全配置的重要組成部分,隨著技術成熟和成本降低,這一功能正從高端車型逐漸普及到更多中低端車型。
然而,雷達模組并非完美無缺。在某些極端情況下,如遇到金屬材質的大型廣告牌等強反射物體,雷達可能會受到干擾,出現誤判;在多徑傳播環境中,毫米波信號可能會經過多次反射后才被雷達接收,導致對目標位置和速度的測量出現偏差。因此,為進一步提升行人檢測的可靠性,常將雷達與攝像頭等其他傳感器融合使用。攝像頭能夠提供豐富的視覺信息,對物體的外觀和紋理特征識別能力強,與雷達在距離、速度測量方面的優勢形成互補。通過數據融合算法,綜合處理雷達和攝像頭的信息,可有效提高行人檢測的準確性和魯棒性。
展望未來,隨著科技不斷進步,雷達模組在汽車行人檢測領域將迎來更大發展。一方面,雷達的性能將進一步提升,探測距離更遠、分辨率更高、抗干擾能力更強,能夠適應更加復雜的交通環境。另一方面,與其他新興技術如車聯網(V2X)的融合將更加緊密。車聯網使車輛與車輛、車輛與行人、車輛與基礎設施之間實現信息交互,雷達模組可以獲取更多周邊環境信息,與自身檢測數據結合,實現更全面、精準的行人檢測和預警,為構建安全、智能的交通出行環境貢獻更大力量。雷達模組作為汽車行人檢測的隱形衛士,正不斷進化,守護著道路上每一個行人的安全,成為現代汽車安全技術發展的重要驅動力。