業界對三種主要傳感器（攝像頭、雷達和LIDAR）在汽車中的不同作用，以及它們各自如何滿足先進駕駛輔助系統(ADAS)和自動駕駛的感測需求仍然存在一些困惑。

最近，我和我的一個朋友進行了一次有趣的討論，他知道我在研究用于ADAS系統和自動駕駛車輛（AVs）中雷達的TI毫米波（mmWave）傳感器。

每當他讀到自動駕駛汽車在不同駕駛環境下（比如障礙物檢測）運行情況的文章時都會不失時機地取笑我。其中一次的對話如下：

Matt：“如果那輛車搭載有LIDAR的話，就能輕松識別出車道中間的物體。”

我：“我依然不同意這樣的看法。”

Matt：“什么？！你為什么不同意？那輛車上裝有一個攝像頭傳感器和一個雷達傳感器，但ADAS系統仍然完全未能感測到車道中間的那輛車。”

我：“當讀到這些最近發生的事件時，你就會注意到如果攝像頭經常暴露在刺眼的強光和其他因素之下，就會導致其看不到路上的物體。它們對高對比度的光線和能見度低的情況較為敏感，如大霧、雨雪天氣。在這種情況下，雷達傳感器可能確實識別了目標。”

Matt：“盡管如此，我們仍會遇到這些ADAS和AV系統似乎很難應對的不同情況。那么問題到底出在什么地方呢？”

我：“ADAS的決策系統似乎依賴于作為主傳感器的攝像頭來判斷目標是否真的存在，或者是否為假警報。”

Matt：“那么，車載雷達和攝像頭就不值得信任咯。所以只能將LIDAR作為唯一可靠的傳感器了。我說的沒錯吧？”

我：“不完全對。雖然LIDAR對能見度的敏感度不如攝像頭，但它對霧、雨、雪等天氣情況敏感。此外，LIDAR的成本還很高，可能導致其最初只能在相對高端的4級和5級自動駕駛車輛上使用。”

Matt：“這就是了！沒有一種傳感器可以使自動駕駛車輛真正可靠。我們必須將這三者結合使用，但這也意味著自動駕駛車輛的價格會非常貴。”

我：“你只說對了一部分。4級和5級自動駕駛車輛可能需要攝像頭、LIDAR和雷達這三種傳感器來提供高可靠性和全自動駕駛體驗。但是，對于更多需要部分自動駕駛且已經開始大規模量產的2級和3級經濟型車輛來說，使用TI毫米波傳感器的成像雷達能夠實現高性能和成本效益，并能夠廣泛采用ADAS功能。”

那么，什么是成像雷達呢？

正如我向Matt解釋的那樣，成像雷達是雷達的一個子集，因其高角分辨率能夠提供清晰的圖像而得名。

成像雷達由一個傳感器配置啟用，其中多個低功率TI毫米波傳感器級聯在一起，且作為一個單元同步運行。它具有多個接收和發射通道，能夠顯著提高角分辨率和雷達距離性能。當毫米波傳感器級聯在一起時，可以使用集成移相器來創建波束成形，從而達到400米的擴展范圍。圖1顯示了評估模塊上的級聯毫米波傳感器及其天線。

用于成像雷達的毫米波技術

典型的雷達傳感器直到最近才被視為車輛中的主傳感器，其主要原因在于角分辨率性能較為有限。

角分辨率是指在相同范圍內和相同相對速度下區分物體的能力。

一個凸顯成像雷達傳感器優勢的常見用途是能夠以高分辨率識別靜態物體。典型的毫米波傳感器具有高速度、高距離分辨率的性能，可以很輕松地識別和區分運動物體，但對靜態物體來說，其識別能力卻非常有限。

例如，為了讓傳感器“看到”車道中間停下來的車輛并將其與燈桿或柵欄區分開來，傳感器需要在仰角和方位角上都有一定的角分辨率。

為了識別圖2所示隧道中的車輛，傳感器需要將其與隧道頂棚和壁區分開來。

實現場景分類需要利用這些仰角和方位角分辨率：

? (仰角) = 反正切 (2 m/100 m) = 1.14度

? (仰角) = 反正切 (3.5 m/100 m) = 2度

其中，2 m是隧道高度減去車輛高度的值，100 m是帶成像雷達的來車與停在隧道內的車輛之間的距離，3.5 m是停在隧道內的車輛與隧道壁之間的距離。

在某些天氣和能見度情況下，依賴于其它光學傳感器可能具有挑戰性。煙、霧、惡劣天氣以及明暗對比都是具有挑戰性的能見度情況，這些情況會抑制光學被動和主動傳感器，如攝像頭和LIDAR，從而導致這些傳感器可能無法識別目標。然而，在惡劣的天氣和能見度情況下，TI毫米波傳感器仍能保持強勁的性能。

目前，成像雷達傳感器是唯一能在各種天氣和能見度情況下保持強勁性能的傳感器，其在方位角和仰角上都能達到1度的角分辨率（使用超分辨率算法計算數值時甚至更低）。

結論

采用TI毫米波傳感器的成像雷達具有很高的靈活性，能夠以非常高的分辨率感知和分類近場中的物體，同時能夠在400米以外的遠場中跟蹤目標。這種成本高效的高分辨率成像雷達系統能夠使2級和3級ADAS應用以及高端4級和5級自動駕駛車輛成為可能，并可用作車輛中的主傳感器。

審核編輯：何安