低成本“雷达传感器”：卡车列队行驶中，该如何保持车际的距离？

阅读文章前辛苦您点下“关注”，方便讨论和分享，为了回馈您的支持，我将每日更新优质内容。

文 | 南柯归洵

编辑 | 南柯归洵

前言

卡车列队行驶是指使用自适应巡航控制（ACC），将卡车无线连接到车队的创新概念，由一辆领头卡车和一辆或多辆跟随卡车组成，与目前认为对手动驾驶的卡车安全相比，无线通信可实现更短的车间距离。

后者受到人类驾驶员反应时间的限制，更短的车间距离可以减少空气阻力，从而节省燃料并减少排放。

严格的自动化车辆控制，可以提高道路交通系统的安全性和效率，列队行驶还可以使整个社会受益，因为公路货运业务更便宜、更安全、更精简，而队列行驶尚未商业化部署，还有许多悬而未决的问题。

那么这些道路有迎面而来的交通和狭窄的隧道吗？是否可以使用集成车辆传感器收集车辆间距离测量值呢？

摄像头和激光雷达

虽然集成的距离传感器也可以是摄像头和激光雷达，但雷达传感器是最常使用的，因为它们价格实惠，计算简单，在不利的光线和天气条件下也更加的坚固耐用。

尽管存在杂波和重影的问题，是不需要的信号会扭曲和干扰所需的检测，以及检测难以与真实目标区分开来。

三名司机驾驶三辆半挂车沿着380公里的双向双车道公路，然后穿越山区沿海地区，根据主卡车订单配置为1、2和3。

一个部分以不同的顺序反复遍历，安装了原型ACC系统，使卡车在检测到前方卡车时能够作为一个排运行，没有来自集成摄像头和雷达的数据，售后市场设备用于收集驾驶7小时内的数据。

虽然纵向控制是自动化的，但驾驶员手动操作方向盘，将现场研究置于汽车工程师协会（SAE）1级，所有卡车都有500马力，卡车1和2的重量相同，而卡车3更轻。

以此才能反映卡车在实际操作中相互对排的场景，在重量方面不协调，因此车辆之间的距离波动很大。

卡车列队行驶设置，雷达传感器安装在后续卡车的挡风玻璃上

因为经常在蜿蜒的道路上努力保持收集，穿越了80条隧道和60个环形交叉路口，最普遍的速度限制是3和50km/h，在此期间的70s时间间隔的车辆间距为1m。

支架不会干扰传感器的视野，使用便携式监视器来管理雷达记录，由于内部限制，传感器在每辆卡车上放置的高度略有不同。

每辆卡车上的设备在卡车停放时依次启动和停止，但在短暂休息时保持打开状态，没有一个微处理器有互联网连接。

所以它们不遵守当地时间，设计了一个设备启动程序，允许事后同步视频和雷达数据，对于每辆卡车，所有摄像头在开始雷达记录之前都已启动，启动每台相机时，都会显示翡翠红杉时间智能手机应用程序。

雷达传感器

调频连续波（FMCW）是汽车应用中常用于测量距离的雷达波形，这里测试了用于雷达传感器，这些是24GHzFMCW雷达传感器，可方便地作为扩展板连接到微处理器。

这种微处理器运行用户友好的操作系统，并且可以与专用组件连接，汽车行业越来越多地使用77GHz雷达传感器。

从而提高了距离分辨率和精度，这些传感器可以更好地分离紧密间隔的物体，并且可以封装在更小的外形尺寸中。

而24GHz传感器更便宜，并且在采购设备时无法使用，可以从微处理器操作的汽车级77GHz传感器。

雷达传感器轮廓

因此使用更便宜的24GHz传感器测试，所提出的方法被认为是合理的，虽然许多77GHzFMCW雷达传感器具有更远的距离能力和更宽的视野，但一些77GHz雷达，其范围比uRAD传感器短。

uRAD传感器的理论距离范围接近100m，水平和垂直视场均为30°，能够同时检测多达五个物体。

对于每个物体，记录距离、径向速度和反射功率，在卡车列队行驶的背景下，传感器和所需物体都在运动，因此可以检测到相对速度。

速度范围在道路交通中遇到的值范围内，八个参数用于配置传感器，以及对安装设置和参数的预审测试。

雷达模式详细说明传感器传输的波形，选择了三角波，这最大化了雷达脚本输出的传感器范围和更新速率，此模式还允许基于相对速度进行后续数据过滤。

即使卡车相距很远，最大化范围对于捕获数据也很重要，因为卡车预计在接近上限距离范围的距离上以人类水平的间隙尺寸行驶，不利的道路几何形状可能也会导致在更大的间隙尺寸下更安全的驾驶。

并且最大化更新速率被认为有利于获得尽可能多的测量值，uRAD雷达传感器的更新速率与展示的14GHz传感器相当，检测到的目标数量和检测距离最大化，以捕获最多的数据，并在以后过滤不需要的检测。

激活移动目标指示器，用于仅包含相对于传感器运动的对象的数据，供应商表示：它只会消除绝对静止的物体，例如挡风玻璃的检测。

即使以与传感器相同的速度移动，前一辆卡车仍将被记录，坡道启动频率的不同值（f0）和每个波浪斜带的持续时间（Ns），用于每个传感器以避免干扰。

由于每个传感器都有不同的Ns和f0值，根据附录A.75中的公式A0，卡车的理论最大距离范围也不同，分别为2.3和3.1m，这些值与供应商估计的70-75米一致。

相比之下，汽车雷达传感器的范围通常为30–150m，传感器的声明距离精度为±0.3%，对应于0m处的±23.75m偏差，这对于当前用例来说已经足够了。

视频片段、同步和手动视频编码

记录仪表板镜头，以便根据驾驶场景探索雷达数据，没有视频是不可能的，因为是必须对镜头进行编码。

这与计算机视觉中使用的计算，更复杂的语义分割过程不同，后者涉及对场景中的相关对象进行分类，通常使用边界框。

使用鲍里斯将视频片段同步并与当地时间对齐，鲍里斯是一个免费的开源视频编码程序，每个鲍里斯观察都包含来自同一辆卡车和驾驶路段的视频。

每次观察的日期和时间被定义为开始记录时电话应用程序向最长视频文件显示的本地时间，这确保了在现场试验期间，卡车的所有视频都与当地时间保持一致。

BURIS中的事件是使用人种图定义的，可以是点事件，也可以是状态事件，点事件没有持续时间，而状态事件有持续时间。

视频编码是在以正常速度的2-4倍播放视频时进行的，具体取决于驾驶场景的复杂性，事件由第一编码，确保一致性。

雷达启动和迎面而来的交通被定义为点事件，在迎面而来的车辆中，只有卡车似乎会影响列队行驶期间的车际距离，视频片段显示，当在狭窄的路段遇到大型卡车时，领头的卡车通常会降低速度，导致跟随者的速度降低，车际距离缩短。

卡车订购号指示仪表卡车，在排内收集相关车辆间距离数据的时间段，而不是它们担任排长，在排之前收集不相关数据的时间段。

鲍里斯视频代码概述

驾驶视频代码包括遇到的所有条件，即隧道和环形交叉路口，从而展示了各种复杂的驾驶路段，隧道和环形交叉路口视频代码表示特别感兴趣的场景。

在隧道中，卡车之间的车间距离无法使用基于GNSS的方法确定，也不清楚隧道如何影响雷达传感器的工作条件，环形交叉路口是水平半径较小的分界区域。

这可以说明当前一辆卡车转弯时道路曲率对雷达操作的影响，所有事件都为每辆卡车单独编码，从有关卡车的前部进入隧道的那一刻起。

到卡车的前部离开隧道时，隧道都被编码，相同的原理也用于环形交叉路口，即对每辆卡车的前部进入和离开循环区域的时刻进行编码。

事件被定义为目视检查到前一辆卡车的距离，因为卡车有时相距很远，目标是从由于驾驶情况而传感器难以或无法检测到前一辆卡车的时期中删除数据，这发生在两种情况下。

第一：它发生在急转弯时，前方卡车将从雷达视野中消失，仪表板摄像头的水平视野比雷达传感器大，因此当摄像头上没有前方车辆出现时，雷达也不会检测到它。

第二：它发生在卡车开得很远的时候，雷达的距离范围比仪表板摄像头短，后者仅受视线限制。

这两种情况都被编码为可能超出雷达范围（LBRR），同时也可能在雷达范围内（LWRR），表示可能已经收集相关雷达数据的驾驶周期。

此过程的手动性质引入了一些限制，前一辆卡车实际为LWRR的时期可能被编码为LBRR，反之亦然，这些代码之间的转换也可能发生在不同的距离。

尽管不完美，但这种分类比包括所有雷达数据更可取，即使前一辆卡车的位置远远超出雷达范围，对于相距较远的场景，中心线道路标记最初有助于视觉估计。

在限速80-90公里每小时的农村道路上，这些标记具有标准化的长度和间隙总计12米，连续重复在使用道路标记对LWRR和LBRR进行编码一段时间。

剩余的仪表板摄像头镜头在没有有意识地参考道路标记，为此还尝试使用前一辆卡车的像素数，但大规模这样做是不成功的。

数据收集和处理步骤概述

雷达数据处理

视频编码事件从鲍里斯导出为电子表格，并将相应观测值的日期和时间添加到雷达，记录视频代码的每个实例的时间戳中，这将在启动雷达日志记录时为实例分配本地时间，并作为在大蟒中同步视频代码和雷达数据的基础。

过滤器仅提取列队行驶卡车之间的车辆间距离，过滤旨在从卡车未行驶的时间段，与前一辆卡车不对应的数据，以及最后从前一辆卡车超出传感器范围的时间段中删除数据。

记录最多五个同时检测到的目标，正相对速度应于从雷达后退的目标，负相对速度对应于接近的目标。

对于精选雷达数据集，前者是前一辆卡车加速离开相关卡车，前面的卡车减速将是后者的一个例子。

雷达数据滤波器概述

结论

对雷达传感器进行了测试，估计卡车之间的车辆间距离，三辆卡车参加了实词列队实地考察，没有来自集成传感器的数据。

从最后两辆卡车的传感器中发现了类似的结果，表明它们对于该用例是可行的，数据过滤涉及多方面的方法。

在基于相对速度和信噪比进行过滤的同时，视频片段允许从不相关的时间段中删除数据，并探索环形交叉路口和隧道中的传感器操作。

如果没有视频片段，精选的雷达数据，便可用于模拟卡车在特定类型道路，特征上列队行驶的预期燃油节省。

传感器范围估计为74米和71米，即略短于理论计算所建议的，传感器在83-85%的时间内捕获了前方卡车。

当它位于雷达范围内时，特别是在隧道中，95-96%的驾驶时间被占，可能是由于驾驶距离较近。

与所有驾驶相比，隧道中的平均信噪比下降了3%，但这似乎不会影响目标检测步骤的准确性，在环形交叉路口转弯时，前一辆卡车的视野经常丢失，传感器会检测周围环境。

直到完成转弯后重新获得视野，导致平均信噪比值下降，环形交叉路口的直线移动问题较少，因为视野大多被保留。

在很远的距离观察到高信噪比值，表明具有最佳参数的传感器，可能能够测量更远的前方卡车，研究结果表明：简单、廉价的雷达传感器和运动相机，可以促进从卡车列队行驶现场试验中，收集车辆间距离的数据。

如果你喜欢我的写的文章，麻烦请点个“关注”，欢迎在评论区与我一同探讨，谢谢。

END