演讲嘉宾：深圳安智杰科技有限公司 研发总监 唐伟
安智杰2014年开始做车载毫米波雷达，核心技术团队以前主要是做军工产品，包括船舶导航雷达系统，团队的骨干成员承担单站、双站合成孔径雷达，以及相控阵雷达关键零部件的研发，其中多站合成孔径雷达获得国家科技进步奖。
通过我们之前的测试产品，发现雷达在某些情况下会有很大的局限性，实物有3米高，0.5米长，0.3米宽度，从实际的测量来看，它的雷达反射截面积是小于万分之一平方米，也就是它的雷达反射截面积是小于一只鸟，所以雷达对某些形状的反射量比较小。
今天主要探讨一下车载毫米波雷达的发展趋势，主要分三个方面，一个是现在车载ADAS中用得较多的BSD功能；另外是ADAS前视雷达功能，然后是自动驾驶对雷达提出什么样的要求，发展趋势是什么样的。
这几年随着人们对车载安全的关注，ADAS行业一下子火起来。 ADAS功能分前向和后向，前向是FCW、ACC、AEB和前向横穿马路的预警。这几个功能可以用雷达实现，也可以用图像来实现。还有一个功能是车道偏离预警功能，一般只用图像实现的。雷达比较多的用在BSD领域，BSD后来加了变道辅助，然后提出RCTA（后方横向交通警告）、RCW（后碰撞警告）等等，当然雷达可以实现的功能基本上也可以用激光实现，但现阶段由于激光价格的原因，激光主要应用在自动驾驶方面。
ADAS使用三种传感器，这三种传感器未来会走向融合互补。雷达主要的优点是受气侯条件影响较小，雷达的缺点也很明显，分辨率是比较低的。比如屏幕上一个目标仅用一个点来表示，图像可以观测目标的一些纹理特征，能够识别出是什么样的东西。激光是一种主动安全测量设备，测量精度较高，角度范围较宽，缺陷主要有两个，一个是价格非常昂贵，另外是受恶劣天气影响比较严重，比如雨、雾霾，或者把光学器件挡住了就马上失效。
安智杰开发了24G和77G BSD雷达，目前趋势来看无论24也好，77也好，在保证盲区基础上的探测距离，希望保持70米的分辨距离，方位角有一些不同要求。这里简单回顾一下BSD雷达的发展历史：第一代BSD雷达大概出现在2003年，当时仅仅具有盲点探测的功能，测向方式是长短方式，没有数字波束等。大概在2012年左右推出第三代雷达，增加RCTA、RCW等功能。在这个基础之上，又有一些公司把24G推向77G。目前大陆展出77G超小尺寸雷达，这个对雷达提出小尺寸，轻量化的要求。
从目前所接触到的信息来看，有一些客户或者主机厂，要求雷达探测范围达到150度，甚至构成一个雷达的三连环式系统。有一些厂家也想用毫米波雷达替代超声波做自动泊车系统，虽然还存在一些问题但这是未来的发展趋势。在功能方面，目前BSD雷达主要是做预警，也就是探测目标并发出颜色预警，打转向灯再进行闪烁相当于二级预警，现在还没有做到三级预警。有的主机厂提出3级预警，也对雷达传感器提出更高要求，希望雷达探测精度和准确度更高。总体来说BSD发展趋势是覆盖范围要宽，测量精度要高，体积小成本低，功能有更多的覆盖。
安智杰二代BSD雷达采用的是24G频率，2发4收带宽，采用200M分辨率，理论上分辨率是0.75米，探测距离大约是70米，里面做了简单场景的识别。现在正在测试的77G BSD雷达，比二代24G雷达增加了测量范围，测量角度从100度变到150度，使用带宽是500M。未来有需求提出希望做自动泊车应用，我们可以把带宽扩展到4个G，也就是分辨率可以做到4CM，并进一步通过算法把精度提高。
应用前视雷达做ACC、AEB方面，目前市面上有博世、大陆、德尔福等公司，其中日系公司比较保守，查到的信息较少。ADAS前视雷达要求距离在150米以上，距离分辨率根据用途不同有所不同。ACC的精度在0.3米左右，远距离精度略有降低到0.5米左右，具体分辨率不高，像德尔福那款雷达是2.5米，博世因为采用不同斜率方式实现，它的最好距离分辨率是0.36米。
覆盖范围方面，最新出来的这些雷达一般是采用长距雷达和短距雷达相结合的方式，分时工作，角度精度都比较高，采用了一些超分算法，角度分辨率不是很高。德尔福的是4发12收，其中有一个2发6收用的是窄波束，远距离的时候分辨率大概3.5度。
前视雷达的发展历史比较悠久。上个世纪70年代开始出现，德国联邦政府支持的一个用雷达来减少车辆的交通事故的项目，最开始用的X波段，个头比较大，有一个车顶那么宽。随着技术发展，1999年德尔福、博世、日本的电装开始ACC雷达研制，2001年研制出来，2003年开始做装车试验，发现存在一些无法解决的问题，所以重点推出ACC功能，把前向防撞预警功能给弱化了。弱化缘于对静止目标处理的问题，因为雷达对运动目标等不能探测到，但是路面上运动目标少，所以对运动目标区分特别明显，对于静止目标也能探测到，但是无法精确识别，尤其在国内路面上，很多马路中的井盖，雷达对金属体反射特别强，但没有目标识别能力，只能探测到那个地方有一个物体，那这个东西是镜子，但这个镜子究竟是一辆车，还是井盖，还是电线干，还是垃圾筒？它是无法识别的，这种情况下无法实现自动刹车，预警也比较困难，所以雷达早期都是用在ACC方面。
为了进一步提高方位角探测能力，ACC采用的是机械扫描，波束做的很窄，经典的是大陆的第三代ARS300，做的非常经典，技术含量很高，但是依然脱离不机械扫描的范畴。随着机械成本的降低，第四代雷达如博世LRR4，基本上都加上了多输入多输出的技术，甚至用了超控算法，提升方位向分辨率。值得注意的是2014年德尔福推出了一款雷达里面加了摄像头，目的是把雷达和图像的东西进行融合，解决静止目标的问题。博世最近一两年也在推出类似的产品，所以从发展趋势来看，雷达要进行成像，能够做到更高分辨率的探测，传感器要和图像、激光等去融合。也有人提出用雷达来区分是行人，还是卡车，还是一个轿车，这块在交通雷达里面研究较多，检测行人卡车或者是小轿车的时候，主要利用这几种目标的频谱特性不一样来识别，同时自动驾驶对雷达成像有一定的需求。总体来说，前视雷达的优点是覆盖宽、分辨率高。这是我们正在调解的FCW产品，使用77G雷达，把操控方式放进去，做更高角度的分辨率。
在雷达与图像的融合方面，我们采用了深度学习，只要目标出现就可以检测出来，这个效率及准确率方面是比较高的。对比雨天、雾天以及能见度不好的时候，深度学习比机器学习效果好不少，我们以前用机器学习和图像做了生存式的融合，主要的目的是降低误警率，提高检测效率。我们采用了深度学习在路上实际测试的照片，因为深度学习能够同时检测车辆、行人、三轮车物体。
在自动驾驶方面，目前讨论的比较多，也是一个投资的热点。目前有两个比较典型的方案，一个是谷歌方案，谷歌比较激进的，上面没有驾驶人员，采用激光来做周围环境感知以及三维环境重建工作，但是在最近的方案当中，加了后置摄像头和其他8个摄像头做了环视系统，这里看到雷达在自动驾驶车辆上面使用是没有什么疑问的。另外一个方案可以在网上查得到的，这个方案做的比较保守，有几个比较有趣的特征。一是采用8个雷达，其中有一个是雷达加成像的图像，然后在4个角上每一个角上都加了一个雷达，并且左右两边以及后面加了一个雷达，这样总共构成8个雷达，在每一个有雷达的地方基本上配有一个摄像头，同时也加入了激光雷达，一共加了5个。从这两个方案可以总结一下，为什么要加那么多的传感器？我个人认为，第一是自动驾驶的核心还是在传感器，因为自动驾驶车辆周围环境的感知不准确，或者做不到非常可靠的时候，只有通过增加传感器的数量，或者增加传感器的冗余来保证传感器的判断。第二是三维环境重构能力，只有把周围环境重构出来，才能够决策哪些地方可以过去的，哪些地方不能去的。第三个是目标的识别能力，主要是要识别交通标志，识别目标的一些属性，比如车、行人，或者是电线杆。最后一个是环境适应能力，单一传感器，激光或图像是容易受雨、雾的影响，在一些极端恶劣的天气下，这两个传感器就失效了，这个时候要依靠雷达保障，所以在容错能力上，有一部分传感器失效的时候需要保证车辆的安全性。
总的来说，雷达和激光能够满足对精确的速度和距离测量的要求，单靠图像因为被动很难满足。三维环境重构能力，激光可以实现，图像也可以实现，雷达本质上也可以实现，但是无论是现阶段采用的77G也好、24G也好，分辨率不够高，所以它的环境重构能力是不够的。目标识别能力，图像是最优的，激光也可以做到。环境适应能力就不多说了。基于自动驾驶对传感器这几个方面的要求，我们也在做相关技术包括图像和雷达融合的探索。
另外我们计划研究成像雷达，计划采用相控阵实现波束，多天线接收，形成实孔径，可以构成三维立体成像，当然分辨率对于自动驾驶来说是不够的。在这个雷达的基础之上，可做进一步的研究。另外一个是分布式的成像雷达系统，因为单个雷达系统要做到正像，它的空间是有限的，因为一个非常大的雷达，车上是没有办法安装的，可以借用军用的阵列型概念，在车身结构上面设置预留雷达空间，这个雷达构成一个个小模块，在同步系统下面一起发或者一起收，构成相控阵处理系统，这个相控阵处理系统每一个模块都包含收发、信号处理，通过这种架构可以统一每个雷达的工作。
总结一下，无论ADAS也好，自动驾驶也好，现在雷达有这几个趋势：第一是环视雷达系统的大批量应用是一个大概率事件；第二是成像雷达系统国内已经开始广泛的研究；最后一点是雷达或者图像都将在自动驾驶领域获得应用。