1. 4Dミリ波レーダーの必要性と高度化
3D ミリ波レーダーの代わりに 4D ミリ波レーダーを使用することは、主に 3D ミリ波レーダーの性能ボトルネックを解決し、より良い知覚結果を得るために使用され、それによって ADAS システムの精度と快適性が向上します。一般的に、3D ミリ波レーダーには主に次のような性能上のボトルネックがあります。
1.前方の障害物を正確に検知できない
3D レーダーのピッチ分解能が低いため、高高度の目標と地上の目標を区別することはほとんど不可能であり、誤警報が発生しやすいです。一般に、3Dレーダーのピッチ寸法分解能は10°を超えますが、4Dレーダーのピッチ寸法分解能は基本的に1〜2°であり、ターゲットの高さを正確に測定できます。
2.ターゲットの検出精度が低い
3Dレーダーは、合計12チャンネルの3T4Rアンテナ設計を採用しており、一般的な角度精度は1～1.5°で、横方向の偏りが大きく、シーンによってはターゲットが車線から逸脱し、レーダーによる誤判断につながる場合があります。 ADASシステム。
4Dレーダーは通常6T8R、場合によっては12T16Rで、角度精度が0.1〜0.4°で、横方向の偏差が小さく、ターゲットの位置が正確で、ADASシステムの効果が優れています。
3.サイズ、見出し情報なし
3Dレーダー点群はまばらで、ターゲットのサイズと方位を正確に推定できず、自車に対する危険なターゲットの脅威を時間内に検出できず、安全上のリスクが生じます。
4Dレーダー点群分布は許容範囲内であり、アルゴリズム処理を通じてターゲットのサイズと方位を正確に推定できます。同時に、カメラやレーザーなどのセンサーと簡単に統合して、より正確な環境認識を提供します。
2. 4Dミリ波レーダー応用の可能性
4Dミリ波レーダーが普及していないのは、センサー自体の性能のせいではなく、以下のような理由が考えられます。
1.アルゴリズムが十分に成熟していない
2.BOMコストが高い
3.置換力が弱い
しかし、テクノロジーの発展に伴い、アルゴリズムは成熟して信頼性が高まり、BOM コストは大幅に削減されるでしょう。OEM にとって、より高い価格でより優れたパフォーマンスを得ることがオプションのソリューションになります。
3. 従来のアルゴリズムの実現可能性
3Dレーダーにはすでに成熟した信頼性の高いアルゴリズムが備わっており、元のアルゴリズム スキームを引き続き使用し、スケールやカテゴリなどの検出を追加することはそれほど難しいことではありません。
従来のアルゴリズムは一般に、次の図に示すプロセスに従います。
キャリブレーション、座標変換からターゲットの関連付け、追跡フィルタリングまでのすべての方法は 3D レーダーと同様であり、4D レーダー点群の数と精度が増加し、より正確なターゲットの位置、サイズ、カテゴリ情報を取得できます。
手法は似ていますが、点群の数が増加するため、クラスタリング アルゴリズムなど一部の手法を適応的に変更する必要があり、点群の数が数倍になると、より効率的なアルゴリズムを使用する必要があります。
さらに、3D レーダーは通常、点ターゲット追跡を使用しますが、4D レーダーは LIDAR を参照し、拡張されたターゲット追跡アルゴリズムを使用して、より優れた追跡効果を得ることができます。
4. 深層学習アルゴリズムの実現可能性
4Dレーダー点群の数はチャネル数 (または解像度) に関係します。一般的な 12T16R には通常 2k ～ 3k あります。単一ターゲットの点群の数は 16 ライン LIDAR の数に近いです。 LIDAR の点群処理方法を参照し、CNN やその他の深度を使用して学習方法は物体検出を行います。
さらに、フレームを積み重ねる方法により点群密度が増加し、より良い検出結果が得られます。
現在、多くの研究機関が 4D レーダー点群の処理をさまざまな側面から研究し、一定の成果を上げています。
《自動運転のためのディープレーダー知覚に向けて:データセット、手法、課題》
その中で言及されている Pointpillars は、近年より優れた結果が得られている深層学習手法であり、他の分類手法やターゲット検出手法もより優れたアイデアを提供します。
この結果から、ディープラーニングを用いた物体検出は期待通りの効果を発揮していることがわかります。
4Dレーダーや 16 ライン LIDAR と比較して、mAP のスコアは高く、データは「深層学習ベースの 3D オブジェクト検出用の自動車レーダー データセット」から取得されています。
4Dレーダーや 64 ラインライダーと比較すると、mAP のスコアは低くなりますが、オーバーラップフレーム処理と走行状態でのレーザーの使用との差は小さいです。
