1. 4차원 밀리미터파 레이더의 필요성과 고도화
3D 밀리미터파 레이더 대신 4D 밀리미터파 레이더를 사용하는 것은 주로 3D 밀리미터파 레이더의 성능 병목 현상을 해결하고 더 나은 인식 결과를 얻어 ADAS 시스템의 정확도와 편의성을 향상시키는 데 사용됩니다. 일반적으로 3D 밀리미터파 레이더에는 주로 다음과 같은 성능 병목 현상이 있습니다.
1. 앞의 장애물을 정확하게 감지할 수 없음
3D 레이더의 약한 피치 분해 능력으로 인해 오경보가 발생하기 쉬운 고고도 표적과 지상 표적을 구별하는 것이 거의 불가능합니다. 일반적으로 3D 레이더의 피치 치수 분해능은 10°를 초과하지만 4D 레이더는 기본적으로 1~2°로 목표물의 높이를 정확하게 측정할 수 있습니다.
2. 표적 탐지 정확도 저하
3D 레이더는 3T4R 안테나 설계를 사용하여 총 12채널, 일반적인 각도 정확도는 1~1.5°이며 측면 편차가 큽니다. ADAS 시스템.
4D 레이더는 일반적으로 6T8R 또는 심지어 12T16R이며 각도 정확도가 0.1~0.4°이고 측면 편차가 작고 목표 위치가 정확하며 ADAS 시스템 효과가 우수합니다.
3. 크기, 제목 정보 없음
3D 레이더 포인트 클라우드가 희박하고 대상의 크기와 방향을 정확하게 추정할 수 없으며, 자가 차량에 대한 위험한 대상의 위협을 적시에 감지할 수 없어 안전 위험이 있습니다.
4D 레이더 포인트 클라우드 분포가 허용되며 알고리즘 처리를 통해 목표 크기와 방향을 정확하게 추정할 수 있습니다. 동시에 카메라 및 레이저와 같은 센서와 쉽게 통합되어 보다 정확한 환경 인식을 제공합니다.
2. 4차원 밀리미터파 레이더 적용 가능성
4D 밀리미터파 레이더는 센서 자체의 성능 때문이 아니라 다음과 같은 이유로 널리 사용되지 않습니다 .
1. 알고리즘이 충분히 성숙하지 않음
2. 높은 BOM 비용
3. 교체력 약함
그러나 기술이 발전함에 따라 알고리즘은 성숙하고 신뢰할 수 있으며 BOM 비용은 크게 감소할 것입니다. OEM의 경우 더 높은 가격으로 더 나은 성능을 얻는 것이 선택적인 솔루션이 될 것입니다.
3. 전통적인 알고리즘의 타당성
3D 레이더는 이미 성숙하고 신뢰할 수 있는 알고리즘을 가지고 있으며, 기존 알고리즘 방식을 계속 사용하고 스케일 및 카테고리와 같은 감지 기능을 추가하는 것은 그리 어렵지 않습니다.
기존 알고리즘은 일반적으로 아래 그림에 표시된 프로세스를 따릅니다.
캘리브레이션, 좌표 변환, 표적 연계, 추적 필터링까지 모든 방법이 3D 레이더와 유사하며, 4D 레이더 포인트 클라우드의 개수와 정확도가 증가하고 보다 정확한 표적 위치, 크기, 카테고리 정보를 얻을 수 있습니다.
방법은 비슷하지만 포인트 클라우드의 수가 증가함에 따라 클러스터링 알고리즘과 같은 일부 방법을 적응적으로 수정해야 하며 몇 배의 포인트 클라우드에 직면하여 더 효율적인 알고리즘을 사용해야 합니다.
또한 3D 레이더는 일반적으로 점 표적 추적을 사용하고 4D 레이더는 LiDAR를 참조할 수 있으며 확장된 표적 추적 알고리즘을 사용하여 더 나은 추적 효과를 얻습니다.
4. 딥러닝 알고리즘의 타당성
4D 레이더 포인트 클라우드의 개수는 채널 수(또는 해상도)와 관련이 있습니다.일반적인 12T16R은 일반적으로 2k~3k입니다.단일 대상의 포인트 클라우드의 개수는 16라인 라이다의 개수에 가깝습니다. CNN 등을 이용한 LiDAR의 포인트 클라우드 처리 방법을 참고하세요. 학습 방법은 객체 감지를 하는 것입니다.
또한 프레임을 쌓는 방법은 포인트 클라우드 밀도를 높여 더 나은 탐지 결과를 얻을 수 있습니다.
현재 많은 연구 기관에서 다양한 측면에서 4D 레이더 포인트 클라우드 처리를 연구하고 일부 결과를 달성했습니다.자세한 내용은 이 리뷰를 참조하십시오.
《자율주행을 위한 심층 레이더 인식을 향하여: 데이터 세트, 방법 및 과제》
거기에 언급된 Pointpillars는 최근 몇 년 동안 더 나은 결과를 얻은 딥 러닝 방법이며 다른 분류 및 대상 탐지 방법도 더 나은 아이디어를 제공합니다.
결과로부터 딥러닝을 이용한 객체 검출은 기대한 효과를 달성한다.
4D 레이더 및 16라인 라이더와 비교할 때 mAP 점수가 더 높으며 데이터는 "딥 러닝 기반 3D 객체 감지를 위한 자동차 레이더 데이터 세트"에서 가져옵니다.
4D 레이더와 64라인 라이다에 비해 mAP의 점수는 낮지만 중첩 프레임 처리를 사용하는 것과 주행 상태에서 레이저를 사용하는 것의 차이는 작다.
