信心十足地向着全自动驾驶迈进

通过全场景仿真改善 ADAS 雷达视野

竞争已经拉开帷幕。全自动驾驶汽车 (AV) 正在快速走进我们的生活。除了提高交通系统的整体效率之外，保障驾乘人员的安全是自动驾驶汽车最引人注目的优势。最新数据显示，全球每年约有 130 万人因道路交通事故丧生。根据美国国家公路交通安全管理局 (NHTSA) 的统计，94% 的严重车祸是人为失误造成的。

提高汽车自动驾驶等级

如果我们能够提高安全性、降低道路交通事故风险会怎样？如果我们能够避免驾驶员操作失误会怎样？报告显示，自动驾驶汽车能够将道路交通事故死亡人数减少 90% 之多。除了降低事故死亡人数之外，自动驾驶汽车还能避免几十亿元的车祸相关损失。量产汽车中的高级驾驶辅助系统 (ADAS) 已经达到了国际自动机工程师学会 (SAE International) 定义的第 2+ 至第 3 级自动驾驶水平，在大多数交通状况下仍需要驾驶员控制车辆（图 2）。许多原始设备制造商 (OEM) 和行业专家认为，实现第 4 级和第 5 级自动驾驶（其中第 5 级表示车辆无需任何人工交互）能够让道路交通更安全。然而，实现这一目标仍存在一系列独特的挑战，需要大量技术进步。

为了实现更高等级的自动驾驶，汽车行业需要解决技术、社会、法律和监管等方方面面的问题。虽然其中许多问题难以掌控，但汽车行业和 OEM 能够合力突破技术局限。他们能够打造出更小巧、更坚固、更经济的雷达、激光雷达、摄像头和其他传感器，同时改进这些传感器的检测和识别软件。要想改进这些算法的训练，业界需要克服两个障碍。

缩小路测与软件仿真测试之间的差距

如今，OEM 使用具有软件在环系统的仿真环境来测试传感器并控制模块。尽管软件仿真很有用，但它无法完全重现现实情况以及可能出现的不完美的传感器响应。全自动驾驶汽车必须知道如何应对这样的情况。

通过对原型车或合法上路车辆中集成的完整系统进行道路测试，OEM 得以对最终产品的性能先进行验证，然后再将它们推向市场。道路测试是开发过程中不可或缺的一环，但考虑到测试成本、测试所需时间和测试可重复性等一系列问题，完全依赖道路测试是一个不切实际的想法。如果采用这种方式，车辆需要经过几百年的测试才能达到足够的可靠性，万无一失地安全行驶在城市和乡村道路上。

无法在现实条件下训练 ADAS / AV 算法

车载雷达测试对于训练自动驾驶算法具有重要意义。这些算法使用车载雷达传感器获取的数据做出决策，指示车辆在遇到特定行驶状况时应该做出何种响应。如果算法没有经过正确训练，它们可能会做出意外决策，危及驾乘人员或行人安全。为了测试足够多的场景以便验证 AV 功能，OEM 需要从少数几个目标转为真实场景，走出枯燥无味的理论世界，进入实际应用。

驾驶员要做出很多决定。成为一名优秀的驾驶员往往需要时间和经验的沉淀。将自动驾驶技术提升一个台阶则需要依靠复杂的系统，这些系统的能力应超越最优秀的人类驾驶员。传感器、精妙算法与强大处理器的结合是实现自动驾驶的关键因素。在传感器感知周围环境的同时，它们背后的处理器和算法在任何情况下都必须以比人类驾驶员快得多的速度做出正确的决定——例如遵守道路交通规则。

我们必须确保新 ADAS 功能安全可靠。采用不成熟的系统过早进行道路测试会有很大风险。汽车 OEM 需要能够仿真真实场景，对实际采用的传感器、电子控制单元代码、人工智能逻辑等部分进行验证。尽早测试更多场景能够让 OEM 清楚地了解何时可以完成开发，何时可以信心十足地发布 ADAS 功能。

自动驾驶汽车测试和验证方面的缺口当今的测试系统不能有效地解决某些难题。它们只对一定数量的目标进行测试，无法仿真近距离的对象并且难以区分对象。

有限的目标数量和视场

有些系统使用多个雷达目标仿真器 (RTS)，每个 RTS 都向雷达传感 器呈现多 个点目标，并通过机械移动天线来仿真水平位置和垂直位置。这种机械式的自动化操作延缓了整体测试速度。此外，天线移动一下就会导致回波到达角 (AoA) 发生变化，如果不重新计算或重新校准，则可能会导致渲染目标出现误差和精度损失。另一种选择是为每个 RTS 使用多个射频 (RF) 前端，其中一个对象使用一条延迟线。如果某个场景需要多个对象，则应在测试设置中增加射频前端的数量，然后视需要在它们之间进行切换。这意味着它能够在场景中的任意位置生成对象，但不能同时仿真场景相对两侧的目标。

移动 RTS 或切换使用多个射频前端这两种方式会在场景中产生间隙和遗漏的对象，在图 3 中标记为 X。只用数量有限的对象来测试雷达单元无法提供完整的驾驶场景视图，也无法揭示现实状况的复杂性，尤其是在有各种十字路口以及涉及行人、自行车或电动车骑行者转弯场景的城市地区。

无法生成距离小于 4 米的对象

当前的雷达目标仿真器解决方案无法生成距离在 4 米以内（某些情况下甚至更远）的对象。这样会在汽车保险杠前方形成一个盲区。新车评估计划等测试例都需要在非常接近雷达单元的距离仿真对象。以自动紧急制动系统为例。道路上的障碍物需要非常接近。目前市面上的目标仿真解决方案只能仿真 4 米或以上距离的对象（图 4）。

对象之间的分辨率较低

早前的雷达技术将对象视为点目标，这意味着雷达没有考虑被检测对象的空间属性，而是将对象所反射的能量都聚集到一个点上。雷达截面积概念应运而生。它将击中目标的功率密度转换为反射功率，并将空间尺寸、形状和反射率组合成一个数字。但是，这种方法只有在将目标视为一个点时方才有效。在现代汽车雷达中，目标之间通常比较接近，雷达单元必须利用高角度分辨率来感知对象的空间特征。当前市面上的目标仿真器迎合了这种过时的雷达传感器需求。它们的设计理念是将一个对象视作一个雷达信号加以处理，因此会造成场景细节缺失。

应对挑战的关键技术进步

为了实现全自动驾驶愿景所需的 ADAS 功能，需要使用可靠的雷达传感器和算法。在实验室中执行全场景仿真对于开发这些雷达传感器和算法至关重要。是德科技推出的全场景仿真器使用几百个微型射频前端构成一个可扩展的仿真屏幕，可呈现最多 512 个对象，距离最近可达到 1.5 米。这一解决方案的成功交付还需要在以下几个方面实现突破 ：

• 单个微型射频前端（图 5a）
• 八个射频前端集成在一块电路板上（图 5b）
• 64 块电路板排列成半圆形阵列，形成仿真屏幕（图 6）

除了射频硬件的技术进步之外，软件也有同样规模的创新，从而避免被测器件 (DUT) 检测到距离在 1 m 以内的虚假对象并连接将这些影像渲染到屏幕上的 3D 成像软件。

请下载此文档以了解更多信息。