목차
​레이더 사용
02 시스템 아키텍처 " >02 시스템 아키텍처
03 결론 " >03 결론
기술 주변기기 일체 포함 한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

Apr 12, 2023 pm 11:22 PM
자율주행 레이더

센서는 무인 자동차의 핵심 구성 요소입니다. 앞, 뒤, 옆 차량과의 거리를 모니터링하는 기능은 중앙 컨트롤러에 중요한 데이터를 제공합니다. 광학 및 적외선 카메라, 레이저, 초음파 및 레이더를 모두 사용하여 주변 환경, 도로 및 기타 차량에 대한 데이터를 제공할 수 있습니다. 예를 들어, 카메라를 사용하여 도로의 표시를 감지하여 차량을 올바른 차선에 유지할 수 있습니다. 이는 이미 운전자 보조 시스템(ADAS)에서 차선 이탈 경고를 제공하는 데 사용되었습니다. 오늘날의 ADAS 시스템은 충돌 감지 경고와 차량이 앞차를 따라갈 수 있는 적응형 크루즈 컨트롤에도 레이더를 사용합니다.

운전자 입력이 없는 자율주행차에는 더 많은 센서 시스템이 필요하며, 종종 더 높은 수준의 보증을 제공하기 위해 다양한 센서의 다중 입력을 사용합니다. 이러한 센서 시스템은 입증된 ADAS 구현을 바탕으로 채택되고 있지만 시스템 아키텍처는 더 넓은 범위의 센서와 더 높은 데이터 속도를 관리하기 위해 변경되고 있습니다.

​레이더 사용

적응형 순항 제어 및 충돌 감지를 위한 ADAS 시스템의 채택이 증가함에 따라 24GHz 레이더 센서의 가격이 하락하고 있습니다. 이는 이제 자동차 제조업체가 유럽의 5성급 NCAP 안전 등급을 달성하기 위한 요구 사항이 되고 있습니다.

예를 들어 Infineon Technologies의 BGT24M 24GHz 레이더 센서는 전자 제어 장치(ECU)의 외부 마이크로 컨트롤러와 함께 사용하여 최대 20 범위의 전방 차량과 일정한 거리를 유지하도록 스로틀을 수정할 수 있습니다. m, 그림 1과 같이.

한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

그림 1: Infineon Technologies의 자동차 레이더 감지 시스템.

많은 자동차 레이더 시스템은 PRI(펄스 반복 간격)라고 하는 짧은 시간 동안 송신기가 작동한 후 다음 전송 펄스까지 시스템이 수신 모드로 전환되는 펄스 도플러 방식을 사용합니다. 레이더가 돌아오면 반사를 일관되게 처리하여 감지된 물체의 범위와 상대 동작을 추출합니다.

또 다른 방법은 CWFM(연속파 주파수 변조)을 사용하는 것입니다. 이는 시간이 지남에 따라 변하는 연속 반송파 주파수를 사용하며 수신기는 지속적으로 켜져 있습니다. 송신 신호가 수신기로 누출되는 것을 방지하려면 별도의 송신 안테나와 수신 안테나를 사용해야 합니다.

BGT24MTR12는 신호 생성 및 수신을 위한 실리콘 게르마늄(SiGe) 센서로, 24.0~24.25GHz에서 작동합니다. 이 제품은 24GHz 기본 전압 제어 발진기를 사용하며 출력 주파수가 1.5GHz 및 23kHz인 전환 가능한 주파수 프리스케일러를 포함합니다.

다운컨버팅 믹서의 LO 직교 위상 생성에는 RC PPF(다상 필터)가 사용되며, 모니터링을 위해 출력 전력 센서와 온도 센서가 장치에 통합되어 있습니다.

한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

그림 2: Infineon Technologies의 BGT24MTR12 레이더 센서.

이 장치는 SPI를 통해 제어되고 0.18μm SiGe:C 기술을 사용하여 제작되었으며 차단 주파수는 200GHz이며 32핀 무연 VQFN 패키지로 제공됩니다.

그러나 자율주행차의 아키텍처는 변화하고 있습니다. ECU에 로컬이 아닌 차량 주변의 다양한 레이더 시스템의 데이터는 신호를 카메라 및 LiDAR 레이저 센서의 신호와 결합하는 중앙 고성능 컨트롤러에 공급됩니다.

컨트롤러는 그래픽 제어 장치(GCU)를 갖춘 고성능 범용 프로세서이거나 전용 하드웨어로 신호 처리를 처리할 수 있는 현장 프로그래밍 가능 게이트 어레이일 수 있습니다. 이로 인해 더 높은 데이터 속도와 더 많은 데이터 소스를 처리해야 하는 AFE(아날로그 프런트 엔드) 인터페이스 장치가 더욱 강조됩니다.

사용되는 레이더 센서의 유형도 변경되고 있습니다. 77GHz 센서는 더 긴 범위와 더 높은 해상도를 제공합니다. 77GHz 또는 79GHz 레이더 센서는 예를 들어 다른 차량을 감지하기 위해 10° 호 내에서 최대 200m의 장거리 감지를 제공하도록 실시간으로 조정될 수 있지만 최대 30°의 더 넓은 감지에도 사용할 수 있습니다. 30m 낮은 범위 호. 주파수가 높을수록 해상도가 높아져 레이더 센서 시스템이 30° 호 내의 많은 보행자를 감지하는 등 실시간으로 여러 객체를 구별할 수 있어 자율주행차 컨트롤러에게 더 많은 시간과 더 많은 데이터를 제공할 수 있습니다.

77GHz 센서는 발진 주파수가 300GHz인 실리콘 게르마늄 바이폴라 트랜지스터를 사용합니다. 이를 통해 하나의 레이더 센서를 전방 경고, 충돌 경고, 자동 제동 등 다양한 안전 시스템에 사용할 수 있으며, 77GHz 기술은 차량 진동에도 더 강해 필터링이 덜 필요합니다.

한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

그림 3: NXP에서 제공하는 자율주행 차량의 레이더 센서에 대한 다양한 사용 사례.

센서는 차량 좌표계(VCS)에서 대상 차량의 거리, 속도 및 방위각을 감지하는 데 사용됩니다. 데이터의 정확도는 레이더 센서의 정렬에 따라 달라집니다.

레이더 센서 정렬 알고리즘은 차량이 주행하는 동안 40Hz 이상을 수행합니다. 레이더 센서가 제공하는 데이터와 차량 속도, 차량에서의 센서 위치 및 포인팅 각도를 기반으로 1밀리초 이내에 정렬 불량 각도를 계산해야 합니다.

소프트웨어 도구를 사용하여 실제 차량의 도로 테스트에서 캡처한 기록된 센서 데이터를 분석할 수 있습니다. 이 테스트 데이터는 원시 레이더 감지 및 호스트 차량 속도를 기반으로 센서 오정렬 각도를 계산하기 위해 제곱 알고리즘을 사용하는 레이더 센서 정렬 알고리즘을 개발하는 데 사용할 수 있습니다. 이는 또한 제곱해의 잔차를 기반으로 계산된 각도의 정확도를 추정합니다.

02 시스템 아키텍처

그림 1과 같이 Texas Instruments의 AFE5401-Q1(그림 4)과 같은 아날로그 프런트 엔드를 사용하여 레이더 센서를 자동차 시스템의 나머지 부분에 연결할 수 있습니다. AFE5401에는 4개의 채널이 포함되어 있으며 각 채널에는 저잡음 증폭기(LNA), 선택 가능한 이퀄라이저(EQ), 프로그래밍 가능한 이득 증폭기(PGA) 및 앤티앨리어싱 필터와 고속 12비트 아날로그-디지털 신호가 포함되어 있습니다. 채널당 25MSPS 변환기(ADC). 4개의 ADC 출력은 12비트 병렬 CMOS 호환 출력 버스에서 다중화됩니다.

한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

그림 4: Texas Instruments의 AFE5401 레이더 아날로그 프런트 엔드에 있는 4개 채널을 여러 센서에 사용할 수 있습니다.

저가형 시스템을 위해 Analog Devices의 AD8284는 프로그래밍 가능 이득 증폭기(PGA) 및 앤티앨리어싱 필터와 함께 사용할 수 있는 4채널 차동 멀티플렉서(mux)를 갖춘 아날로그 프런트 엔드를 제공합니다. LNA(저잡음 전치 증폭기) 전원 공급(AAF). 또한 단일 12비트 아날로그-디지털 변환기(ADC)와 통합된 단일 직접-ADC 채널을 사용합니다. AD8284에는 AAF에 의해 필터링될 고주파 과전압 조건을 감지하는 포화 감지 회로도 포함되어 있습니다. 아날로그 채널 이득 범위는 17dB ~ 35dB(6dB 단위)이며 ADC 변환 속도는 최대 60MSPS입니다. 전체 채널의 결합된 입력 기준 전압 잡음은 이득에서 3.5nV/√Hz입니다.

AFE의 출력은 Microsemi의 IGLOO2, Fusion 또는 Intel의 Cyclone IV와 같은 프로세서나 FPGA에 공급됩니다. 이를 통해 FFT를 처리하고 주변 물체에 대해 필요한 데이터를 제공하기 위해 FPGA 설계 도구를 사용하여 하드웨어에서 2D FFT를 구현할 수 있습니다. 그런 다음 중앙 컨트롤러에 공급될 수 있습니다.

FPGA의 주요 과제는 여러 물체를 감지하는 것입니다. 이는 펄스 도플러보다 CWFM 아키텍처에 더 복잡합니다. 한 가지 접근 방식은 램프의 지속 시간과 주파수를 변경하고 감지된 주파수가 다양한 주파수 램프 경사도를 사용하여 스펙트럼을 통해 어떻게 이동하는지 평가하는 것입니다. 램프는 1ms 간격으로 변경될 수 있으므로 초당 수백 개의 변경 사항을 분석할 수 있습니다.

한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해

그림 5: Intel FPGA와 함께 사용되는 CWFM 레이더 프런트 엔드.

다른 센서의 데이터 융합도 도움이 될 수 있습니다. 카메라 데이터를 사용하면 차량의 강한 에코와 사람의 약한 에코를 구별할 수 있을 뿐만 아니라 예상되는 도플러 편이 유형도 구별할 수 있습니다.

또 다른 옵션은 CWFM을 사용하여 고속도로에서 더 먼 거리의 표적을 찾는 다중 모드 레이더와 보행자가 더 쉽게 감지되는 도시 지역을 위한 단거리 펄스 도플러 레이더입니다.

03 결론

자율주행차용 ADAS 센서 시스템의 개발은 레이더 시스템의 구현 방식을 변화시키고 있습니다. 단순한 충돌 회피 또는 적응형 크루즈 컨트롤에서 전방위 감지로 전환하는 것은 중요한 과제입니다. 레이더는 자동차 제조업체 사이에서 널리 수용되는 매우 인기 있는 감지 기술이므로 이러한 접근 방식을 위한 기술입니다. 고주파수 77GHz 센서를 멀티모드 CWFM 및 펄스 도플러 아키텍처와 카메라와 같은 다른 센서의 데이터와 결합하면 처리 하위 시스템에 심각한 문제가 발생합니다. 안전하고 일관되며 비용 효율적인 방식으로 이러한 문제를 해결하는 것은 자율주행차의 지속적인 개발에 매우 ​​중요합니다.

위 내용은 한 기사로 자율주행 레이더 센서의 응용 설계 방식 이해의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25 : Myrise에서 모든 것을 잠금 해제하는 방법
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

자율주행 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까? 자율주행 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까? Jan 17, 2024 pm 02:57 PM

위에 작성됨 및 저자의 개인적인 이해 3DGS(3차원 가우스플래팅)는 최근 몇 년간 명시적 방사선장 및 컴퓨터 그래픽 분야에서 등장한 혁신적인 기술입니다. 이 혁신적인 방법은 수백만 개의 3D 가우스를 사용하는 것이 특징이며, 이는 주로 암시적 좌표 기반 모델을 사용하여 공간 좌표를 픽셀 값에 매핑하는 NeRF(Neural Radiation Field) 방법과 매우 다릅니다. 명시적인 장면 표현과 미분 가능한 렌더링 알고리즘을 갖춘 3DGS는 실시간 렌더링 기능을 보장할 뿐만 아니라 전례 없는 수준의 제어 및 장면 편집 기능을 제공합니다. 이는 3DGS를 차세대 3D 재구성 및 표현을 위한 잠재적인 게임 체인저로 자리매김합니다. 이를 위해 우리는 처음으로 3DGS 분야의 최신 개발 및 관심사에 대한 체계적인 개요를 제공합니다.

자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까? 자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까? Jun 02, 2024 pm 02:44 PM

어제 인터뷰 도중 롱테일 관련 질문을 해본 적이 있느냐는 질문을 받아서 간략하게 요약해볼까 생각했습니다. 자율주행의 롱테일 문제는 자율주행차의 엣지 케이스, 즉 발생 확률이 낮은 가능한 시나리오를 말한다. 인지된 롱테일 문제는 현재 단일 차량 지능형 자율주행차의 운영 설계 영역을 제한하는 주요 이유 중 하나입니다. 자율주행의 기본 아키텍처와 대부분의 기술적인 문제는 해결되었으며, 나머지 5%의 롱테일 문제는 점차 자율주행 발전을 제한하는 핵심이 되었습니다. 이러한 문제에는 다양한 단편적인 시나리오, 극단적인 상황, 예측할 수 없는 인간 행동이 포함됩니다. 자율 주행에서 엣지 시나리오의 "롱테일"은 자율주행차(AV)의 엣지 케이스를 의미하며 발생 확률이 낮은 가능한 시나리오입니다. 이런 희귀한 사건

카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토 카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토 Jan 26, 2024 am 11:18 AM

0. 전면 작성&& 자율주행 시스템은 다양한 센서(예: 카메라, 라이더, 레이더 등)를 사용하여 주변 환경을 인식하고 알고리즘과 모델을 사용하는 고급 인식, 의사결정 및 제어 기술에 의존한다는 개인적인 이해 실시간 분석과 의사결정을 위해 이를 통해 차량은 도로 표지판을 인식하고, 다른 차량을 감지 및 추적하며, 보행자 행동을 예측하는 등 복잡한 교통 환경에 안전하게 작동하고 적응할 수 있게 되므로 현재 널리 주목받고 있으며 미래 교통의 중요한 발전 분야로 간주됩니다. . 하나. 하지만 자율주행을 어렵게 만드는 것은 자동차가 주변에서 일어나는 일을 어떻게 이해할 수 있는지 알아내는 것입니다. 이를 위해서는 자율주행 시스템의 3차원 객체 감지 알고리즘이 주변 환경의 객체의 위치를 ​​포함하여 정확하게 인지하고 묘사할 수 있어야 하며,

좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈 좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈 Oct 12, 2023 am 11:21 AM

첫 번째 파일럿 및 주요 기사에서는 주로 자율 주행 기술에서 일반적으로 사용되는 여러 좌표계를 소개하고 이들 간의 상관 관계 및 변환을 완료하고 최종적으로 통합 환경 모델을 구축하는 방법을 소개합니다. 여기서 초점은 차량에서 카메라 강체로의 변환(외부 매개변수), 카메라에서 이미지로의 변환(내부 매개변수), 이미지에서 픽셀 단위로의 변환을 이해하는 것입니다. 3D에서 2D로의 변환에는 해당 왜곡, 변환 등이 포함됩니다. 요점: 차량 좌표계와 카메라 본체 좌표계를 다시 작성해야 합니다. 평면 좌표계와 픽셀 좌표계 난이도: 이미지 평면에서 왜곡 제거와 왜곡 추가를 모두 고려해야 합니다. 2. 소개 좌표계에는 픽셀 평면 좌표계(u, v), 이미지 좌표계(x, y), 카메라 좌표계(), 월드 좌표계() 등 총 4가지 비전 시스템이 있습니다. 각 좌표계 사이에는 관계가 있으며,

자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! 자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! Feb 28, 2024 pm 07:20 PM

자율주행 궤적 예측은 차량의 주행 과정에서 발생하는 다양한 데이터를 분석하여 차량의 향후 주행 궤적을 예측하는 것을 의미합니다. 자율주행의 핵심 모듈인 궤도 예측의 품질은 후속 계획 제어에 매우 중요합니다. 궤적 예측 작업은 풍부한 기술 스택을 보유하고 있으며 자율 주행 동적/정적 인식, 고정밀 지도, 차선, 신경망 아키텍처(CNN&GNN&Transformer) 기술 등에 대한 익숙함이 필요합니다. 시작하기가 매우 어렵습니다! 많은 팬들은 가능한 한 빨리 궤도 예측을 시작하여 함정을 피하기를 희망합니다. 오늘은 궤도 예측을 위한 몇 가지 일반적인 문제와 입문 학습 방법을 살펴보겠습니다. 관련 지식 입문 1. 미리보기 논문이 순서대로 되어 있나요? A: 먼저 설문조사를 보세요, p

SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크 SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크 Feb 20, 2024 am 11:48 AM

원제목: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving 논문 링크: https://arxiv.org/pdf/2402.02519.pdf 코드 링크: https://github.com/HKUST-Aerial-Robotics/SIMPL 저자 단위: Hong Kong University of Science 및 기술 DJI 논문 아이디어: 이 논문은 자율주행차를 위한 간단하고 효율적인 모션 예측 기준선(SIMPL)을 제안합니다. 기존 에이전트 센트와 비교

nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다! nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다! Apr 17, 2024 pm 06:22 PM

전면 및 시작점 작성 엔드 투 엔드 패러다임은 통합 프레임워크를 사용하여 자율 주행 시스템에서 멀티 태스킹을 달성합니다. 이 패러다임의 단순성과 명확성에도 불구하고 하위 작업에 대한 엔드투엔드 자율 주행 방법의 성능은 여전히 ​​단일 작업 방법보다 훨씬 뒤떨어져 있습니다. 동시에 이전 엔드투엔드 방법에서 널리 사용된 조밀한 조감도(BEV) 기능으로 인해 더 많은 양식이나 작업으로 확장하기가 어렵습니다. 여기서는 희소 검색 중심의 엔드 투 엔드 자율 주행 패러다임(SparseAD)이 제안됩니다. 여기서 희소 검색은 밀집된 BEV 표현 없이 공간, 시간 및 작업을 포함한 전체 운전 시나리오를 완전히 나타냅니다. 특히 통합 스파스 아키텍처는 탐지, 추적, 온라인 매핑을 포함한 작업 인식을 위해 설계되었습니다. 게다가 무겁다.

엔드투엔드(End-to-End)와 차세대 자율주행 시스템, 그리고 엔드투엔드 자율주행에 대한 몇 가지 오해에 대해 이야기해볼까요? 엔드투엔드(End-to-End)와 차세대 자율주행 시스템, 그리고 엔드투엔드 자율주행에 대한 몇 가지 오해에 대해 이야기해볼까요? Apr 15, 2024 pm 04:13 PM

지난 달에는 몇 가지 잘 알려진 이유로 업계의 다양한 교사 및 급우들과 매우 집중적인 교류를 가졌습니다. 교환에서 피할 수 없는 주제는 자연스럽게 엔드투엔드와 인기 있는 Tesla FSDV12입니다. 저는 이 기회를 빌어 여러분의 참고와 토론을 위해 지금 이 순간 제 생각과 의견을 정리하고 싶습니다. End-to-End 자율주행 시스템을 어떻게 정의하고, End-to-End 해결을 위해 어떤 문제가 예상되나요? 가장 전통적인 정의에 따르면, 엔드 투 엔드 시스템은 센서로부터 원시 정보를 입력하고 작업과 관련된 변수를 직접 출력하는 시스템을 의미합니다. 예를 들어 이미지 인식에서 CNN은 기존의 특징 추출 + 분류기 방식에 비해 end-to-end 방식으로 호출할 수 있습니다. 자율주행 작업에서는 다양한 센서(카메라/LiDAR)로부터 데이터를 입력받아

See all articles