自动化车载测试你了解多少？

lsekfe

引言
　　开篇还是先啰嗦几句关于自动驾驶的知识。
　　自动驾驶系统分感知层、决策层、执行层，分别代替人的眼睛、大脑、手脚。因此其实现原理，首先依赖感知传感器对道路周边环境信息进行采集。
　　采集的数据传输到中央计算单元进行计算，用来识别自车周边障碍物的状态和可行驶区域，制定相应控制策略，替代人类做出驾驶决策，(如路径规划等)，决策算法包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。
　　最后是执行控制模块制定方向盘转角、线控加减速、线控制动等信息，传输到底盘执行机构，按照指令进行精确执行。
　　提到感知层，最先想到的应该就是各种传感器，比如：摄像头、毫米波雷达、激光雷达、超声波传感器等，而传感器的性能表现则直接决定了自动驾驶的实际表现，因此对传感器的性能测试就显得极为重要，接下来就以毫米波雷达为例讲解一下其分辨率是如何测试的。
　　毫米波雷达简介
　　毫米波雷达是指工作在毫米波段的雷达，也是通过ToF技术来确定目标位置与距离的，通过向外界连续发送毫米波信号，并接收目标返回的信号，根据信号发出与接收之间的时间差确定目标与车辆之间的距离。
　　一直以来，在自动驾驶感知传感器家族中无论是激光雷达还是摄像头、超声波传感器，都容易受恶劣天气环境影响导致性能降低甚至失效（恶劣天气环境往往是事故高发的主要原因），因而都存在“致命”缺陷。
　　这种时候，毫米波雷达凭借抗干扰能力强，可穿透雨雾冰雪、不受恶劣天气影响的绝对优势，且唯一能够“全天候”工作的超强能力，成为了汽车ADAS不可或缺的核心传感器之一！
　　智能驾驶中毫米波雷达主要要有前向毫米波雷达和角雷达（前向角雷达和后向角雷达），分别安装于车身的前挡风玻璃和车身四角等位置。
　　需求描述
　　对于车载雷达来说，距离和速度分辨率是两个很重要的指标。
　　但是当我们遇到一个场景，即在车辆行驶的前方的某一个距离上同时有两辆汽车，此时就需要通过方位估计来区别这两个位于同一距离位置上的目标，角度分辨率则是衡量一个雷达方位估计能力好坏的重要指标。
　　角度分辨率测试的目标主要是测定雷达在探测目标同速同距情况下，在角度上区分两个不同物体的能力。
　　以下是三个指标需求的具体描述：
　　距离分辨率
　　在雷达图像中，当两个目标位于同一方位角时，但与雷达的距离不同时，二者被雷达区分出来的最小距离则是距离分辨率。
　　具体要求为：当纵向距离在0.16米以上的时候，4D雷达应能分辨相差15dBsm的角反射器（这两个目标具有相同的方位角和相同的范围变化率）。
　　速度分辨率
　　在规定条件下雷达能够区分同一方位角临近两个目标的最小速度间隔。
　　具体要求为：对于两个反射率相差15dBsm的角反射器，4D雷达至少能在它们径向速度相差0.15m/s时区分出来（两个目标有相同的范围和方位角）。
　　方位角分辨率
　　在规定条件下，雷达能够区分左右临近（目标与雷达距离相等的圆弧）两个目标的最小角度间隔。
　　具体要求为：雷达要能够分辨出两个角反射器，他们在雷达横截面上有15dBsm的不同，瞄准线上的方位角相差1.24度以上（这两个目标有相同的范围和范围变化率）。