CN108020837A - 雷达、雷达成像的方法、装置和无人驾驶汽车 - Google Patents
雷达、雷达成像的方法、装置和无人驾驶汽车 Download PDFInfo
- Publication number
- CN108020837A CN108020837A CN201610942985.9A CN201610942985A CN108020837A CN 108020837 A CN108020837 A CN 108020837A CN 201610942985 A CN201610942985 A CN 201610942985A CN 108020837 A CN108020837 A CN 108020837A
- Authority
- CN
- China
- Prior art keywords
- signal
- radar
- echo
- mrow
- msub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
Abstract
本发明公开了一种雷达、雷达成像的方法、装置和无人驾驶汽车。其中,该雷达包括:天线,用于发送发射信号;射频板,与天线连接,用于接收天线接收到的发射信号对应的回波信号;信号处理板,与射频板连接,用于接收回波信号,并依据回波信号生成雷达图像。本发明解决了由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的技术问题。
Description
技术领域
本发明涉及电子应用技术领域,具体而言,涉及一种雷达、雷达成像的方法、装置和无人驾驶汽车。
背景技术
随着无人驾驶汽车技术的发展,在如何让汽车依据当前道路行驶状况,准确评估车与车,车与人,车与路之间的距离,成为了当前技术领域中各方积极研发的方向。
现有技术中利用安装在车上的传感器,在行驶过程中随时采集并分析汽车周围的二维图像数据。将该数据传输至无人驾驶汽车的控制系统,为无人驾驶汽车控制提供决策支持。
现有技术方案,主要包括视觉摄像头和激光雷达方案,具体如下:
方案一,视觉摄像头方案,该视觉摄像头方案技术原理是,通过摄像头对汽车周围物体进行实时监测,同时配以算法计算出物体与车辆的距离,从而实现车道偏离警告、前车防撞、行人探测等功能。
方案二,单线激光雷达方案,该单线激光雷达方案技术原理是,通过单线激光传感器对汽车周围物体进行精确地距离测量,并将测量结果。
其中,现有技术中方案一中以视觉摄像头为传感器来获取汽车周围环境的二维图像数据的这一方案,其缺陷在于:易受到光照、天气等因素的影响;在夜晚、强光、大雾、雨雪等环境下,几乎无法正常工作。其次,无法实现360°成像,并且伴随摄像头拍摄的视频数据,在数据传输和数据处理上,数据量大,计算开销严重。
在方案二中以单线激光雷达为传感器来获取汽车周围环境的二维图像数据,其缺陷在于:在浓雾、暴雪等极端天气环境下,几乎无法正常工作,并且设备价格较贵。
针对上述由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种雷达、雷达成像的方法、装置和无人驾驶汽车,以至少解决由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的技术问题。
根据本发明实施例的一个方面,提供了一种雷达,应用于无人驾驶汽车,包括:雷达探测装置和旋转圆盘,其中,雷达探测装置,用于探测无人驾驶汽车在行驶过程中的路面状况;旋转圆盘,位于无人驾驶汽车顶部,与雷达探测装置连接,用于转动雷达探测装置。
可选的,雷达探测装置包括:天线、射频板、信号处理板和雷达图像显示器,其中,天线,用于发送发射信号;射频板,与天线连接,用于接收天线接收到的发射信号对应的回波信号;信号处理板,与射频板连接,用于接收回波信号,并依据回波信号生成雷达图像。
进一步地,可选的,天线包括:接收天线和发射天线,其中,发射天线,用于发送发射信号;接收天线,用于接收发射信号返回的回波信号,其中,发射天线和接收天线分别与射频板连接。
可选的,射频板在发射天线发送发射信号之前,配置发射信号,并通过发射天线发送发射信号。
进一步地,可选的,射频板包括:功率放大器组、压控振荡器和混频器,其中,压控振荡器,用于生成发射信号;功率放大器组中的第一功率放大器的信号输入端与压控振荡器连接,用于放大发射信号;第一功率放大器的信号输出端与发射天线连接,用于通过发射天线发送发射信号;功率放大器组中的第二功率放大器的信号输入端与接收天线连接,用于接收发射信号的回波信号,并放大回波信号;混频器,分别与压控振荡器和第二功率放大器的信号输出端连接,用于将压控振荡器生成的发射信号与放大后的回波信号进行混频,得到混频信号。
可选的,信号处理板,与射频板连接,用于接收混频信号,并依据混频信号生成雷达图像。
可选的,旋转圆盘,安装在无人驾驶汽车的顶部,用于通过旋转带动雷达探测装置探测无人驾驶汽车在行驶过程中无人驾驶汽车四周的路面状况,其中,雷达探测装置位于旋转圆盘的边沿。
根据本发明实施例的另一个方面,提供了一种雷达成像的方法,包括:应用于上述一个方面中的雷达,包括:接收回波信号;依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;计算当前显示的雷达图像中每个像素点的距离历史数据;依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像。
可选的,依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据,包括:依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据,其中,依据回波信号中的采样时刻,对回波信号进行傅里叶变换包括:S(f,u)=∫s(t,u)exp(-j2πft)dt,其中,t为回波信号的采样时刻,u为发射信号的发射时刻。
可选的,计算当前显示的雷达图像中每个像素点的距离历史数据,包括:对雷达图像中每个像素点依据距离公式,计算每个像素点的距离历史数据,其中,计算每个像素点的距离历史数据包括:其中,每个像素点标记为(xn,yn)(n=1,2,...,N),其中,y轴表示无人驾驶汽车运动方向矢量;x轴表示无人驾驶汽车在与y轴垂直且在位于地平面内的方向矢量;表示无人驾驶汽车在x方向的坐标;表示无人驾驶汽车在y方向的坐标;h表示雷达相对于地平面的高度;v表示无人驾驶汽车运动速度;r和ω分别表示旋转圆盘的旋转半径和旋转角速度;xn和yn分别表示每个图像像素点在x和y轴的坐标。
可选的,依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像,包括:依据历史数据和傅里叶变换后的数据通过预设散射强度公式进行计算,得到散射强度值,其中,依据历史数据和傅里叶变换后的数据通过预设散射强度公式进行计算包括:其中,每个像素点(xn,yn)的天线增益;B表示发射信号带宽;T表示发射信号时宽;fc表示雷达工作频率;c表示电磁波传播速度。
根据本发明实施例的又一个方面,提供了一种雷达成像的装置,包括:接收模块,用于接收回波信号;第一数据计算模块,用于依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;第二数据计算模块,用于计算当前显示的雷达图像中每个像素点的距离历史数据;图像生成模块,用于依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像。
根据本发明实施例的再一个方面,提供了一种无人驾驶汽车,包括:雷达和汽车运动部件,其中,雷达包括一方面中任一雷达。
在本发明实施例中,采用在无人驾驶汽车上安装可旋转的毫米波雷达的方式,通过接收回波信号;依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;计算当前显示的雷达图像中每个像素点的距离历史数据;依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像,达到了无论环境如何均能显示无人驾驶汽车周围路况的目的,从而实现了在各种环境中均能显示无人驾驶汽车周围路况的技术效果,进而解决了由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的雷达的结构示意图;
图2是本发明实施例的在无人驾驶汽车上的雷达探测装置的结构示意图;
图3是本发明实施例的在无人驾驶汽车上的雷达探测装置中射频板的结构示意图;
图4是根据本发明实施例的雷达成像的方法的流程示意图;
图5是根据本发明实施例的一种雷达成像的方法的流程示意图;
图6是根据本发明实施例的雷达成像的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
图1是根据本发明实施例的雷达的结构示意图,如图1所示,应用于无人驾驶汽车,该雷达包括:雷达探测装置12和旋转圆盘14,其中,
雷达探测装置12,用于探测无人驾驶汽车在行驶过程中的路面状况;旋转圆盘14,位于无人驾驶汽车顶部,与雷达探测装置12连接,用于转动雷达探测装置12。
具体的,本申请实施例提供的雷达可以包括:毫米波雷达,其中,毫米波雷达的优点在于:
优点一:雷达工作波长短,较小的天线尺寸即能够获得较高的角度分辨率;
优点二:射频收发芯片集成度高,整个雷达射频前端都可以用一个毫米波射频芯片完成;
优点三:基于高集成度的雷达射频前端,整机雷达成本相对较低;
利用雷达二维成像雷达,能够实现距离向和方位向的高分辨。这里本申请实施例中,通过安装于旋转圆盘14的雷达探测装置12执行毫米波雷达(以下简称“雷达”)的功能,其中,①雷达发射大带宽信号,利用脉冲压缩技术实现距离向高分辨;②利用自身运动,对不同方位目标回波的多普勒频率存在差异,对其进行多普勒处理,能够实现方位向的高分辨,即,通过旋转圆盘14的旋转以使得雷达探测装置12对不同方位目标回波的多普勒频率存在差异,进行多普勒处理,能够实现方位向的高分辨。
本申请实施例提供的雷达,如图1所示,图1是本发明实施例的在无人驾驶汽车上的雷达的结构示意图。其中,雷达探测装置12,依据安置于车顶的旋转圆盘14进行旋转,其中为了探测无人驾驶汽车周围的路面状况,雷达探测装置12安装于旋转圆盘14的边沿,随着旋转圆盘14沿中心轴旋转,雷达探测装置12对无人驾驶汽车的四周进行路面状况进行探测。
这里需要说明的是本申请实施例中提供的雷达仅以毫米波雷达为例进行说明,以实现本申请实施例提供的雷达为准,具体不做限定。
本申请实施例提供的雷达中,采用在无人驾驶汽车上安装可旋转的毫米波雷达的方式,通过接收回波信号;依据回波信号中的采样时刻进行傅里叶变换,得到傅里叶变换后的数据;计算雷达图像中每个像素点的距离历史数据;依据距离历史数据和傅里叶变换后的采样时刻的数据,计算散射强度值,得到雷达图像,达到了无论环境如何均能显示无人驾驶汽车周围路况的目的,从而实现了在各种环境中均能显示无人驾驶汽车周围路况的技术效果,进而解决了由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的技术问题。
可选的,雷达探测装置12包括:天线121、射频板122、信号处理板123和雷达图像显示器124,其中,
天线121,用于发送发射信号;在接收发射信号对应的回波信号的过程中,射频板122,与天线121连接,用于接收天线121接收到的发射信号对应的回波信号;信号处理板123,与射频板122连接,用于接收回波信号,并依据回波信号生成雷达图像;其中,天线121,用于接收回波信号;射频板122,用于解调该回波信号;信号处理板123,用于数字采集回波信号。
区别于接收发射信号对应的回波信号的过程,在发送发射信号的过程中,射频板122,用于调制发射信号;天线121,用于发送发射信号。
进一步地,可选的,天线121包括:接收天线1211和发射天线1212,其中,发射天线1212,用于发送发射信号;接收天线1211,用于接收发射信号返回的回波信号,其中,发射天线1212和接收天线1211分别与射频板122连接。
可选的,射频板122在发射天线1212发送发射信号之前,配置发射信号,并通过发射天线1212发送发射信号。
具体的,本申请实施例所提及的雷达中,雷达探测装置12如图2所示,图2是本发明实施例的在无人驾驶汽车上的雷达探测装置的结构示意图。其中,包含一个发射天线1212和一个接收天线1211。射频板122配置发射信号,由发射天线1212发射电磁波;电磁波经由观测区域内目标的散射,由接收天线1211接收目标散射信号,并由射频板122将该回波数据传输至信号处理板123。
进一步地,可选的,射频板122包括:功率放大器组1221、压控振荡器1222和混频器1223,其中,
压控振荡器1222,用于生成发射信号;功率放大器组中1221的第一功率放大器12211的信号输入端与压控振荡器1222连接,用于放大发射信号;第一功率放大器12211的信号输出端与发射天线1212连接,用于通过发射天线1212发送发射信号;功率放大器组1221中的第二功率放大器12212的信号输入端与接收天线1211连接,用于接收发射信号的回波信号,并放大回波信号;混频器1223,分别与压控振荡器1222和第二功率放大器12212的信号输出端连接,用于将压控振荡器1222生成的发射信号与放大后的回波信号进行混频,得到混频信号。
可选的,信号处理板123,与射频板122连接,用于接收混频信号,并依据混频信号生成雷达图像。
具体的,射频板122内部流程如图3所示,图3是本发明实施例的在无人驾驶汽车上的雷达探测装置中射频板的结构示意图。由压控振荡器1222产生发射信号,经过第一功率放大器12211由发射天线1212发射。接收天线1211接收目标回波,经过第二功率放大器12212,并通过混频器1223与压控振荡器1222产生的发射信号混频,最后将混频后的雷达回波数据传输至信号处理板123。
可选的,旋转圆盘14,安装在无人驾驶汽车的顶部,用于通过旋转带动雷达探测装置12探测无人驾驶汽车在行驶过程中无人驾驶汽车四周的路面状况,其中,雷达探测装置12位于旋转圆盘14的边沿。
实施例2
根据本发明实施例,提供了一种雷达成像的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图4是根据本发明实施例的雷达成像的方法的流程示意图,如图4所示,应用于上述一个方面中的雷达,该方法包括如下步骤:
步骤S402,接收回波信号;
步骤S404,依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;
步骤S406,计算当前显示的雷达图像中每个像素点的距离历史数据;
步骤S408,依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像。
本申请实施例提供的雷达成像的方法中,采用在无人驾驶汽车上安装可旋转的毫米波雷达的方式,通过接收回波信号;依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;计算当前显示的雷达图像中每个像素点的距离历史数据;依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像,达到了无论环境如何均能显示无人驾驶汽车周围路况的目的,从而实现了在各种环境中均能显示无人驾驶汽车周围路况的技术效果,进而解决了由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的技术问题。
可选的,步骤S404中依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据,包括:
依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据,其中,依据回波信号中的采样时刻,对回波信号进行傅里叶变换包括:S(f,u)=∫s(t,u)exp(-j2πft)dt,其中,t为回波信号的采样时刻,u为发射信号的发射时刻。
可选的,步骤S406中计算当前显示的雷达图像中每个像素点的距离历史数据,包括:
对雷达图像中每个像素点依据距离公式,计算每个像素点的距离历史数据,其中,计算每个像素点的距离历史数据包括:
其中,每个像素点标记为(xn,yn)(n=1,2,...,N),其中,y轴表示无人驾驶汽车运动方向矢量;x轴表示无人驾驶汽车在与y轴垂直且在位于地平面内的方向矢量;表示无人驾驶汽车在x方向的坐标;表示无人驾驶汽车在y方向的坐标;h表示雷达相对于地平面的高度;v表示无人驾驶汽车运动速度;r和ω分别表示旋转圆盘的旋转半径和旋转角速度;xn和yn分别表示每个图像像素点在x和y轴的坐标。
可选的,步骤S408中依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像,包括:
依据历史数据和傅里叶变换后的数据通过预设散射强度公式进行计算,得到散射强度值,其中,依据历史数据和傅里叶变换后的数据通过预设散射强度公式进行计算包括:
其中,每个像素点(xn,yn)的天线增益;B表示发射信号带宽;T表示发射信号时宽;fc表示雷达工作频率;c表示电磁波传播速度。
具体的,结合步骤S402至步骤S408,本申请实施例提供的雷达成像的方法具体如下:
具体的如图5所示,图5是根据本发明实施例的一种雷达成像的方法的流程示意图。本申请实施例提供的雷达成像的方法可以适用于实施例1中提供的雷达中的信号处理板中,其中,信号处理板内部流程如下;
雷达回波数据用s(t,u)表示,其中t表示快时间(即,模数转换器ADC的采样时刻),u表示慢时间(即,不同时刻发送发射信号的发射时刻)。
在步骤1,对雷达回波数据s(t,u)按快时间t进行傅里叶变换,得到变换后的数据S(f,u),即
S(f,u)=∫s(t,u)exp(-j2πft)dt (1)
在步骤2,对于雷达图像中的像素点(xn,yn)(n=1,2,...,N),按照下式计算其距离历史,即
其中,定义y轴表示汽车运动方向矢量;x轴表示汽车在其与y轴垂直且在位于地平面内的方向矢量;表示汽车在x方向的坐标;表示汽车在y方向的坐标;h表示雷达相对于地平面的高度;v表示汽车运动速度;r和ω分别表示圆盘的旋转半径和旋转角速度;xn和yn分别表示图像像素点在x和y轴的坐标。
在步骤3,对于雷达图像中的像素点(xn,yn)(n=1,2,...,N),按照下式计算其散射强度值,即
其中,像素点(xn,yn)的天线增益;B表示发射信号带宽;T表示发射信号时宽;fc表示雷达工作频率;c表示电磁波传播速度。
相比于现有的摄像头成像方案,本申请实施例中提供的雷达成像的方法和实施例1中提供的雷达能够在任意光照、气候条件下工作。
实施例3
图6是根据本发明实施例的雷达成像的装置的结构示意图,如图6所示,应用于上述实施例1中的雷达,该装置包括:
接收模块62,用于接收回波信号;第一数据计算模块64,用于依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;第二数据计算模块66,用于计算当前显示的雷达图像中每个像素点的距离历史数据;图像生成模块68,用于依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像。
本申请实施例提供的雷达成像的装置中,采用在无人驾驶汽车上安装可旋转的毫米波雷达的方式,通过接收回波信号;依据回波信号中的采样时刻,对回波信号进行傅里叶变换,得到傅里叶变换后的数据;计算当前显示的雷达图像中每个像素点的距离历史数据;依据距离历史数据和傅里叶变换后的数据,计算散射强度值,得到雷达图像,达到了无论环境如何均能显示无人驾驶汽车周围路况的目的,从而实现了在各种环境中均能显示无人驾驶汽车周围路况的技术效果,进而解决了由于现有技术中无论视觉摄像头方案还是单线激光雷达方案均存在适用环境有限,且无法满足各种天气情况下无人驾驶汽车控制的需求的技术问题。
实施例4
根据本发明实施例的再一个方面,提供了一种无人驾驶汽车,包括:雷达和汽车运动部件,其中,雷达包括实施例1中图1至图3中任一所示的雷达。
本发明的目的是,提供一种用于汽车无人驾驶的圆盘扫描二维成像雷达,能够在任何光照环境、任何天气环境下正常工作;圆盘处于旋转状态,能够感知车身周围360°环境;且计算量和成本适中。
相比于其他常见的雷达频段,包括米波、分米波和厘米波频段,毫米波频段雷达具有如下优势:雷达工作波长短,较小的天线尺寸即能够获得较高的角度分辨率;射频收发芯片集成度高,整个雷达射频前端都可以用一个毫米波射频芯片完成;基于高集成度的雷达射频前端,整机雷达成本相对较低;利用雷达二维成像雷达,能够实现距离向和方位向的高分辨。其中,①雷达发射大带宽信号,利用脉冲压缩技术实现距离向高分辨;②利用自身运动,对不同方位目标回波的多普勒频率存在差异,对其进行多普勒处理,能够实现方位向的高分辨。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种雷达,其特征在于,应用于无人驾驶汽车,包括:雷达探测装置和旋转圆盘,其中,
所述雷达探测装置,用于探测所述无人驾驶汽车在行驶过程中的路面状况;
所述旋转圆盘,位于所述无人驾驶汽车顶部,与所述雷达探测装置连接,用于转动所述雷达探测装置。
2.根据权利要求1所述的雷达,其特征在于,所述雷达探测装置包括:天线、射频板、信号处理板和雷达图像显示器,其中,
所述天线,用于发送发射信号;
所述射频板,与所述天线连接,用于接收所述天线接收到的所述发射信号对应的回波信号;
所述信号处理板,与所述射频板连接,用于接收所述回波信号,并依据所述回波信号生成雷达图像。
3.根据权利要求2所述的雷达,其特征在于,所述天线包括:接收天线和发射天线,其中,所述发射天线,用于发送所述发射信号;所述接收天线,用于接收所述发射信号返回的所述回波信号,其中,所述发射天线和所述接收天线分别与所述射频板连接。
4.根据权利要求3所述的雷达,其特征在于,所述射频板在所述发射天线发送所述发射信号之前,配置所述发射信号,并通过所述发射天线发送所述发射信号。
5.根据权利要求4所述的雷达,其特征在于,所述射频板包括:功率放大器组、压控振荡器和混频器,其中,
所述压控振荡器,用于生成所述发射信号;
所述功率放大器组中的第一功率放大器的信号输入端与所述压控振荡器连接,用于放大所述发射信号;所述第一功率放大器的信号输出端与所述发射天线连接,用于通过所述发射天线发送所述发射信号;
所述功率放大器组中的第二功率放大器的信号输入端与所述接收天线连接,用于接收所述发射信号的所述回波信号,并放大所述回波信号;
所述混频器,分别与所述压控振荡器和所述第二功率放大器的信号输出端连接,用于将所述压控振荡器生成的所述发射信号与放大后的所述回波信号进行混频,得到混频信号。
6.根据权利要求5所述的雷达,其特征在于,所述信号处理板,与所述射频板连接,用于接收所述混频信号,并依据所述混频信号生成所述雷达图像。
7.根据权利要求1所述的雷达,其特征在于,所述旋转圆盘,安装在所述无人驾驶汽车的顶部,用于通过旋转带动所述雷达探测装置探测所述无人驾驶汽车在行驶过程中所述无人驾驶汽车四周的所述路面状况,其中,所述雷达探测装置位于所述旋转圆盘的边沿。
8.一种雷达成像的方法,其特征在于,应用于权利要求1中所述的雷达,包括:
接收回波信号;
依据所述回波信号中的采样时刻,对所述回波信号进行傅里叶变换,得到傅里叶变换后的数据;
计算当前显示的雷达图像中每个像素点的距离历史数据;
依据所述距离历史数据和所述傅里叶变换后的数据,计算散射强度值,得到雷达图像。
9.根据权利要求8所述的方法,其特征在于,所述依据所述回波信号中的采样时刻,对所述回波信号进行傅里叶变换,得到傅里叶变换后的数据,包括:
依据所述回波信号中的所述采样时刻,对所述回波信号进行傅里叶变换,得到所述傅里叶变换后的数据,其中,所述依据所述回波信号中的所述采样时刻,对所述回波信号进行傅里叶变换包括:
S(f,u)=∫s(t,u)exp(-j2πft)dt,其中,t为所述回波信号的采样时刻,u为发射信号的发射时刻。
10.根据权利要求8所述的方法,其特征在于,所述计算当前显示的雷达图像中每个像素点的距离历史数据,包括:
对所述雷达图像中每个像素点依据距离公式,计算所述每个像素点的距离历史数据,其中,所述计算所述每个像素点的距离历史数据包括:
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mo>+</mo>
<mi>r</mi>
<mi> </mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&omega;</mi>
<mi>u</mi>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<mover>
<mi>y</mi>
<mo>~</mo>
</mover>
<mo>+</mo>
<mi>r</mi>
<mi> </mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&omega;</mi>
<mi>u</mi>
<mo>+</mo>
<mi>v</mi>
<mi>u</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>h</mi>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>;</mo>
</mrow>
其中,所述每个像素点标记为(xn,yn)(n=1,2,...,N),其中,y轴表示所述无人驾驶汽车运动方向矢量;x轴表示所述无人驾驶汽车在与y轴垂直且在位于地平面内的方向矢量;表示所述无人驾驶汽车在x方向的坐标;表示所述无人驾驶汽车在y方向的坐标;h表示雷达相对于地平面的高度;v表示所述无人驾驶汽车运动速度;r和ω分别表示旋转圆盘的旋转半径和旋转角速度;xn和yn分别表示所述每个图像像素点在x和y轴的坐标。
11.根据权利要求8所述的方法,其特征在于,所述依据所述距离历史数据和所述傅里叶变换后的数据,计算散射强度值,得到雷达图像,包括:
依据所述历史数据和所述傅里叶变换后的数据通过预设散射强度公式进行计算,得到所述散射强度值,其中,所述依据所述历史数据和所述傅里叶变换后的数据通过预设散射强度公式进行计算包括:
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>&Integral;</mo>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mi>B</mi>
<mi>T</mi>
</mfrac>
<mfrac>
<mrow>
<mn>2</mn>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>c</mi>
</mfrac>
<mo>,</mo>
<mi>u</mi>
<mo>)</mo>
</mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mi>c</mi>
</msub>
<mfrac>
<mrow>
<mn>2</mn>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>;</mo>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mi>c</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>u</mi>
<mo>;</mo>
</mrow>
其中,每个像素点(xn,yn)的天线增益;B表示发射信号带宽;T表示发射信号时宽;fc表示雷达工作频率;c表示电磁波传播速度。
12.一种雷达成像的装置,其特征在于,包括:
接收模块,用于接收回波信号;
第一数据计算模块,用于依据所述回波信号中的采样时刻,对所述回波信号进行傅里叶变换,得到傅里叶变换后的数据;
第二数据计算模块,用于计算当前显示的雷达图像中每个像素点的距离历史数据;
图像生成模块,用于依据所述距离历史数据和所述傅里叶变换后的数据,计算散射强度值,得到雷达图像。
13.一种无人驾驶汽车,其特征在于,包括:雷达和汽车运动部件,其中,所述雷达包括权利要求1至7中任一所述的雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610942985.9A CN108020837A (zh) | 2016-11-01 | 2016-11-01 | 雷达、雷达成像的方法、装置和无人驾驶汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610942985.9A CN108020837A (zh) | 2016-11-01 | 2016-11-01 | 雷达、雷达成像的方法、装置和无人驾驶汽车 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108020837A true CN108020837A (zh) | 2018-05-11 |
Family
ID=62070610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610942985.9A Pending CN108020837A (zh) | 2016-11-01 | 2016-11-01 | 雷达、雷达成像的方法、装置和无人驾驶汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108020837A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020252743A1 (zh) * | 2019-06-20 | 2020-12-24 | 华为技术有限公司 | 一种雷达系统 |
CN113085846A (zh) * | 2021-04-13 | 2021-07-09 | 龙岩学院 | 车载视觉辅助驾驶系统及其控制方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661106A (zh) * | 2008-08-28 | 2010-03-03 | 阮树成 | 毫米波随机二相码调相调幅汽车防撞雷达 |
CN101765789A (zh) * | 2007-05-21 | 2010-06-30 | 空间数码系统公司 | 用于通过测量空间频率分量进行雷达成像的装置和方法 |
CN101813778A (zh) * | 2010-04-20 | 2010-08-25 | 长春艾克思科技有限责任公司 | 汽车多线激光雷达系统 |
CN201667129U (zh) * | 2010-04-19 | 2010-12-08 | 陕西科技大学 | 一种车流量检测装置 |
CN102301255A (zh) * | 2008-10-03 | 2011-12-28 | 雀莱斯企业股份有限公司 | 移动毫米波成像雷达系统 |
CN202305803U (zh) * | 2011-11-03 | 2012-07-04 | 广东好帮手电子科技股份有限公司 | 车载四线激光雷达系统及其电路 |
CN102608602A (zh) * | 2012-03-13 | 2012-07-25 | 北京航空航天大学 | 一种基于完全互补序列的超低旁瓣合成孔径雷达成像方法 |
CN104950313A (zh) * | 2015-06-11 | 2015-09-30 | 同济大学 | 一种路面提取及道路坡度识别方法 |
CN105137388A (zh) * | 2015-08-17 | 2015-12-09 | 周口师范学院 | 一种基于外辐射源的无源雷达固定目标频域测向方法 |
CN205176271U (zh) * | 2015-12-15 | 2016-04-20 | 南京慧尔视智能科技有限公司 | 基于微波的路口存在检测装置 |
CN105549010A (zh) * | 2015-12-14 | 2016-05-04 | 中国科学院电子学研究所 | 频域合成孔径雷达成像方法 |
CN205643703U (zh) * | 2016-04-07 | 2016-10-12 | 四川巡天揽胜信息技术有限公司 | 一种雷达测速系统 |
-
2016
- 2016-11-01 CN CN201610942985.9A patent/CN108020837A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101765789A (zh) * | 2007-05-21 | 2010-06-30 | 空间数码系统公司 | 用于通过测量空间频率分量进行雷达成像的装置和方法 |
CN101661106A (zh) * | 2008-08-28 | 2010-03-03 | 阮树成 | 毫米波随机二相码调相调幅汽车防撞雷达 |
CN102301255A (zh) * | 2008-10-03 | 2011-12-28 | 雀莱斯企业股份有限公司 | 移动毫米波成像雷达系统 |
CN201667129U (zh) * | 2010-04-19 | 2010-12-08 | 陕西科技大学 | 一种车流量检测装置 |
CN101813778A (zh) * | 2010-04-20 | 2010-08-25 | 长春艾克思科技有限责任公司 | 汽车多线激光雷达系统 |
CN202305803U (zh) * | 2011-11-03 | 2012-07-04 | 广东好帮手电子科技股份有限公司 | 车载四线激光雷达系统及其电路 |
CN102608602A (zh) * | 2012-03-13 | 2012-07-25 | 北京航空航天大学 | 一种基于完全互补序列的超低旁瓣合成孔径雷达成像方法 |
CN104950313A (zh) * | 2015-06-11 | 2015-09-30 | 同济大学 | 一种路面提取及道路坡度识别方法 |
CN105137388A (zh) * | 2015-08-17 | 2015-12-09 | 周口师范学院 | 一种基于外辐射源的无源雷达固定目标频域测向方法 |
CN105549010A (zh) * | 2015-12-14 | 2016-05-04 | 中国科学院电子学研究所 | 频域合成孔径雷达成像方法 |
CN205176271U (zh) * | 2015-12-15 | 2016-04-20 | 南京慧尔视智能科技有限公司 | 基于微波的路口存在检测装置 |
CN205643703U (zh) * | 2016-04-07 | 2016-10-12 | 四川巡天揽胜信息技术有限公司 | 一种雷达测速系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020252743A1 (zh) * | 2019-06-20 | 2020-12-24 | 华为技术有限公司 | 一种雷达系统 |
CN113085846A (zh) * | 2021-04-13 | 2021-07-09 | 龙岩学院 | 车载视觉辅助驾驶系统及其控制方法 |
CN113085846B (zh) * | 2021-04-13 | 2023-10-27 | 龙岩学院 | 车载视觉辅助驾驶系统及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11393097B2 (en) | Using light detection and ranging (LIDAR) to train camera and imaging radar deep learning networks | |
KR102377765B1 (ko) | 자율-주행 차량들에 대한 3d 환경 이미징을 가능하게 하기 위해 높이에서의 위상각 측정에 대한 수직 오프셋을 갖는 안테나 어레이들을 갖는 자동차 레이더 | |
US9733348B2 (en) | Vehicle radar with beam adjustment | |
US11494979B2 (en) | Bounding box estimation and lane vehicle association | |
US11475678B2 (en) | Lane marker detection and lane instance recognition | |
CN109017570A (zh) | 车辆周围场景呈现方法和装置、车辆 | |
US11544940B2 (en) | Hybrid lane estimation using both deep learning and computer vision | |
US20180074191A1 (en) | Centralized vehicle radar methods and systems | |
KR20210061597A (ko) | 참조 데이터를 이용한 레이더 데이터 처리 장치 및 방법 | |
EP4137846A1 (en) | High-precision map generation method, localization method, and device | |
US10338208B2 (en) | Object detection in multiple radars | |
US20170307733A1 (en) | Vehicle radar methods and systems | |
CN115031981A (zh) | 一种车辆、传感器的仿真方法及装置 | |
US20190072659A1 (en) | Artificial-Intelligence Controlled Adaptive Multi-Purpose Beam Forming Automobile Radar | |
CN107561532A (zh) | 成像雷达、车辆以及成像方法 | |
CN108008390A (zh) | 车辆雷达控制 | |
CN112714877B (zh) | 信号传输方法及装置、信号处理方法及装置以及雷达系统 | |
CN108020837A (zh) | 雷达、雷达成像的方法、装置和无人驾驶汽车 | |
CN206990798U (zh) | 雷达 | |
JP2024501114A (ja) | レーダーまたはlidarビームステアリングを使用する自車速度推定 | |
CN206431284U (zh) | 雷达及交通工具 | |
US20220413129A1 (en) | Methods and Systems for Detecting and Mitigating Automotive Radar Interference | |
CN206369807U (zh) | 成像雷达以及车辆 | |
CN108020832B (zh) | 探测设备、探测系统及雷达成像的处理方法 | |
CN206557374U (zh) | 探测设备、探测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |