Оперативность, качество, доступные цены!
info@smart-sps.ru

Москва, ул. 6-я Радиальная, д.9​

Радиолокационные системы для автономного управления автомобилем - на уровне L2 L2 + и выше

Следующая прорывная технология в области автоматизированного вождения - L2 +, с полуавтономным управлением как камерой, так и радаром высокого разрешения. Какие требования появляются и как их удовлетворить?

Кажется, что эта технология существует уже много лет, и мы все еще ждем полной автономности от автомобиля. Однако до этого момента еще далеко.

Отраслевой орган SAE определяет шесть уровней автоматизации вождения (см. Таблицу) , от отсутствия автоматизации до полного автономного вождения на уровне 5. По мере того, как транспортные средства становятся более автоматизированными и достигают более высоких уровней, они более жестко регулируются и требуют более сложных систем для обеспечения безопасного и надежного решения.

Автомобильная промышленность рассчитывала перейти на уровень 3 (L3), но сейчас это кажется нереальным. Вместо этого происходит активное наращивание функций уровня SAE 2 - систем помощи водителю (ADAS), почему-то, что теперь называемых L2 +. Это шанс для OEM-производителей монетизировать свои инвестиции в системы полной автономности автомобилей, которые поступят в производство уже в 2023 году.

L2 + немного меньше L3, поскольку управление электронных систем продолжает зависеть от человека-водителя. Таким образом, количество дополнительных датчиков сопоставимо с L2, но они позволяют поддерживать расширенные новые функции безопасности в доступных системах ADAS. Ожидается, что в L2 + к базовому набору датчиков, таких как камера, будут добавлены радарные датчики. Радар имеет доступную цену и обеспечивает значительные дополнительные преимущества по сравнению с известными недостатками датчиков камеры в экстремальных условиях освещения и погодных условиях.

L2 + предлагает значительные преимущества по сравнению с существующим L2 ADAS в городском вождении, автоматизации шоссе, смене полосы движения и др. И он может появиться гораздо раньше, чем L3, без необходимости фундаментальных изменений в регулировании, инфраструктуре и общественном признании.

Пришло время L2 +

Вычислительные платформы для автономного управления в конечном итоге перейдут на центральные вычислительные архитектуры, которые будут выполнять ресурсоемкие операции, с обработкой информации от большого числа разнотипных сенсоров с охватом 360 градусов. В краткосрочной перспективе системы L2 + будут иметь различные форм-факторы.

В основном они по-прежнему будут использовать дискретные интеллектуальные датчики, при этом большая часть нагрузки обработки датчиков будет выполняться на периферии, и специально для радаров, которые будут дополнять базовые системы на основе камер. Поэтому ожидается, что большинство радарных устройств в ближайшие годы по-прежнему будут выполнять большую часть обработки радиолокационной информации в самом радарном устройстве, и для них потребуются мощные вычислительные платформы.

Согласно прогнозам рынка, массовое производство систем L2 + ADAS начнется с 2023 года, а первоначальное развертывание более высоких уровней автономии - L3 и выше - начнется не ранее 2026–2027 года. Что касается радаров, то радары HD будут в основном использоваться для уровней автономии L3 и выше, по крайней мере, до тех пор, пока их цена не упадет настолько, чтобы их можно было интегрировать в системы L2 + ADAS, что не ожидается раньше 2028 года.

Таким образом, существует значительные рыночные предпосылки в ближайшие шесть лет, когда стандартные радары все еще будут доминировать на рынке. И они будут играть жизненно важную роль в системах L2 + ADAS с большим количеством радарных узлов для реализации большего количества функций ADAS и 360-градусного покрытия (рис. 1) .

Рис. 1. Автономности L2 + и за ее пределами необходимо 360-градусное радиолокационное покрытие»

Как это работает?

Основной принцип работы радара - интерферометрия. Сигналы передаются от массива передающих антенн и принимаются через массив приемных антенн. Дальность, скорость и направление объектов и препятствий можно оценить по относительным фазам принимаемых сигналов, которые отразились от них.

Таким образом, радар предоставляет входные данные, связанные с восприятием, с использованием высокодетерминированных методов обработки для извлечения характеристик, связанных с дальностью. От датчиков камеры, мы получаем совсем другие данные, которые требуют сложного (хотя и хорошо известного и испытанного) компьютерного зрения (CV) и обработки искусственного интеллекта (AI) для достижения тех же результатов.

Количество эффективных «виртуальных» радиолокационных каналов является совокупностью некоторого количества передающей (TX) и приемной (RX) антенн. Например, типичное радарное устройство, используемое в современных транспортных средствах L2 / L2 +, включает в себя антенны 3TX и 4RX, что в общей сложности составляет 12 виртуальных каналов. Этого достаточно для поддержки основных функций L2 / L2 +, таких как автоматическое экстренное торможение (AEB) и адаптивный круиз-контроль (ACC).

Радарные устройства, которые мы увидим в будущих системах L2 + и выше, будут включать 12Tx16R (всего 192 канала) и даже 48Tx48R (2304 канала). Эти более крупные конфигурации называются радаром с высокой четкостью изображения или 4D-радаром (способным извлекать четыре параметра: дальность, скорость, азимут и угол места).

Основным преимуществом большего количества каналов является повышение точности радара и, в частности, углового разрешения как по азимуту, так и по углу места. Радар высокой четкости может достигать углового разрешения менее 1 градуса для удаленного объекта, который может находиться на расстоянии до 200 метров. Разрешение по азимуту позволяет обнаруживать объекты (например, пешеходов), а разрешение по высоте позволяет системе различать транспортные средства и нависающие уличные конструкции. Повышенное разрешение позволяет нам уменьшить количество ложных срабатываний из-за широких боковых лепестков, что является известной проблемой в обычных малогабаритных радарных устройствах.

Наборы микросхем радаров - датчики и сигнальные процессоры

Наборы микросхем радаров обычно состоят из двух основных компонентов: датчика или приемопередатчика радара, обрабатывающего радиосигналы от антенн миллиметрового диапазона до сигнала основной полосы частот, и микроконтроллера радара (MCU), управляющего цифровой обработкой радиолокационного сигнала.

Радиолокационный приемопередатчик и микроконтроллер обычно представляют собой два разных чипа, каждый из которых изготовлен в своем технологическом узле. В то время как сложность радиолокационного приемопередатчика линейно пропорциональна количеству антенн или физических радиочастотных цепей, сложность обработки сигнала, выполняемой в микроконтроллере радара, связана с количеством виртуальных каналов. Следовательно, он квадратичен по отношению к количеству антенн (и возрастает намного быстрее по мере усложнения системы).

На рисунке 2 показана типичная цепочка обработки данных радара. ВЧ-интерфейс реализован в радиолокационном приемопередатчике. После аналого-цифрового преобразования сигнал обрабатывается в микроконтроллере радара.

Рис. 2. Цепочка обработки данных радара делится на предварительную обработку и постобработку

Цепочка обработки данных радара обычно делится на две основные части:

* Обработка внешнего интерфейса радара, которая выводит множество точек радара
* Постобработка радара, которая занимается классификацией и отслеживанием объектов

Разноплановая обработка данных требует различных методов. В зависимости от архитектуры MCU как интерфейс, так и постобработка могут быть интегрированы в один MCU, или же последние части цепочки могут обрабатываться в центральном электронном блоке управления (ECU).

После предварительной обработки цифровым интерфейсом во временной области (в основном с фильтрацией) сигнал обрабатывается интерфейсным модулем радара. Обработка типична для распространенных типов радаров с непрерывной частотной модуляцией (FMCW).

Предварительная обработка включает сначала быстрое доплеровское преобразование Фурье (БПФ) по дальности и построение матрицы данных радара (накопление данных от нескольких антенн и импульсов радара), а затем обнаружение первой цели с использованием вариантов алгоритма постоянной частоты ложных целей (CFAR), а затем оценка угла степени прибытия / угла прихода (DoA / AoA). Выходные данные предварительной обработки радара называются множеством точек радара, и для каждой обнаруженной точки оно включает в себя трехмерную или четырехмерную информацию о дальности / доплеровском разрешении / угле.

Для радара HD обработка внешнего интерфейса радара может быть чрезвычайно трудоемкой с точки зрения вычислений и, как правило, будет реализована на оптимизированном оборудовании. Однако маломасштабные интерфейсы радаров (например, с 12–16 виртуальными каналами) поддаются более программно-ориентированной реализации и более гибкому разделению между аппаратным и программным обеспечением.

Механизм обработки должен справляться с различными типами вычислений. БПФ и CFAR могут быть эффективно реализованы с использованием арифметики с фиксированной запятой, в то время как алгоритмы оценки угла обычно широко используют разложение матриц и требуют арифметики с плавающей запятой.

После множества точек постобработка радара включает в себя распознавание, сегментирование, отслеживание и классификацию целей. При этом используются тяжелые матричные операции в арифметике с плавающей запятой высокой точностью, реализуются такие алгоритмы, как фильтрация Калмана, включая такие операции, как обращение матриц, разложение Холецкого и нелинейные операции. Этот тип обработки обычно внедряется в ядра DSP, чтобы обеспечить максимальную гибкость и позволить различным поставщикам дифференцироваться и внедрять инновации.

Наконец, классификация целей и объединение датчиков использует методы логического вывода ИИ и требует интенсивной обработки нейронных сетей.

Платформа обработки радаров на основе DSP

Как уже говорилось, современная радиолокационная обработка требует значительных вычислительных и практических задач для построения сквозной цепочки. Поскольку это все еще развивающаяся технология, с учетом будущих уровней автономии, разработчикам необходимы как гибкость программного обеспечения, так и масштабируемая высокопроизводительная вычислительная платформа. Это подходит для платформ, основанных на мощных векторных DSP.

Мы видели, что масштаб и габариты современных автомобильных радаров могут значительно различаться между обычными 12-канальными устройствами и высококлассными радиолокационными станциями с тысячами каналов. Кроме того, каждое устройство должно выполнять широкий спектр алгоритмов и поддерживать различные механизмы арифметической обработки, чтобы справляться с различными рабочими нагрузками (рис. 3).

Рис. 3. Различные рабочие нагрузки обработки составляют полную цепочку радаров

Пример масштабируемой векторной архитектуры , пригодной для этого приложения CEVA SensPro-радар. Основанный на семействе SensPro2 IP второго поколения CEVA, он может обрабатывать широкий спектр требуемых вычислений для обработки сигналов радиолокационного узла. Это означает, что разработчики могут использовать одну и ту же платформу и одни и те же инструменты разработки для всех частей своего решения и разных поколений.

Для предварительной обработки данных радара имеется дополнительный модуль SensPro-Radar ISA, который добавляет специальные инструкции для ускорения доплеровского БПФ и сложных арифметических операций. SensPro-Radar ISA может эффективно сопоставлять значительную часть внешнего интерфейса радара с ядром DSP, что повышает гибкость реализации и сокращает время вывода на рынок.

Типичная реализация цепочки радаров должна обрабатывать огромные объемы данных, в зависимости от количества виртуальных каналов. Архитектура SensPro использует усовершенствованную подсистему памяти CEVA, которая обеспечивает легкий доступ к массиву данных радара с «плитками» в разных измерениях.

В дополнение к вычислительной платформе CEVA предлагает программные библиотеки, в том числе собственную линейную алгебру. SDK CEVA Radar для SensPro широко использует специальный Radar ISA и предоставляет разработчикам программного обеспечения полную реализацию радарного узла.

Заключение

По мере того как автомобили добавляют новые возможности автономного управления и, в частности, переходят от уровня L2 к уровню L2 + и выше, у них растет потребность в добавлении радара в свой набор датчиков. Это предъявляет новые требования к архитектуре обработки на транспортном средстве, особенно в связи с тем, что большее количество каналов и радаров высокой четкости значительно увеличивают сложность собираемых и анализируемых данных.

Наличие единой платформы, которая может эффективно споавляться с вычислительными нагрузками, связанные с радаром, как интерфейсную, так и постобработку, позволяет разработчику радара свободно выбирать оптимальное разделение аппаратного/программного обеспечения, сохраняя при этом достаточную гибкость ПО для обеспечения перспективности решения. Кроме того, баланс между различными видами вычислительных нагрузок может динамически изменяться после изготовления микросхемы. Такая архитектура идеально подходит для обновлений по беспроводной сети (OTA), которые будут важны для будущих автономных платформ.

Источник: www.electronicdesign.com