智能驾驶·毫米波雷达专场回顾 | 傲酷(Oculii)、豪米波、莫之比三大视角解读毫米波雷达...

本文主要是介绍智能驾驶·毫米波雷达专场回顾 | 傲酷(Oculii)、豪米波、莫之比三大视角解读毫米波雷达...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

TB1EL4ho3HqK1RjSZFkXXX.WFXa.jpg

汽车毫米波雷达较低的普及率以及较高的复合增长率,带来了一个巨大的市场。但是全球知名供应商Autoliv(奥托立夫)、博世、大陆和德尔福巨头林立,国产77GHz毫米波雷达如何突出重围?毫米波雷达领域创业公司的机会在哪里?上述问题成为行业探究重点。

另,传统毫米波雷达依旧存在无法点云成像,及精度低等技术局限,激光雷达成本居高不下,行业内寻求一种低成本、可靠的高精度传感器的步伐从未停止。毫米波雷达领域的先行者希冀通过新型的毫米波雷达占领自动驾驶汽车高地,79GHz毫米波雷达诞生,傲酷(Oculii)研发4D 毫米波雷达,Metawave 和 Echodyne 追求超材料毫米波雷达......新型的毫米波雷达技术是否会削弱甚至取代激光雷达在自动驾驶汽车上的地位,成为未解之谜。

为让有志者更加了解毫米波雷达行业现状与技术干货,【新智驾会员计划】特在10月开展智能驾驶·毫米波雷达专场,傲酷(Oculii)、豪米波、莫之比三大公司站台,近千位智能驾驶从业者参与聆听。

TB146Xgo3HqK1RjSZFgXXa7JXXa.jpg

10月智能驾驶·毫米波雷达专场中,长沙莫之比智能科技有限公司董事长陈浩文、苏州豪米波技术有限公司总经理毕欣、美国傲酷公司(Oculii)CMO&亚太区总裁郄建军为新智驾会员详解了他们眼中的毫米波雷达。从24G、77G、79GHz毫米波雷达到4D点云高清成像雷达,三位大咖从不同的视角诠释了毫米波雷达的现状与挑战。雷锋网·新智驾会员可进入【新智驾会员计划】页面查看三场Live完整实录。

莫之比:聊一聊79GHz毫米波雷达的核心技术及行业应用

TB1JwRdo4TpK1RjSZFKXXa2wXXa.jpg

2017年8月14日成立的莫之比是一家年轻的公司。近期莫之比完成首轮融资,由汽车产业基金领投,融资金额1200万人民币。此次融资将用于团队扩充,及建立毫米波产品测试线。

目前团队已研发出24G、77G等系列产品,相关产品的FCW、AEB、PCW、BSD等多项功能指标达到博世、德尔福等国际著名公司产品的水平。莫之比生产的“毫米波雷达+摄像头融合ADAS”多传感器融合技术已在军工航天及产品中得到了工程化应用。

面对毫米波雷达角分辨率低的壁垒,莫之比董事长陈浩文有自己的理解,角分辨率同天线数目、展开口径直接相关,孔径越大,分辨率越小。在陈浩文看来,77G、79G是未来车载毫米波雷达的趋势,但目前国内的79G频段的毫米波雷达几乎没有实现大规模量产的企业,大部分公司还处于一个起跑线。

豪米波:详解智能驾驶进程与毫米波雷达

TB13L4ho3HqK1RjSZFkXXX.WFXa.jpg

毫米波雷达作为主动安全领域关键核心零部件,目前国内自主品牌中高端车型已经逐步配置,但主要以国外供应商产品为主,开发过程中需要支付较高的研发费。 

毕欣提到,国产毫米波雷达从2018年开始逐步在后向预警类产品开始供货,但是前向具备控制功能产品,任重道远。值得一提的是,豪米波于2017年实现了国内首家国产毫米波雷达定点前装企业,截止目前已经实现三家车厂,五个车型的量产供货。79GHz雷达已经迭代至第三版,并在进行多方测试验证。

在毫米波雷达技术方面,其明显弱势在于角分辨率低,在提高角分辨率方面,行业内目前主要瞄准横向分辨率能力,通过增加接收通道可以实现横向分辨能力的提高。在豪米波看来,最优解一定要面向场景的功能需求,结合标准和场景所要求,针对符合前方多目标场景下TTC的AEB和ACC策略,实现最优的毫米波雷达产品。

提及毫米波雷达的未来,毕欣表示,激光雷达和视觉在电磁波频谱上已非常接近,属于可见光范围同质化传感器,目标识别的精度非常接近,但是同样具有环境适应性较弱的问题;而毫米波雷达的全天候特性一定是汽车安全领域比不可少的传感器,随着半导体工艺的发展,逐步向更高频段过渡和发展,比如120G,200GHz的探测和成像精度会大大提高,并可以实现行人等小目标的识别,未来毫米波雷达与视觉的融合将会是感知领域的重要的一个分支。

傲酷(Oculii):毫米波雷达的全新时代 — 4D点云高清成像雷达

TB16rtho7voK1RjSZPfXXXPKFXa.jpg

谈起新型的毫米波雷达技术是否会削弱甚至取代激光雷达在自动驾驶汽车上的地位时,傲酷(Oculii)是不得不提的明星企业。其首创车载4D高清点云成像雷达,可在全天候全时段提供高分辨率的4D(3D位置+1D速度)点云成像。

雷锋网(公众号:雷锋网)新智驾了解到,第一代点云雷达Falcon系列包含24G、77G传统毫米波雷达全天候等特点,同时有自己的特色:每个雷达每秒钟扫描5万点,探测距离在200米以上,功耗在3W左右,同时可利用毫米波雷达的多普勒频移特性获得每点的速度。其角分辨率达到1°,精度达到3-5厘米,成像效果接近于激光雷达。并能够满足L3/L4级自动驾驶要求,适用于自主泊车、行人检测、SLAM等等。

4D高清点云成像雷达与激光雷达的不同之处在于,激光雷达在车规级量产和成本控制方面挑战比较大。而毫米波雷达由于电路比较简单,容易做到车规级量产,同时量产价格保持在普通77G毫米波雷达的价格范围。

雷锋网新智驾了解到,Oculii通过虚拟MIMO方式,利用类似激光点云成像方式一样,对距离200多米内的移动和静止物体点云高清成像。郄建军提到,MIMO是当前行业内多家毫米波雷达公司提高角分辨率的通用方式。Oculii的不同之处在于,基于MIMO方式的基础上,进一步通过虚拟方式增加天线个数,即不依赖硬件,通过算力增加MIMO的倍数,进而提高角分辨率。

探索毫米波雷达成像成为毫米波雷达领域当下的研究重点。郄建军坚信,若点云的点数逐步增加,成像更高清,毫米波未来可以在低线束、中线束的场景取代激光雷达。Oculii目前研发中的高清点云雷达,成像效果将可与16线激光雷达媲美。下一步,点的密度增加至50万点,并达到4CM距离分辨率、0.1度角分辨率,可以达到64线激光雷达的效果 。

会员问答

为更深入的解决听众在智能驾驶·毫米波雷达方面的困惑,「Live」开设问答环节,三位大咖对新智驾会员疑问进行了一一解答。

多个雷达融合的方案,会是未来的方向么?

如何看待Super radar 和 4D radar?

点云雷达一帧能输出2500个点吗?

以上为部分会员提问,点击【新智驾年度会员】查看大咖解答。

「智能驾驶·模拟仿真」专场开讲中...

11月「智能驾驶·模拟仿真」专场,我们继续每周邀请一位一线从业者带来项目实践过程中的方法和思路,为智能驾驶从业者与投资人、分析师提供行业参考。另,「2018智能驾驶视觉技术」研报(点击链接进行查看)已出炉,会员可免费查阅。

这篇关于智能驾驶·毫米波雷达专场回顾 | 傲酷(Oculii)、豪米波、莫之比三大视角解读毫米波雷达...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/644576

相关文章

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

MCU7.keil中build产生的hex文件解读

1.hex文件大致解读 闲来无事,查看了MCU6.用keil新建项目的hex文件 用FlexHex打开 给我的第一印象是:经过软件的解释之后,发现这些数据排列地十分整齐 :02000F0080FE71:03000000020003F8:0C000300787FE4F6D8FD75810702000F3D:00000001FF 把解释后的数据当作十六进制来观察 1.每一行数据

Java ArrayList扩容机制 (源码解读)

结论:初始长度为10,若所需长度小于1.5倍原长度,则按照1.5倍扩容。若不够用则按照所需长度扩容。 一. 明确类内部重要变量含义         1:数组默认长度         2:这是一个共享的空数组实例,用于明确创建长度为0时的ArrayList ,比如通过 new ArrayList<>(0),ArrayList 内部的数组 elementData 会指向这个 EMPTY_EL

智能交通(二)——Spinger特刊推荐

特刊征稿 01  期刊名称: Autonomous Intelligent Systems  特刊名称: Understanding the Policy Shift  with the Digital Twins in Smart  Transportation and Mobility 截止时间: 开放提交:2024年1月20日 提交截止日

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

Spring 源码解读:自定义实现Bean定义的注册与解析

引言 在Spring框架中,Bean的注册与解析是整个依赖注入流程的核心步骤。通过Bean定义,Spring容器知道如何创建、配置和管理每个Bean实例。本篇文章将通过实现一个简化版的Bean定义注册与解析机制,帮助你理解Spring框架背后的设计逻辑。我们还将对比Spring中的BeanDefinition和BeanDefinitionRegistry,以全面掌握Bean注册和解析的核心原理。

【C++学习笔记 20】C++中的智能指针

智能指针的功能 在上一篇笔记提到了在栈和堆上创建变量的区别,使用new关键字创建变量时,需要搭配delete关键字销毁变量。而智能指针的作用就是调用new分配内存时,不必自己去调用delete,甚至不用调用new。 智能指针实际上就是对原始指针的包装。 unique_ptr 最简单的智能指针,是一种作用域指针,意思是当指针超出该作用域时,会自动调用delete。它名为unique的原因是这个

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训

单片机毕业设计基于单片机的智能门禁系统的设计与实现

文章目录 前言资料获取设计介绍功能介绍程序代码部分参考 设计清单具体实现截图参考文献设计获取 前言 💗博主介绍:✌全网粉丝10W+,CSDN特邀作者、博客专家、CSDN新星计划导师,一名热衷于单片机技术探索与分享的博主、专注于 精通51/STM32/MSP430/AVR等单片机设计 主要对象是咱们电子相关专业的大学生,希望您们都共创辉煌!✌💗 👇🏻 精彩专栏 推荐订