【導(dǎo)讀】激光雷達(dá)和毫米波雷達(dá)。習(xí)慣且依賴駕駛汽車的人們，對這兩種事物肯定不會陌生。前者在真正的無人車應(yīng)用領(lǐng)域所向披靡，最近 Apple 又把它帶入了消費(fèi)電子類產(chǎn)品中，把 Lidar 概念引入到 iPad 中，讓筆者以為 iPad 裝上四個轱轆就可以自己開車了。
碎片記錄的目的是彌補(bǔ)自己因間歇性健忘癥而帶來的碎片知識的丟失。特別是那些不屬于自己研究領(lǐng)域，卻又想弄明白的東西。另外呢，其實(shí)這篇文章也是給老婆交的作業(yè)，自從給她換了特斯拉以后，她一直好奇特斯拉 Autopilot 奧秘到底是什么，可能是我的知識能力的不足，在多次講解不通的情況下（呵呵，女人……），我也給自己留了這份作業(yè)。特別是她再一次在靠邊兒停車的時候把車開上馬路牙子之后，讓我覺得 Autopilot 最大的敵人不是 ADAS 算法對外面未知的圖形與突發(fā)狀況的訓(xùn)練度不夠，而是女人……讓我感受到了完成這一份作業(yè)的必要性！
激光雷達(dá)和毫米波雷達(dá)。習(xí)慣且依賴駕駛汽車的人們，對這兩種事物肯定不會陌生。前者在真正的無人車應(yīng)用領(lǐng)域所向披靡，最近 Apple 又把它帶入了消費(fèi)電子類產(chǎn)品中，把 Lidar 概念引入到 iPad 中，讓筆者以為 iPad 裝上四個轱轆就可以自己開車了。而毫米波雷達(dá)目前被廣泛應(yīng)用在 L2-L3 的輔助駕駛汽車中，特斯拉汽車用 8 個攝像頭、12 個超聲波傳感器和一個 77GHz 毫米波雷達(dá)實(shí)現(xiàn)了 autopilot 輔助駕駛功能，當(dāng)然 mobileye 的 ADAS 系統(tǒng)和 nVidia 的 GPU 也是功不可沒的。
其實(shí) Lidar 和毫米波雷達(dá)都屬于電磁波雷達(dá)的范疇，只是毫米波雷達(dá)技術(shù)屬于微波范疇，用毫米波作為發(fā)射源，而 Lidar 技術(shù)用紅外線光、可見光或紫外光等納米波作為光源。
其實(shí)在很久以前，有一種關(guān)于人類視覺成像的假說，這種假說認(rèn)為人們覺得眼睛會發(fā)出的看不見的光線，然后擊中了外面的世界中的物體，使它們變得對人類可見。當(dāng)然，你我都知道，事實(shí)的情況情況并非如此，反而是物體發(fā)出的光擊中了人眼，才讓人們感知。
但這并不意味著這不是一個完美的觀察方式。事實(shí)上，這種原理就是激光雷達(dá)背后的基本思想，一種數(shù)字式的成像形式，已經(jīng)被證明在從考古學(xué)到自動駕駛汽車、消費(fèi)電子產(chǎn)品所有領(lǐng)域都非常有用。前陣子，Lidar 幫助考古學(xué)家對瑪雅文化的古城進(jìn)行了深度建模。
無論是毫米波雷達(dá)，還是 Lidar，都需要存在一組或多組發(fā)射接收裝置。以 Lidar 為例，傳統(tǒng)的機(jī)械 Lidar 需要光源、反射鏡、和接收器。由于早期的 Lidar 系統(tǒng)采用純機(jī)械式探測方式，是指其發(fā)射系統(tǒng)和接收系統(tǒng)存在宏觀意義上的轉(zhuǎn)動，也就是通過不斷旋轉(zhuǎn)發(fā)射頭，將速度更快、發(fā)射更準(zhǔn)的激光從“線”變成“面”，并在豎直方向上排布多束激光（即 32 線或 64 線雷達(dá)），形成多個面，達(dá)到動態(tài) 3D 掃描并動態(tài)接收信息的目的。
這也就造成了它體積的龐大，不好與小型的消費(fèi)電子產(chǎn)品集成。且價格十分昂貴。2018 年 Google 發(fā)布的無人駕駛汽車，一個機(jī)械式 Lidar 的就要 7 萬美元。這種體積龐大、價格昂貴的機(jī)械式 Lidar 難逃變?yōu)橄攘业亩蜻\(yùn)。
歸功于半導(dǎo)體技術(shù)的發(fā)展，制造內(nèi)部非移動結(jié)構(gòu)或相對較小的移動結(jié)構(gòu)的 Lidar 器件，成為了 Lidar 小型化的首要任務(wù)，目前 Lidar 小型化的技術(shù)設(shè)想主要有三種。
1.MEMS（Micro-Electro-Mechanical System）微機(jī)電系統(tǒng)
MEMS 指代的是將機(jī)械機(jī)構(gòu)進(jìn)行微型化、電子化的設(shè)計，將原本體積較大的機(jī)械結(jié)構(gòu)通過微電子工藝集成在硅基芯片上，進(jìn)行大規(guī)模生產(chǎn)。得益于 MEMS 技術(shù)的發(fā)展，這種技術(shù)成熟，易于量產(chǎn)，通過 MEMS 微鏡來實(shí)現(xiàn)垂直方面的一維掃描，MEMS 結(jié)構(gòu)將機(jī)械微型化，掃描單元變成了 MEMS 微鏡。
2.OPA（optical phased array）光學(xué)相控陣技術(shù)
相比其他技術(shù)方案，OPA 方案給大家描述了一個激光雷達(dá)芯片級解決方案的美好前景，它主要是采用多個光源組成陣列，通過控制各光源發(fā)光時間差，合成具有特定方向的主光束。然后再加以控制，主光束便可以實(shí)現(xiàn)對不同方向的掃描。雷達(dá)精度可以做到毫米級，且順應(yīng)了未來激光雷達(dá)固態(tài)化、小型化以及低成本化的趨勢，但難點(diǎn)在于如何把單位時間內(nèi)測量的點(diǎn)云數(shù)據(jù)提高以及投入成本巨大等問題。目前一直沒有進(jìn)入量產(chǎn)階段。
3.Flash
Flash 激光雷達(dá)的原理也是快閃，它不像 MEMS 或 OPA 的方案會去進(jìn)行掃描，而是短時間直接發(fā)射出一大片覆蓋探測區(qū)域的激光，再以高度靈敏的接收器，來完成對環(huán)境周圍圖像的繪制。蘋果在 2020 年 iPad 中引入的 Lidar 技術(shù)就是 Flash Lidar 技術(shù)，它采用 dTOF 的探測技術(shù)，依靠 SPAD 單光子雪崩二極管提高整體器件的靈敏度。
而在小型化的 Lidar 技術(shù)中，光學(xué)相控陣（OPA）激光雷達(dá)受到芯片成熟度不足等各種問題的牽制，離落地還有一段較長的路要走。Flash 激光雷達(dá)暫時無法同時滿足遠(yuǎn)近成像的要求，但隨著單光子面陣探測技術(shù)的成熟，有望成為未來的激光雷達(dá)技術(shù)路線方向。所以，MEMS Lidar 是目前最有可能先落地的車載 Lidar 方案。
第一是 MEMS 微振鏡幫助激光雷達(dá)擺脫了笨重的馬達(dá)、多棱鏡等機(jī)械運(yùn)動裝置，毫米級尺寸的微振鏡大大減少了激光雷達(dá)的尺寸，無論從美觀度、車載集成度還是成本角度來講，其優(yōu)勢都是十分明顯的。
第二，MEMS 微振鏡的引入可以減少激光器和探測器數(shù)量，極大地降低成本。采用二維 MEMS 微振鏡，僅需要一束激光光源，通過一面 MEMS 微振鏡來反射激光器的光束，兩者采用微秒級的頻率協(xié)同工作，通過探測器接收后達(dá)到對目標(biāo)物體進(jìn)行 3D 掃描的目的。與多組發(fā)射 / 接收芯片組的機(jī)械式激光雷達(dá)結(jié)構(gòu)相比，MEMS 激光雷達(dá)對激光器和探測器的數(shù)量需求明顯減少。
第三，MEMS 微振鏡不是新技術(shù)，可以直接使用。其最成功的應(yīng)用案例就是德州儀器（TI）的 DLP（DigitalLight Processing，數(shù)字光處理）顯示，其 DMD 芯片全球獨(dú)供，在投影機(jī)的 BOM 成本比例中占比也很高。此外，在 3D 攝像頭、條形碼掃描、激光打印機(jī)、醫(yī)療成像、光通訊等領(lǐng)域，MEMS 微振鏡也不乏成功應(yīng)用案例。
但 MEMS Lidar 在車載上的落地工作也不是一帆風(fēng)順，車載環(huán)境有它的特殊難題，信賴性就是最大的因素。MEMS 微振鏡屬于振動敏感性器件，車載環(huán)境下的振動和沖擊容易對它的使用壽命和工作穩(wěn)定性產(chǎn)生不良影響，使得激光雷達(dá)的測量性能惡化。
工作溫度范圍也是 MEMS 微振鏡通過車規(guī)的一大門檻。通常情況下，車規(guī)級產(chǎn)品需要核心元器件滿足 -40℃到 125℃的工作范圍。在實(shí)際應(yīng)用過程中，MEMS 微振鏡的材料屬性會隨著環(huán)境溫度的改變而發(fā)生變化，從而導(dǎo)致微振鏡運(yùn)動特性的變化。因此材料的選擇和制造工藝對實(shí)現(xiàn)車規(guī)級 MEMS 微振鏡來說，是巨大的挑戰(zhàn)。還有就是芯片尺寸縮小，會直接影響 MEMS Lidar 的旋轉(zhuǎn)角度，而要得到較大的角度，就需要把芯片的尺寸做大，這與 Lidar 小型化、低成本化的初衷是矛盾的。
最后，激光由于波長較短，面對極端天氣如雨、霧、霾時，測量準(zhǔn)確性會大大下降。這時毫米波雷達(dá)的存在就顯得十分有必要了。
在智能駕駛傳感器領(lǐng)域，和 LiDAR 相比，毫米波雷達(dá)更接地氣，在技術(shù)上已非常成熟，而且其市場出貨量相當(dāng)可觀，毫米波實(shí)質(zhì)上就是電磁波。毫米波的頻段比較特殊，其頻率高于無線電，低于可見光和紅外線，頻率大致范圍是 10GHz—200GHz。毫米波介于微波和 THz（1000GHz）之間，可以說是微波的一個子集。
在這個頻段，毫米波相關(guān)的特性使其非常適合應(yīng)用于車載領(lǐng)域。目前，比較常見的車載領(lǐng)域的毫米波雷達(dá)頻段有三類。
其一是 24—24.25GHz 這個頻段，目前大量應(yīng)用于汽車的盲點(diǎn)監(jiān)測、變道輔助。雷達(dá)安裝在車輛的后保險杠內(nèi)，用于監(jiān)測車輛后方兩側(cè)的車道是否有車、可否進(jìn)行變道。這個頻段也有其缺點(diǎn)，首先是頻率比較低，另外就是帶寬比較窄，只有 250MHz。
第二類頻段就是 77GHz，這個頻段的頻率比較高，國際上允許的帶寬高達(dá) 800MHz。這個頻段的雷達(dá)性能要好于 24GHz 的雷達(dá)，所以主要用來裝配在車輛的前保險杠上，探測與前車的距離以及前車的速度，實(shí)現(xiàn)的主要是緊急制動、自動跟車等主動安全領(lǐng)域的功能。
第三類應(yīng)用頻段就是 77GHz—81GHz，這個頻段最大的特點(diǎn)就是其帶寬非常寬，要比 77GHz 的高出 3 倍以上，大約為 4GHz。這也使其具備非常高的分辨率，可以達(dá)到 5cm。這個分辨率在自動駕駛領(lǐng)域非常有價值，因?yàn)樽詣玉{駛汽車要區(qū)分行人等諸多精細(xì)物體，對帶寬的要求很高。
而在波長方面，24GHz 毫米波的波長是 1.25cm，而 77GHz 毫米波的波長大概是 4mm，毫米波的波長要比光波的波長長 1000 倍以上，所以它對物體的穿透能力更強(qiáng)。
77GHz 雷達(dá)比 24GHz 的第一個優(yōu)勢在距離分辨率和精度。
與 24GHz 頻段下的只有 250MHz 帶寬的 ISM 頻段相比，77GHz 頻段下的 SRR 頻帶可提供高達(dá) 4GHz 的掃描帶寬，顯著提高了距離分辨率和精度。
由于距離分辨率和精度與掃描帶寬成反比，因此與 24GHz 雷達(dá)相比，77GHz 雷達(dá)傳感器在距離分辨率和精度方面的性能更好，經(jīng)過測試發(fā)現(xiàn)可提高 20 倍。高距離分辨率可以更好地分離物體(例如站在汽車附近的人)并提供檢測到物體的密集點(diǎn)，從而完善環(huán)境建模和物體分類，這對于研發(fā)先進(jìn)的駕駛輔助算法和自動駕駛功能非常重要。
此外，分辨率越高，傳感器識別的最小距離就越小，因此在停車輔助等需要高精確度的應(yīng)用方面，77-81GHz 雷達(dá)有著顯著的優(yōu)勢。
第二個優(yōu)勢在速度分辨率和精度。速度分辨率和精度與射頻頻率成反比。 因此，頻率越高，分辨率和精度就越好。與 24 GHz 傳感器相比，77 GHz 傳感器可將速度分辨率和精度提高 3 倍。對于汽車停車輔助應(yīng)用，速度分辨率和精度是至關(guān)重要的，因?yàn)樵谕＼嚂r需要以低速準(zhǔn)確地操縱車輛。
第三個優(yōu)勢是芯片設(shè)計尺寸的縮小。較高射頻頻率的主要優(yōu)勢之一就是傳感器尺寸可以更小。對于相同的天線視場和增益，77GHz 天線陣列的尺寸可以在 X 和 Y 維度上減小約 3 倍。這種尺寸上的縮減在汽車上非常有用，主要體現(xiàn)在汽車周圍的應(yīng)用(包括需要安裝近距離傳感器的門和后備箱)和車內(nèi)的應(yīng)用。
但是毫米波雷達(dá)也存在一些不足，第一就是很難獲得觀測物體 z 坐標(biāo)的數(shù)據(jù)，只能獲得 x 軸和 y 軸的坐標(biāo)，因此只能測距，無法輸出圖像信號。因此，xy 與速度 v 信息只能得到一個 3D 的物體信息。第二，對橫向目標(biāo)敏感度低，例如：對橫穿車輛檢測效果不佳；第三，行人反射波較弱，對行人分辨率不高，探測距離近；第四，對高處物體和小物體的識別不佳。
如今毫米波雷達(dá)和 Lidar 都進(jìn)入了 4D 識物的維度，毫米波雷達(dá)在努力完善自己對 z 軸坐標(biāo)的獲取，而 Lidar 則也憑借多普勒效應(yīng)探測，可以獲得物體速度信息。下圖是 Lidar 獲得的雷達(dá)點(diǎn)云圖。
上文中也提到了，由于距離分辨率和精度與掃描帶寬成反比，那么說明擁有更高掃描帶寬的 Lidar 比毫米波雷達(dá)擁有更可靠的精度和探測距離。
我們堅信，未來的汽車自動駕駛技術(shù)不可能是單一技術(shù)獨(dú)占的，一定是基于可見光視覺（CIS Camera）、毫米波雷達(dá)、超聲波雷達(dá)、Lidar 幾種傳感器相互配合的。
（來源：中電網(wǎng)）
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請電話或者郵箱editor@52solution.com聯(lián)系小編進(jìn)行侵刪。
推薦閱讀：
