国内真正量产的毫米波雷达离我们还有多远?

点击“蓝字”关注,分分钟知晓汽车行业动态趋势!




【PConline资讯】智能网联汽车逐渐受到行业及市场关注。这种融合了现代通信与网络技术的新一代汽车,不仅可实现“安全、高效、舒适、节能”行驶,还具备车与驾驶者智能信息交换、共享,以及复杂环境感知、智能决策、协同控制等功能,使得无人驾驶成为可能。

近日,由中国汽车工程学会和丰田汽车公司联合编著的《中国汽车技术发展报告(2017)》(2017年汽车红皮书)在京发布。

在发布会上,业内人士就智能网联汽车细分领域技术及我国今年标志性进展进行了深入分析。



激光雷达 不可或缺

如今,无人驾驶技术已经成为汽车发展的一个大趋势,目前业界已经推出众多无人驾驶的试验车辆。“自动驾驶在中国有着非常好的前景,作为其核心传感器部件之一的车载 激光 雷达更是有着难以取代的地位。”中国汽车工程学会副秘书长公维洁表示,对于一辆高速行驶的汽车来说,对100—200米的障碍物的探测能力非常重要。


图 4  汽车环境感知传感器的特点


自动驾驶里面,智能的这部分更多是车载传感器的集合、传感器的融合以及应用。在传感器里面(如图 4 所示),车载传感器主要是分五种:电子雷达、激光雷达、相机、红外线相机、超声波传感器。其中,超声波由于探测距离太近,虽然现在搭载率很高,但是将来可能会更多的被取代。

在激光雷达方面,现在多线的激光雷达价格还相对比较高,而且这个价格什么时候降下来并不一定,我们很多人都想激光雷达在未来几年内价格能降下来,但是这个可能很难做到。当年毫米波雷达也是从 90 年代开始一直降价降到现在,终于从数万美金降到―百美金。所以说,这个时间的发展往往不一定如我们所期待的那么顺利。


图 5  现代车载雷达构成


在汽车电子雷达方面,现在汽车搭载的主要是往前看的前视雷达,有 24G 和 77G 两种远距离雷达。这个 24G 的里面,也有往后视的 24G 的雷达。24G 和77G 的雷达的区别点在于,24G 分窄带和宽带两种雷达,77G 主要是窄带雷达,它的带宽比较窄。

77G、76G,虽然法规上允许最大 1 个 GHz,但是 77G 雷达的带宽大概在 500 MHz 以内,带宽不够高的话,会带来距离分解能力不高的问题。24G 的宽带雷达当时在法规上最大可以到 2 个 GHz,也有说当时 26G 可以用 4 个 GHz。这里带宽的提高使得分解能力提高很多。但是由于只有 2G 带宽的信息分辨能力、运算速度的限制和EU区域限制,带宽带来的效果并没有表现出来。


智能驾驶毫米波雷达


稍微介绍一下汽车雷达的历史,其实最早从 70 年代、80 年代,大家就一直在做汽车车载毫米波雷达。汽车的智能化也不是最近才提起的话题,实际上在 70 年代的时候大家就想做汽车的智能化。


图 6  车载毫米波雷达的发展史


在图 6 中可以看到,70 年代的时候汽车上面背着几个大脸盆似的天线,这个时候就开始想着做汽车智能化。1990 年开始,进入 90 年代微电子技术的发展,一下子使得雷达小型成为可能,也是在这个时候雷达开始开发得快一点。


图 7  雷达芯片的进程


车载雷达里面有一个芯片材料,这个芯片从 90 年代开始,最早是用 GaAs 这种材料,现在是 SiGe,在将来五到十年可能 CMOS 芯片会出来。用 CMOS 做的高频信号发生器,当材料变得越来越便宜的同时,它的功率、噪声、功放这方面的表现会越来越难控制,它对生产工艺的相对要求就会越来越高。


现在国外也在往 CMOS 这个方向转,但是刚刚起步阶段,相对来说制造工艺技术方面要求更高。我们要注意一点,当一种新的材料、新的技术导入的时候,在起步的前几年,它的价格肯定会比它的上一代暂时贵,例如 CMOS 芯片比 SiGe 芯片贵,但这是起步阶段必然的问题。


79GHz 雷达技术


我们的下一代雷达会是什么?


我们反转来看过去历史的发展就会看到,现在我们使用的技术,其实就是十年前各个研究所、大学在开发的技术。也就是说,在将来下一个五年、十年,我们会用的技术基本上目标是定在 79G 毫米波雷达。国外 5 到 10 年前就已经开始做 79G。


为什么会用 79G?


图 8  为何会是 79GHz 雷达?


如图 8 所示,我们现阶段用的 77G 的毫米波雷达,根据雷达的公式,带宽较窄的情况下,它的距离分辨率大概也就是 1 米的范围。


当带宽提高的话,我们可以看到在 79G 用了 4 个 GHz,它的距离分辨率可以提高到很多。当距离分辨率提高到了 10 个厘米,两个物体前后左右相隔的距离差达到 10 个厘米也能测量出来的话,就不需要角度的分解了,也就是说不需要相控阵天线就可以把两个物体分开。这能够极大地提高道路上各种障碍物的分离检测能力,而不需要带上一个强大的相控阵天线。


图 9  自动驾驶用下一代车载雷达构成


在今后,由于 79G 雷达的出现,将来的智能驾驶的汽车就会前向还是 24G、77G 的远距离雷达,但在中间侧向有 4 个 79G 的毫米波雷达,来实现环视。


79G 的毫米波雷达具有高分解能力,使得在某些功能可以逐渐代替一些现有的光学传感器的性能。也就是说 79G 除了水平方向的高分解能力之外,同时可以做一个上下方向的 79G 毫米波雷达,水平和上下同时进行扫描,很容易实现毫米波的成像。


也就是说,很快(大概十年内)将会有一种很强大的毫米波成像雷达,这在很大的程度上会替代现有的光学传感器。


图 10  车载雷达的未来


图 10 是目前整个雷达在发展机制上区分出的几种雷达,这里列出来了 24G、77G、79G 三种。这几种雷达里面,主要考虑两种走向:


  • 距离分辨率跟成本,也就是说在性价比这个方面;

  • 最大检测距离。


从图 10 的坐标中可以知道,将来的趋势有可能是从性能更好的方向上来说,会往 79G 走。还有一个性价比,价格最便宜的方向是 24G,这在中国可能在一段时期里面都会存在。这跟欧美市场可能会有不一样的走向。因为欧美市场的话已经使用 77G 了,而国内的话,可能采取性能高的往 79G 走、价格便宜的往 24G 走的路线。


79G 的毫米波雷达会有什么好处呢?


图 11  研发动态:79 GHz 雷达的行人检测


79G 的毫米波雷达由于它可以做到 4 个 G 的带宽,在这 4 个 G 的带宽里面可以实现成像。比如说像这个室内,两个人和反射板(用于表示汽车),把它们放在一起,79G 能够很精准的将其分解出来,当然图 11 这是通过机械式扫描来看这个 79G 的性能会怎样。在以前的雷达里面是看不到这些东西,与现在在医院里做 CT 成像是基本一样的。


图 12  研发动态:79 GHz 雷达降雨条件下车辆与行人测试


当然 79G 也是电磁波雷达,由于频率越来越高,我们要考虑到电波在降雨或者是冰雪条件之下,传感器的性能也必然会衰减。

比如说行人行为检测,没降雨的时候,这一款雷达可以看到 50 米的话,下中雨的时候,同款雷达看人的距离会缩短到 40 米。也就是说,会有 10 米的衰减出现。因此,如果 79G 雷达要看得更远的话,在信噪比方面的性能还需要做进一步的增强,还要做很多的努力。


图 13  研发动态:79 GHz 高分辨率雷达信号双收技术


刚才讲的 79G,在没有相控阵的时候,它的分解能力就很高。而如果同时对 79G 雷达也做与现在 77G 一样的相控阵天线,多发射多接收的话,这时候对多目标的分离检测能力除了距离上的分解还会有角度上的分解,对多目标的分离检测能力将会有大幅度的提高。

当然这个大幅度的提高的同时,也会带来一个很大的问题,就是多目标的分离检测。现在 77G 雷达用的是 32 或 64 个目标,在 79G 的时候雷达内部信号处理就不是同时跟踪 764 个目标,而是 128 个或者更多的目标数。我们同时跟踪的目标数越多,对雷达内部的信号处理芯片运算能力要求会成指数增长。这是 79G 雷达开发需要考虑的问题。



图 14  研发动态:雷达信号处理系统硬件概要


雷达信号处理可以集成在一个 DSP 芯片里面。这在一个芯片里面做信号处理的话,除了刚才多目标数量的影响之外,还有下雨天气,道路环境噪声的影响,在这里面除了对多目标的分离检测信号做分离处理,还要做进一步的跟踪处理。


图 15  研发动态:雷达信号处理系统概要


还有如自动驾驶里的车辆惯导,通过惯导来推算前方障碍物对你来说具有多大的危险性。这个危险性的判断,是雷达信号处理的一部分。也就是说在雷达信号处理里面,会在雷达的内部做图 15 中所提到的六项信号处理。

随着现在雷达波形越来越复杂,从第二个阶段开始信号处理都已经是运算负荷很重的信号处理,包括我们现在用的最新的雷达,这也是 79G 雷达需要克服的技术难题。


谈及激光雷达与传统的毫米波雷达的区别,公维洁表示,毫米波雷达的探测距离受到频段损耗的直接制约(想要探测得远,就必须使用高频段雷达),无法感知行人,并且对周边所有障碍物无法进行精准的建模,大不如激光雷达。


“但激光雷达也有着自己的缺点。”公维洁指出,由于激光雷达获取的数据量远超毫米波雷达,所以需要更高性能的处理器处理数据,这也意味着总成本会更高。此外,毫米波雷达穿透雾、烟、灰尘的能力强,因此可以在糟糕的天气中探测,而激光雷达这方面表现差强人意,雾霾也极有可能导致激光雷达失灵。



公维洁透露称,对于如何破除车载激光雷达的缺点,世界范围内的研发仍处于起步阶段。“我国原来在军事、测绘方面研制激光雷达的企业,现在也渐渐向车载激光雷达方面倾斜。”她举例称,目前我国北科天绘的绘32线激光雷达R-Fans-32,采用自主研发的芯片及半导体工艺,激光发射和接收模块的模型化和集成化,产品体积更小、功耗更低、更稳定,克服了部分激光雷达过去的缺点;禾赛科技Pandar40混合固态激光雷达优化了光机系统,其中最小垂直角分辨率为0.33,能够充分捕捉远处物体细节特征。据了解,禾赛科技已经做出产品级、批量生产的40线混合固态激光雷达,重量1.43kg,在200米范围内能达到40%反射率。


      在今天快速发展的汽车领域,多种传感器融合是未来汽车电子发展的必然趋势。其中,毫米波雷达因其传输距离远,在传输窗口内大气衰减和损耗低,穿透性强,可以满足车辆对全天气候的适应性的要求,并且因毫米波本身的特性,决定了毫米波雷达传感器器件尺寸小、重量轻、成本适中等特性。因此,它很好地弥补了如红外、激光、超声波、摄像头等其他传感器,在车载应用中的短板,率先成为ADAS系统和自动驾驶的主要传感器。国内外主流汽车毫米波雷达频段为24GHz(用于短中距离雷达,15-30米)和77GHz(用于长距离雷达,100-200米),其中77GHz毫米波雷达(以下简称“77G雷达”)是汽车前向远程探测的主流方案,而24GHz毫米波雷达(以下简称“24G雷达”)主要用作车后向和侧向的近程探测。

   

根据佐思咨询的《2015-2020年全球及中国汽车雷达产业市场报告》显示,2015年全球毫米波汽车雷达市场规模约为19.36亿美元,预计2016年市场规模达24.60亿美元,到2020年可达51.20亿美元,是汽车电子领域具增长力的产品。

   

而随着自动驾驶不断进步,车辆中雷达传感器数量不断增加,有些车辆上至少有10个以上的雷达传感器。其次,汽车市场对供应商的要求很高。OEM车厂为了实现ADAS和自动驾驶技术,希望相关传感器在提升安全性的同时,尺寸能够更小、速度更快且成本更低。从而,促使某些正处于开发阶段的现有雷达系统将发射器、接收器、时钟和基带功能集成在一个单芯片内,这就需要CMOS技术的支持。

 通过利用CMOS技术,将嵌入式微控制器(MCU)和数字信号处理(DSP)以及智能雷达前端集成在内,TI经过7年在感知领域的研发投入,做到了这一点,推出了单芯片CMOS毫米波雷达解决方案。由于该芯片是基于45nmRFCMOS工艺,其尺寸仅有10.4mm×10.4mm。从而,使得开发新一代77G雷达的整个难度降低很多,其合格率和成本也发生了很大变化,对产业的推动可以说是很大的。

据外媒报道,Arbe Robotics公司发布了在线演示,介绍了该公司的超高清雷达系统,为实现3-5级自动驾驶汽车献策献力。

据估计,高清雷达技术提升了车辆对周边环境的“视觉(see)”能力,可探查到300米外的障碍物,其方位角分辨率(azimuth resolution)及仰角分辨率(elevation resolution)分别达到1度和3度,有助于实现3级自动驾驶乃至完全自动驾驶。


此外,该款雷达不仅能识别道路周边的树木、行人及摩托车骑行者们,还能测算出前方车辆的车速、行驶方向及间距,目标物识别时的波束宽度(beam width)仅为1度,即使道路障碍物颇多,也能为用户提供安全的车辆导航。

Arbe Robotics自动驾驶车载雷达图像的分辨率精度实现了±1度,这在业内尚属首次。截止至2018年第一季度,Arbe Robotics将基于其技术,获得一整套特定用途集成电路(ASIC),计划在2018年下半年实现商业化进程。


如今,雷达产品面临两大难题:分辨率低、误报率(false alarm rates)高。幸运的是,Arbe Robotics的专利产品解决上述两大难题。对3级自动驾驶(在特定条件下的自动驾驶)及完全自动驾驶汽车而言,高分辨率雷达将发挥关键性作用,因为只有雷达传感器才能在各种天气、折射及光照条件下实现高探测距离。

Arbe Robotics的专利雷达产品基于其专利处理方法,其满堆栈4D图像系统可提供具有成本效益的、远程高清车用级雷达方案。为创建整套综合性自动驾驶汽车方案,该公司的雷达平台借助了以下两项先进技术:

合成孔径雷达(Synthetic Aperture Radar,SAR):该款专利雷达信号软件旨在解决与处理及多普勒相关的问题,如:在定位移动目标时提高处理能力及提升精度等难题。


昨天一则新闻有点意思——北京市颁布了一则《自动驾驶车辆道路测试管理实施细则》明确了自动驾驶车辆上路测试的要求:“无人车”上路测试前要先通过“考试”,相关企业单位必须为车辆“上保险”; 上路测试需在指定区域,并配备驾驶员监管,一旦发生事故,将按照现行道路交通安全法及相关规定进行处理,由测试驾驶员承担法律责任。那么无人车的设备提供商能够跟得上呢?禾赛给我们了一个例子:

禾赛科技就采取了独用的 ZOLO 技术研发出 Pandar GT,支持在车规的前提下实现所有功能指标的固态激光雷达解决方案,具体来看:Pandar GT 采用了全新材料和加工工艺,其独特的光学成像系统,在不牺牲性能的前提下,将整个激光雷达总零件数由超过 1000 件降低到少于 100 件,大幅降低成本,并提高了系统可靠性。

创始人之一李一帆坦言:早在 2016 年初开发 Pandar40 的时候,就同步开始了固态激光雷达 Pandar GT 的研发和验证工作,但 Pandar GT 的发布却比 Pandar40 整整晚了一年。这其中主要研发门槛和产品定位两大因素。比如固态激光雷达的定位是车规级产品,这其中对成本(不超过数百美元)、体积(大约拳头大小)、温度和震动等要求都是极其严格的。面对真正有量产需求的客户时,这些问题可能成为产品的硬伤而永远无法被解决。

禾赛 是一家 2013 年成立于美国硅谷圣何塞研制自动驾驶激光雷达,激光天然气遥测系统等的初创公司,今年 5 月宣布获得由 Pagoda Investment 领投,将门创投、磐谷创投及远瞻资本跟投的共计 1.1 亿元人民币的 A 轮融资。最新发布的用于自动驾驶的 40 线混合固态激光雷达 Pandar40,改变了自动驾驶激光雷达行业被国际巨头垄断而且需要半年以上交货周期的现状。正是其多年来在激光遥测仪和机械激光雷达中的积累,Pandar40 的测量远距性能从早期的 100m@40% 反射率,到最新一版的 200m@20% 反射率,提高了数倍,并支持了车规的前提下实现所有功能指标的固态激光雷达解决方案。


打个比方,以前的机械激光雷达有点像行车记录仪,角度和分辨率都是固定的,远处的物体太小就会看不清。Pandar GT 像是给了你一个望远镜,而且是可以调焦距的望远镜,如果发现前方远处地上有不明物体,不仅可以把望远镜转向那个物体,还可以很多倍地放大那个物体,给感知系统足够多的数据,一次看个清楚。

据悉:Pandar GT 已经完成原型研发,正在与多家国际一线 OEM 和 Tier1 合作和开发测试。预计 2018 年第一季度,会给数十家量产合作伙伴正式提供 A 样件。

硅谷无人车领军企业 Roadstar.ai 表示:“Pandar40 轻巧的设计、高角分辨率及优秀的探测距离等特点让我们相信这款产品是目前世面上性能最好的机械式激光雷达之一。在亲自看了 Pandar GT 的测试效果后,我们认为禾赛在固态激光雷达的开发和量产上具备极强的潜力。相信在不久的将来,这一产品将给这个行业带来又一轮革新。”景驰科技的车辆电子工程总监张振林先生在到访禾赛并观看了 Pandar GT 的演示结果后表示:“激光雷达是实现高级别自动驾驶必备的核心传感器,而固态化可能是激光雷达走向更高性能、大规模和低成本量产的主要发展方向。很高兴看到禾赛科技在生产高质量机械式激光雷达的同时,在固态雷达的研发上也走在了行业的前列。Pandar GT 展现出的性能和潜力非常值得我们期待。”



对于几乎所有想要转型「科技公司」的传统汽车供应商来说,自动化和智能化这两个领域一定是兵家必争之地,对于汽车行业内鼎鼎大名的汽车供应商伟世通来说,也不例外。在此次 2018 年的 CES 展上,伟世通除了展示全数字仪表、车载显示屏技术、驾驶员监测,以及高级自动驾驶辅助系统(ADAS)这些「常规」技术以外,作为 CES 参展时间最长汽车技术公司之一的伟世通,还重点展示了其全新的 SmartCore™ 座舱域控制器以及 DriveCore™自动驾驶平台。在我看来,这两个「Core」正代表了伟世通为了适应汽车行业变革所带来的革命性技术,并且蕴含了伟世通的「转型哲学」。

如何理解这两个「Core」?

简单来说,SmartCore™更像是一个「集大成者」。传统汽车上会有 N 多个 ECU 控制器,例如仪表、娱乐系统等等,每一个 CPU 分管一个操作系统,分别面向不同的应用,而 SmartCore™座舱域控制器是将智能座舱内的多个 ECU(电子控制单元)集成到一个控制器上,可以带来体积、功耗,以及成本上的优势。

具体来说,首先机械成本降低了,以前每个功能块都要有独立的「盒子」,每个都有独立的 CPU 或 GPU 处理,在整个机器里,成本最高的就是处理器以及储存方面,有了 SmartCore™,这块的成本车厂可以相对应的节省,而且由于减少了「盒子」的数量,中间连接线也不需要了。另外,对于车厂来说,基于不同 CPU 开发成本较高,如果采用 SmartCore™的方案,有更高的兼容性,车厂可以根据自己不同项目,灵活采购选择不同芯片,只是软件上有略微区别,刷不同的软件,在设计理念上也可以缩短推向市场的时间。其二,车厂还可以相应缩减「隐性成本」。例如之前每一个 CPU 做固件升级时后期费用较高,而如果使用 SmartCore™方案,只需要对一个处理器进行升级。

除了成本上的优势以外,提升信息传输效率也是一大优势。由于座舱智能化发展迅速,车企为了保证良好的用户体验,座舱不同控制器之间需要有更多的信息交互和传输,原有架构上有多个 ECU,传输速度和效率相对较低,而 SmartCore™只有一个 ECU,不再需要进行数据打包、传输、解压等等过程,会提高信息传输效率,使得信息无缝连接。

为了让 SmartCore™座舱控制器成为现实并且顺利量产,伟世通同样面对了很多的挑战,最大的难点在于如何让几个操作系统进行信息共享的同事,保证安全性和可靠性。例如仪表盘和娱乐系统,这两个部分对于安全性的要求不同,车企对于仪表盘的信息安全性要求极高,但对于娱乐信息系统来说并没有那么高,伟世通在 2012 年就有了 SmartCore™的第一个原型,也算是业内第一个把此概念落地到产品的公司,据伟世通相关产品负责人透露,在今年初,将会有德国顶级车厂将 SmartCore™技术落地并覆盖全系车型。

在此次 CES 伟世通的展台,我们有幸采访到了伟世通自动驾驶首席架构师、高级工程师经理,王凯。对于伟世通的另一个「Core」——DriveCore™,王凯有着自己的理解:「你可以把它看成『乐高玩具』,DriveCore™是一个平台,做的事情就是为了解决自动驾驶的挑战。」

在这样一个自动驾驶技术方案「百花齐放」的时代,无论是科技公司、初创企业,还是车企、供应商,都在不断衍生出大家各自的算法和硬件。同时,自动驾驶的复杂性也是不可逾越的难题,需要大量的计算,并且对安全性要求极高,需要大量的单元作为冗余。另外,面对这场自动驾驶的「零和游戏」,车企将技术快速落地的紧迫感也在不断升级。

我想正式基于此行业与商业背景,再结合自身有着比科技公司更加深厚的汽车行业客户积累和经验,伟世通通过建立一个平台,希望成为技术革新者与主机厂之间的一座桥梁。用王凯的话说就是:「商业上的驱动形成技术性的平台」。

所以在产品设计上,DriveCore™也兼顾了这几个特点:有着跨平台的硬件,通过中间件实现高速无缝信息传输,同时提供 API 接口和可视化界面,让主机厂可以选择不同的芯片或硬件传感器,选择不同的软件算法,并且由伟世通集成到同一块车规级基板上,缩短研发时间成本,快速实现量产。