1. 程式人生 > >一文讀懂毫米波/鐳射/超聲波雷達的區別(轉)

一文讀懂毫米波/鐳射/超聲波雷達的區別(轉)

不知何時,自動駕駛技術從電影中跳出來,直接被拉到人們視野中。不過,去年特斯拉卻因為幾起自動駕駛事故,官網不得不把自動駕駛字眼改為輔助駕駛。本期《汽車總動員》討論的不是自動駕駛,而是被稱為自動駕駛汽車“眼睛”的雷達。

目前主流的“眼睛”有四類——毫米波雷達、鐳射雷達、超聲波雷達、攝像頭。他們各自都有自己的特點,比如攝像頭的優點就很突出:精度高,距離遠,直觀方便;可是缺點也同樣突出:受到天氣的影響太大。倘若霧霾一來,或是陰雨綿綿,估計就只能兩眼一抹黑了。

然而它們原理和現狀都如何呢?

毫米波雷達

首先我們要明白啥是毫米波,毫米波實質上就是電磁波。毫米波的頻段比較特殊,其頻率高於無線電,低於可見光和紅外線,頻率大致範圍是10GHz—200GHz。這是一個非常適合車載領域的頻段。目前,比較常見的車載領域的毫米波雷達頻段有三類。

1,24—24.25GHz這,目前大量應用於汽車的盲點監測、變道輔助。雷達安裝在車輛的後保險槓內,用於監測車輛後方兩側的車道是否有車、可否進行變道。這個頻段也有其缺點,首先是頻率比較低,另外就是頻寬(Bandwidth)比較窄,只有250MHz。

將這兩個頻率做一個減法,就可以得到二者頻率的差頻(差拍頻率),通過判斷差拍頻率的高低就可以判斷障礙物的距離。

根據國內產業機構調查,國內2014年汽車毫米波雷達銷量約為120萬顆,2015年約為180萬顆。主要應用為盲點檢測和後方車輛提醒的中短距雷達(24Ghz),每車需要兩顆。

2015年中國汽車銷售量為2459.8萬輛,如果2015-2020年我國的乘用車複合增速為4%,到 2020年乘用車全年銷量將近約為3000萬輛。到2020年,如果中國汽車銷售量中有15%裝配汽車毫米波雷達的話,按每輛車裝配2 個,預計2020年的毫米波雷達需求量近900萬個,未來五年複合增速約為50%。

從本質上說鐳射雷達和毫米波雷達都是利用回波成像來構顯被探測物體的,就相當於人類用雙眼探知而蝙蝠是依靠超聲波探知的區別。但鐳射雷達會比較容易受到自然光或是熱輻射的影響,在自然光強烈或是輻射區域的時候,鐳射雷達將會被消弱很多而且鐳射雷達的造價成本高,對工藝水平要求也比較高。而毫米波雷達而言,雖然抗干擾能力較強,但是距離和精確度確實硬傷,而且在行車環境下,處於多重波段並存的環境下對毫米波的影響是極大的。毫米波對於較遠處的探測能力也是極為有限的。

簡單來說,鐳射雷達精度更高,但價格昂貴。

據國外調研機構的分析預測,2015年全球汽車鐳射雷達市場規模約為6千2百萬美元,預計2020年全球市場規模將達到2.7億美元左右。2016~2020年將以34%年複合成長率增長。

超聲波的能量消耗較緩慢,在介質中傳播的距離比較遠,穿透性強,測距的方法簡單,成本低。

車載攝像頭

車載攝像頭是ADAS系統的主要視覺感測器,藉由鏡頭採集影象後,有攝像頭內的感光元件電路及控制組件對影象進行處理並轉化為電腦能處理的數字訊號,從而實現感知車輛周邊的路況情況,實現前向碰撞預警,車道偏移報警和行人檢測等ADAS功能。

車載攝像頭的大致原理如下:1)影象處理,將圖片轉換為二維資料;2)模式識別,通過影象匹配進行識別,如車輛、行人、車道線、交通標誌等;3)利用物體的運動模式,或雙目定位,估算目標物體與本車的相對距離和相對速度。

硬體方面,車載攝像頭主要由CMOS鏡頭(包括lens和光感晶片等),晶片,其他物料(記憶體,sim卡,外殼)組成,分為單目攝像頭、後視攝像頭、立體攝像頭和環視攝像頭,目前市場上主要是單目攝像頭為主。

軟體方面,以mobileye為例,主要體現在晶片的升級和處理平臺的升級,工作頻率從122Mhz提升到332Mhz,訪問方式的改變使速率提升一倍,影象由640*480 彩色畫素提升為2048*2048(Input)和4096*2048(output)等。

除了極少數廠商具備垂直一體化的能力,絕大部分廠商都將業務集中於產業中的某個或者某幾個環節。

從市場集中度來看,光學鏡片主要是臺灣的廠商在主導,大陸廠商在紅外截止濾光片上有一定優勢,影象感測器主要是歐美和韓國廠商為主,模組環節大陸、韓國、臺灣、日本廠商份額居前,國內廠商成長迅速。光學鏡頭行業集中度很高,前五大廠商佔據了60%市場份額,舜宇光學2015年出貨量已佔全球的9.4%,成為全球第二。

單目攝像頭還是未來的主流,伴隨著360度全景停車和環視系統的發展,未來單輛車載攝像頭預期達到6個以上,其中1個前視,1個後視和4個環視。根據MRRSE報告,2014-2020全球車載攝像頭的出貨量將會以11.3%年複合率增長,預計到2020年,全球車載攝像頭銷售將達到8300萬隻。

未來五年內,雙目攝像頭的產品化,小型化的問題有可能逐漸突破,例如特拉斯的雙目,三目的計劃。

圖形資訊處理的晶片,演算法的進步,演算法主要基於深度學習的角度,晶片的發展主要體現在mobileye的EyeQ產品的升級,期待EyeQ5的研發與投入生產。