ADAS傳感感知背景

在ADAS/AD仿真測試中，多傳感器融合已經成為L3級別以上的ADAS/AD測試的主流解決方案。通過運用攝像頭、毫米波雷達、激光雷達和超聲波雷達等不同的傳感器，安裝在車身的不同位置。

這些傳感器類似人的感官系統(tǒng)，主動感知周圍的環(huán)境。通過收集數(shù)據(jù)、進行靜態(tài)和動態(tài)的物體辨別、探測和追蹤，并結合導航儀等地圖數(shù)據(jù)，進行系統(tǒng)的運算和分析，從而預先讓駕駛者察覺到可能發(fā)生的危險，有效增加汽車行駛的安全性和智能舒適性。

在ADAS傳感感知方面，不同信號級別的傳感器信號如下圖1所示，從環(huán)境場景中感知真實傳感器前端的光、電、聲信號，到數(shù)字信號處理后得到的飛行時間、多普勒頻移等原始信號，最后經過感知算法和目標跟蹤得到的目標列表信號。


圖1 傳感器不同階段信號

ADAS傳感器模型

目前主流的ADAS傳感仿真可以基于三種不同級別的傳感器模型，可以應用于不同的開發(fā)測試場景：

理想傳感器

根據(jù)環(huán)境感知和障礙物追蹤，提供路面實況信息。

生成的目標列表與傳感器的物理特性無關，此類傳感器非常容易進行參數(shù)配置，主要用于快速原型/概念驗證。

高精度傳感器

此傳感器提供的目標列表會根據(jù)使用的傳感器的特性（如雷達）的不同而不同。

如高精度雷達傳感器考慮到目標RCS、回波損耗、信噪比、不同天氣信號衰減和目標遮擋等物理特性，比較貼近真實傳感模型。

可通過傳感器的分辨單元對兩個對象的融合進行建模，并且還包括延遲和噪聲。在環(huán)境感知方面，具有傳播衰減的特性。高精度傳感器主要用于功能開發(fā)/測試。

原始信號傳感器

與提供目標列表不同，該傳感器提供原始信號，這些信息將被用于信號處理及目標追蹤算法。

原始信號傳感器可以輸出不同的物理效果。如雷達原始數(shù)據(jù)傳感器可生成天線增益圖（主天線和俯仰角天線），并融合天線增益圖，以此方式來建模。原始信號傳感器主要用于部件級/原始信號處理開發(fā)與測試。

毫米波雷達感知

雷達主要通過發(fā)射電磁波，利用目標對電磁波的反射來發(fā)現(xiàn)目標并對目標進行定位。

隨著雷達技術的發(fā)展，雷達的任務不僅僅是測量目標的距離、方位和仰角，而且還包括測量目標的速度，以及從目標回波中獲取更多有關目標的信息。

雷達感知作為ADAS感知系統(tǒng)的重要組成部分，良好的雷達性能為ADAS測試提供更加準確的環(huán)境感知信息，有利于ADAS系統(tǒng)決策規(guī)劃，從而控制車輛轉向系統(tǒng)，制動系統(tǒng)和動力系統(tǒng)，進行預警和主動干預控制。

因此，在ADAS測試過程中，雷達的感知算法和目標分類算法測試不可或缺，雷達感知在ACC自適應巡航、BSD盲點探測、前碰撞預警FCW等實際應用中比較廣泛。

原始數(shù)據(jù)的獲取

為了更系統(tǒng)的了解雷達感知的內容，下面就來了解下：如何基于原始數(shù)據(jù)流來進行雷達算法的感知測試？

首先，需要了解什么是雷達的原始數(shù)據(jù)。

本次涉及的雷達原始數(shù)據(jù)是由快速傅里葉變換（FFT）的數(shù)據(jù)輸出，未經過雷達算法信號處理，即還未進行點凝聚和追蹤的數(shù)據(jù)。原始數(shù)據(jù)的獲取流程如下圖所示：


圖2 傳感器數(shù)據(jù)處理流程

那么雷達的原始數(shù)據(jù)該如何獲取呢？

可通過場景仿真軟件的物理傳感器模型來獲取雷達的原始數(shù)據(jù)流。

該原始信號傳感器模型基于知名雷達廠商大陸相關協(xié)議進行開發(fā)，根據(jù)傳感器的物理特性可直接輸出原始數(shù)據(jù)流，能保證輸出原始數(shù)據(jù)的有效性和可靠性。

一般來說，雷達原始數(shù)據(jù)獲取后，用戶需要自己做算法處理，包括目標跟蹤和信號處理，從而驗證雷達算法的策略。

對于雷達開發(fā)商來說，輸入的原始數(shù)據(jù)類型和格式都會影響雷達算法的性能測試。因此對于測試人員來講，首先原始數(shù)據(jù)輸出要保證正確有效，從而才能很好驗證雷達算法的性能，加快和完善雷達開發(fā)進程。

原始數(shù)據(jù)傳播特性

雷達原始信號傳感器可模擬虛擬環(huán)境中電磁波的傳播產生原始數(shù)據(jù)流。

在探測目標時，應該考慮到目標遮擋和物理傳播的影響，如多路徑/重復路徑傳播、多普勒頻移和假陽性/陰性的影響，來獲得更加真實的原始數(shù)據(jù)流。然后通過對單個點的信道做出脈沖響應，實現(xiàn)多個點數(shù)據(jù)來重建模擬信號。

另外，環(huán)境溫度、雨量和霧天的可視化距離等，都會影響雷達傳感器原始數(shù)據(jù)的探測，因此在實際原始數(shù)據(jù)傳播過程中，應該充分考慮這些環(huán)境條件對雷達的影響。

電磁波的傳播特性很大程度上影響了物體探測的正確性和目標距離/速度等精度。

在實際雷達傳感器發(fā)射的電磁波傳播過程中，應當考慮路邊的3D建筑物、反射和散射對道路前方交通目標所造成的干擾和影響，雷達對前方交通目標的探測很大程度上依賴于相對電場強度幅值，需要考慮傳播損耗、大氣阻尼、材料和偏振相關的反射等物理特性。

一般來說，原始信號傳感器輸出的原始數(shù)據(jù)流包括：

· 通道數(shù)量

· 飛行時間/距離

· 取決以極化的相對電場強度

· 相對多普勒頻移

· 反射次數(shù)

· 發(fā)送/接收電磁波的方向（仰角/方位角）

雷達模型原始數(shù)據(jù)注入原理

那么問題來了，了解了原始數(shù)據(jù)流輸出的特性，如何實現(xiàn)雷達算法的感知測試呢？不用急，下面以雷達模型為例來進行詳細講解。


圖3 雷達模型原始數(shù)據(jù)注入原理

理想傳感器以及高精度傳感器可直接輸出目標列表信息，包括目標的速度、距離、角度以及相應的橫向、縱向分量等信息。

而在雷達算法的測試過程中，模型需要的輸入是單個目標點的距離、速度、角度和相對電場強度等。

一般來說，雷達原始數(shù)據(jù)傳感器得出的是目標點的飛行時間、相對多普勒頻移等，即不能直接得到目標點的速度、距離和角度以及相應的橫向、縱向分量，因此需要對輸出的原始數(shù)據(jù)做一些轉換和計算。

如輸出的原始數(shù)據(jù)，想要得到目標點的速度，需要根據(jù)多普勒頻移來進行計算轉換，目標距離也需要根據(jù)飛行時間/飛行距離進行換算等。

原始數(shù)據(jù)的信號處理

在了解雷達原始數(shù)據(jù)的輸入原理和相關轉換后，該如何將雷達的原始數(shù)據(jù)注入給雷達模型呢？

首先，我們需要了解雷達模型的輸入接口特性，如輸入變量含義和單位、輸入的數(shù)據(jù)類型和輸入的數(shù)據(jù)格式，從而保證注入原始數(shù)據(jù)的正確性。

在整個模型測試系統(tǒng)中，將單個點的原始數(shù)據(jù)的類型和格式進行正確轉換，然后進行打包處理，輸入給雷達模型，雷達模型對這些數(shù)據(jù)進行信號處理，經過點凝聚和追蹤，最后可聚類得出目標的輸出信息。
如下圖4（a）和（b）所示，分別為輸入的原始數(shù)據(jù)和聚類輸出的目標列表數(shù)據(jù)。


圖4（a） 雷達模型輸入原始數(shù)據(jù)


圖4（b） 雷達模型聚類輸出數(shù)據(jù)

總結


圖5 不同類型傳感器應用

總的來說，理想傳感器/高精度傳感器可直接輸出目標列表信息，然后注入給ADAS功能模塊，如ACC/FCW模型等，可以驗證ADAS模型的功能。

原始信號傳感器，適用于雷達模型的策略驗證/圖像處理等算法驗證，通過原始信號傳感器把不同脈沖通道的點數(shù)據(jù)注入給雷達模型，然后雷達算法對原始數(shù)據(jù)進行點凝聚、追蹤處理，最后聚類成輸出的目標信息。

聚類得出的數(shù)據(jù)可以和理想傳感器/高精度傳感器直接輸出的目標數(shù)據(jù)作比較，可以很好的驗證雷達算法的策略，及時發(fā)現(xiàn)雷達算法開發(fā)過程中存在的問題。

雷達算法策略較好時，可以將雷達模型處理輸出的目標列表數(shù)據(jù)輸入給FCW/ACC等功能模塊，從而驗證ADAS MIL功能，從而加快感知算法和控制策略算法的開發(fā)和測試。

如下圖6（a）和（b）所示，為ACC功能的一個應用場景，ACC定速后，按下ACC增速開關實現(xiàn)加速的過程。


圖6（a）ACC定速


圖6（b）ACC加速

小伙伴們對基于原始數(shù)據(jù)流的雷達感知測試有了基本的認知后，是否想進一步對ADAS HiL測試有更多的了解？針對ADAS HiIL測試，如何實現(xiàn)ACC/FCW功能測試、雷達回波模擬器仿真測試？

歡迎聯(lián)系北匯信息，我們將竭誠為您提供智能網聯(lián)成套測試系統(tǒng)及服務：覆蓋自動駕駛系統(tǒng)MiL/HiL/ViL測試、車聯(lián)網測試、ADAS及雷達感知測試等。也請您關注后續(xù)北匯信息分享的相關技術文章。