1. 物體檢測(cè)與跟蹤算法

1.1 DBSCAN

DBSCAN: Density Based Spatial Clustering of Applications with Noise;
DBSCAN是基于密度的聚類方法，對(duì)樣本分布的適應(yīng)能力比K-Means更好。

基本概念

• $(\epsilon ,MinPts)$:用來(lái)描述鄰域的密度;
• $\epsilon$:描述了某一樣本的鄰域距離閾值;
• $MinPts$:描述了鄰域中的最小樣本數(shù)。
• 核心對(duì)象:對(duì)于任一樣本，其鄰域至少包含MinPts個(gè)樣本。

算法流程

1. 找到所有的核心對(duì)象
2. 對(duì)于每一個(gè)未處理的核心對(duì)象，生成新的聚類;
3. 搜索其$\epsilon$鄰域，將$\epsilon$鄰域中的點(diǎn)加入該聚類;
4. 不斷重復(fù)以上步驟

DBSCAN的詳細(xì)講解可以參考這篇博文DBSCAN詳解
K-Means
K-Means與DBSCAN 的對(duì)比

K-Means

• 需要手工指定cluster的數(shù)量
• 所有點(diǎn)都進(jìn)行聚類，不會(huì)去除outlier
• 各個(gè)方向同等重要，只適合于球形的cluster
• 具有隨機(jī)性，每次運(yùn)行結(jié)果不一致

DBSCAN

• 不需要指定cluster個(gè)數(shù)
• 可以排除outlier
• 對(duì)樣本分布的適應(yīng)性更好
• 每次運(yùn)行結(jié)果是一致的

1.2 卡爾曼濾波

本節(jié)只是對(duì)卡爾曼濾波的應(yīng)用進(jìn)行介紹，具體原理可見(jiàn)這篇博客——詳解卡爾曼濾波原理以及https://www.kalmanfilter.net/

基本概念

以一維雷達(dá)測(cè)距為例，假設(shè)速度恒定,
系統(tǒng)狀態(tài)$x_t$: $t$時(shí)刻飛機(jī)的航程;
測(cè)量值$z_t$:雷達(dá)測(cè)距結(jié)果;
系統(tǒng)狀態(tài)的估計(jì)值$x_{t,t}$: $t$時(shí) 刻$x$的估計(jì)值(根據(jù)$z$估計(jì)) ;
系統(tǒng)狀態(tài)的預(yù)測(cè)值$x_{t+1,t}$:$t+1$時(shí)刻$x$的預(yù)測(cè)值(根據(jù)速度預(yù)測(cè))

雷達(dá)目標(biāo)跟蹤:多目標(biāo).
Tracking-by-Detection

1. 由聚類算法在單幀點(diǎn)云得到目標(biāo)輸出;
2. 提取目標(biāo)的特征，包括統(tǒng)計(jì)特征(比如點(diǎn)位置的均值，方差等)和運(yùn)動(dòng)特征(比如速度和加速度等) ;
3. 根據(jù)特征計(jì)算當(dāng)前幀的檢測(cè)目標(biāo)(detections)與已跟蹤的多個(gè)目標(biāo)(tracks)的相似度;
4. 按照相似度將de tections分配給tracks;
5. 卡爾曼濾波更新tracks的狀態(tài)參數(shù)(位置、速度等)。

2. 毫米波雷達(dá)公開(kāi)數(shù)據(jù)庫(kù)的未來(lái)發(fā)展方向

• 單模態(tài)數(shù)據(jù)庫(kù)
  • 只包含雷達(dá)數(shù)據(jù)，相對(duì)來(lái)說(shuō)應(yīng)用范圍較窄
  • 很難進(jìn)行準(zhǔn)確有效的標(biāo)注
• 多模態(tài)數(shù)據(jù)庫(kù)
  • 除了雷達(dá)數(shù)據(jù)，還包括同步的圖像和激光雷達(dá)數(shù)據(jù)
  • 雷達(dá)數(shù)據(jù)：數(shù)據(jù)塊或者點(diǎn)云

NuScenes，CARRADA，SCORP，CRUW，SeeingThroughFog
未來(lái)發(fā)展方向

• 多模態(tài)數(shù)據(jù)
  ?包括同步的圖像，激光雷達(dá)等數(shù)據(jù)，用來(lái)進(jìn)行多傳感器融合的研究。

• 多數(shù)據(jù)類型
  ?包括ADC數(shù)據(jù)，RAD數(shù)據(jù)，點(diǎn)云數(shù)據(jù)等，為不同層次的算法研究和實(shí)際應(yīng)用提供支持。

• 360度視場(chǎng)
  ?需要多個(gè)雷達(dá)配合完成，以滿足多種自動(dòng)駕駛應(yīng)用的需求。8.01。

• 大規(guī)模數(shù)據(jù)
  ?一般來(lái)說(shuō)，至少要有超過(guò)10萬(wàn)幀的不同場(chǎng)景，不同天氣條件下采集的數(shù)據(jù)。

• 豐富的標(biāo)注信息
  ?物體級(jí):類別，位置，大小，方向，分割的mask
  ?場(chǎng)景級(jí):語(yǔ)義信息，比如free space, occupied space等。

3. 4D毫米波雷達(dá)特點(diǎn)及發(fā)展趨勢(shì)

3.1 4D毫米波雷達(dá)特點(diǎn)

4D指的是距離(Range) ，水平角度(Azimuth) ，俯仰角度( Elevation)和速度(Doppler) 。一般來(lái)說(shuō)， 4D 毫米波雷達(dá)的角度分辨率相對(duì)較高，因此也經(jīng)常被稱為4D成像雷達(dá)。

4D毫米波雷達(dá)的兩個(gè)主要特點(diǎn)是:
1)可以測(cè)量高度的信息;
2)角度分辨率較高。

為了更好的理解這兩點(diǎn)，首先要了解FMCW雷達(dá)角度分辨率的依賴因素,以及為了增加角度分辨率所采用的MIMO機(jī)制。

3.1.1 FMCW雷達(dá)角度分辨率

想要測(cè)量目標(biāo)的方位角，至少需要兩個(gè)接收天線(RX).可以通過(guò)相位差來(lái)求得方位角$$\theta ={\sin }^{?1}(\frac{\omega \lambda }{2\pi d})$$

在有多個(gè)接收天線時(shí)，每個(gè)接收信號(hào)與前一個(gè)接收信號(hào)之間的相位差都是$\omega$。以下圖為例，假設(shè)有4個(gè)接收天線，以第一個(gè)接收天線為基準(zhǔn)，4個(gè)接收信號(hào)的相位差分別為0，$\omega$，2$\omega$，3$\omega$。這個(gè)序列信號(hào)的變化頻率就是$\omega$，因此我們通過(guò)FFT來(lái)提取這個(gè)分量(也就是角度FFT)。

如果場(chǎng)景中存在多個(gè)目標(biāo)，而且其距離和速度都相同,那么雷達(dá)能夠區(qū)分這些目標(biāo)的最小角度差稱之為角度分辨率。假設(shè)有以下場(chǎng)景，場(chǎng)景中有兩個(gè)目標(biāo)，其方位角分別為$\theta$和$\theta +\Delta \theta$，對(duì)應(yīng)的相位差分別為${\omega }_1$和${\omega }_2$。$${\omega }_1=\frac{2\pi }{\lambda }d\sin (\theta )$$$${\omega }_2=\frac{2\pi }{\lambda }d\sin (\theta +\Delta \theta )$$$$\Delta \omega ={\omega }_2?{\omega }_1=\frac{2\pi d}{\lambda }(\sin (\theta +\Delta \theta )?\sin (\theta ))$$因?yàn)?span id="n5n3t3z" class="katex--inline">$\sin (\theta )$的導(dǎo)數(shù)為$\cos (\theta )$，所以可得$$\Delta \omega =\frac{2\pi d}{\lambda }(\cos (\theta )\Delta \theta )$$根據(jù)傅里葉變換理論，N點(diǎn)的FFT可以區(qū)分的頻率分量最小為2π/N,這里的N就是接收天線的個(gè)數(shù)。這樣我們就可以得到可以分辨的最小角度差，也就是角度分辨率。$$\Delta \omega >\frac{2\pi }{N}$$$$?\frac{2\pi d}{\lambda }(\cos (\theta )\Delta \theta )>\frac{2\pi }{N}$$$$?\Delta \theta >\frac{\lambda }{Nd\cos (\theta )}$$通常來(lái)說(shuō)，我們?nèi)?span id="n5n3t3z" class="katex--inline">$d=\lambda /2,\theta =0$ (boresight 方向，也就是雷達(dá)的中心朝向)。這時(shí)，角度分辨率公式為: ${\theta }_{RES}=\frac{2}{N}$

從上面的推導(dǎo)可以看出，角度分辨率主要依賴于兩個(gè)因素: 1) 目標(biāo)的方位角。在boresight方向分辨率最高。越靠近雷達(dá)FOV的邊緣,角度分辨率越低。2)天線的個(gè)數(shù)。角度分辨率與天線個(gè)數(shù)城正比關(guān)系。第一個(gè)因素我們無(wú)法控制，而提高FMCW雷達(dá)角度分辨率的主要手段就是增加天線個(gè)數(shù)。

3.1.2 MIMO ( Multiple Input Multiple Output)技術(shù)

從角度分辨率的計(jì)算公式中可以看到，想要提高雷達(dá)的角度分辨率，必須增加接收天線的個(gè)數(shù)。但是，增加天線的個(gè)數(shù)，會(huì)使天線體積變得很大，此外每一個(gè)接收天線上都要附加一個(gè)單獨(dú)的鏈路來(lái)處理信號(hào)，比如混頻器、IF濾波器和ADC。不僅硬件設(shè)計(jì)變得復(fù)雜，而且成本也會(huì)增加。
采用MIMO (多發(fā)多收)的天線設(shè)計(jì)來(lái)降低接收天線的個(gè)數(shù)。比如，如果想要得到8個(gè)接收天線，采用2個(gè)發(fā)射天線和4個(gè)接收天線，這樣就可以得到等效的8個(gè)虛擬接收天線陣列。一般來(lái)說(shuō)，不同的發(fā)射天線會(huì)間隔發(fā)射，或者發(fā)射不同波形的信號(hào)，這樣接收天線就可以區(qū)分來(lái)自不同發(fā)射天線的信號(hào)。

當(dāng)發(fā)射天線有垂直方向的分布時(shí)，就可以測(cè)量目標(biāo)的俯仰角度。下圖就是一個(gè)典
型的3發(fā)4收的天線排列結(jié)構(gòu)。等效的接收天線有12個(gè)，垂直方向上有兩個(gè)天線
可以用來(lái)測(cè)量俯仰角度。

3.2 4D毫米波雷達(dá)發(fā)展趨勢(shì)

3.2.1 芯片級(jí)聯(lián)

4D成像雷達(dá)的核心在于較高的水平和垂直角度分辨率，這就需要增加發(fā)射和接收天線的個(gè)數(shù)。目前絕大多數(shù)毫米波雷達(dá)都是采用單片收發(fā)器，通常只有3發(fā)4收，也就是只有12個(gè)虛擬天線。一個(gè)增加虛擬天線的方案是基于現(xiàn)有的量產(chǎn)雷達(dá)，將多個(gè)雷達(dá)芯片進(jìn)行級(jí)聯(lián)，比如德國(guó)大陸的ARS540和華為的4D成像雷達(dá)。

ARS540采用4片級(jí)聯(lián)的形式，將4片NXP的77GHz毫米波雷達(dá)收發(fā)器(MMIC)MR3003進(jìn)行級(jí)聯(lián)。每個(gè)MR3003是3發(fā)4收，4片聯(lián)在一起就是12發(fā)16收，這樣就可以產(chǎn)生192個(gè)虛擬天線。ARS540是第一個(gè)具備能夠真正測(cè)量目標(biāo)高度的毫米波雷達(dá)，其垂直角度分辨率可以達(dá)到2.3°，水平角度分辨率可以達(dá)到1.2°

3.2.2 專用芯片

除了采用現(xiàn)有的量產(chǎn)雷達(dá)進(jìn)行級(jí)聯(lián)，還有的公司直接將多發(fā)多收的天線嵌入到一個(gè)雷達(dá)芯片里，比如Arbe, Vayyar 以及Mobileye。Arbe 提供的4D成像毫米波雷達(dá)Phoenix，采用48發(fā)48收，虛擬通道達(dá)到個(gè)2304個(gè)。Mobileye 同樣也是48發(fā)48收的天線配置，水平和垂直角分辨率可以做到0.5°和2°。

3.2.3 標(biāo)準(zhǔn)芯片+軟件提升

這種方案基于標(biāo)準(zhǔn)的雷達(dá)芯片，但是采用軟件和AI的方法來(lái)提高雷達(dá)的分辨率。這里比較有代表性的是傲酷的虛擬孔徑成像技術(shù)。傳統(tǒng)FMCW雷達(dá)重復(fù)單一的發(fā)射波形，相位差來(lái)自于多根實(shí)體接收天線，而傲酷虛擬孔徑成像雷達(dá)波形可以對(duì)發(fā)射波進(jìn)行調(diào)頻，調(diào)相、調(diào)幅，也就是說(shuō)每根接收天線在不同時(shí)間產(chǎn)生不同的相位，形成“虛擬天線孔徑”。而且這種調(diào)整是可以根據(jù)當(dāng)前環(huán)境進(jìn)行自適應(yīng)的，也就是說(shuō)根據(jù)上一幀的檢測(cè)結(jié)果來(lái)調(diào)整當(dāng)前幀的波形。

聲明

本人所有文章僅作為自己的學(xué)習(xí)記錄，若有侵權(quán)，聯(lián)系立刪。本系列文章主要參考了清華大學(xué)、北京理工大學(xué)、哈爾濱工業(yè)大學(xué)、深藍(lán)學(xué)院、百度Apollo等相關(guān)課程。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-679749.html

到了這里，關(guān)于自動(dòng)駕駛感知——物體檢測(cè)與跟蹤算法|4D毫米波雷達(dá)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！