4D雷視一體機在交通中的應用

一、交通毫米波雷達的發展
      毫米波雷達技術最早應用于軍工領域。近10年，隨著高頻毫米波芯片的量產，毫米波雷達成本大幅下降，其產品開始廣泛應用于車載雷達、智慧交通、健康醫療等領域。毫米波雷達相比攝像頭和激光雷達，受天氣影響更小，目標檢測可靠精準，近些年在智能交通領域中嶄露頭角。已逐漸發展成為智能交通系統中不可或缺的傳感器。
      然而，交通毫米波雷達由于體制原因，仍存在一些不可避免的問題。毫米波雷達是利用目標對電磁波的反射來發現并測定目標位置, 而充滿雜波的外部環境（大車、地物、指示牌、樹木）會給毫米波雷達感知帶來無法避免的虛警問題[1]。另外，由于非機動車行人RCS較小，交通毫米波雷達在非機動車行人識別方面表現不穩定。同時也因低密度的點云數據，交通毫米波雷達在目標類型識別方面不是很精確。

二、4D毫米波雷達概述
      傳統的毫米波雷達主要依靠3個維度分辨目標，即距離分辨力、方位分辨力和速度分辨力。路面上的所有目標，包括機動車、非機動車、行人、動物、樹木等，都會反射雷達回波。當毫米波雷達接收到這些回波，只要在距離、方位和速度上有任意一個維度可被區分，那么這些目標就能被有效分開，并實現過濾和跟蹤處理。在流量較小的道路上，車輛的速度和位置一般都有明顯的差別，毫米波雷達可以輕易的將目標區分清楚。但遇到擁堵的道路或復雜的路口，車輛緩行、非機動車行人混行、路面指示牌影響時，目標的速度相差無幾（<1m/s），位置又互相非常靠近（< 0.25m）。這時就對雷達的檢測能力提出了很大的挑戰。
      2020年起，很多毫米波雷達廠家推出了4D毫米波雷達。4D毫米波雷達增加了測高的能力，除了傳統的距離分辨力、方位分辨力和速度分辨力外，增加了俯仰角分辨力，從而大幅提升了目標檢測能力。例如路邊的樹木和邊上站的人，速度和位置都基本一樣無法區分，但高度上有明顯區別，即可識別成2個物體。
      目前，4D毫米波雷達的實現方式主要有三種方案，分別是標準芯片+軟件算法、采用多收多發芯片組級聯、自研特種芯片或材料。而4D毫米波雷達尚處于起步階段，  雖然市面上很多廠家推出了相關的產品，但最終實現量產交付的產品非常有限。

三、4D雷視一體機及解決方案
      現有的4D毫米波雷達基本都是車載雷達，被安裝于車輛的前部，實現對前方目標的成像和跟蹤。4D毫米波雷達傳承了傳統雷達的全天候探測特性，同時能夠探測靜止物體且并輸出高密度的點云數據，可以媲美低線束激光雷達。
      但車載4D毫米波雷達等于路側4D毫米波雷達嗎？車載4D毫米波雷達能否直接被拿來用于交通感知和路側感知呢？
      車載4D毫米波雷達主要對車輛周圍的目標進行點云成像。例如某大廠發布的4D車載毫米波雷達，俯仰面分辨力為2°。對車輛周圍10米處的目標進行點云成像，可分辨高度為0.3米，一般的人和車在俯仰維上可以形成5~8個點云。而路側感知的雷達一般被安置在紅綠燈桿或電警桿上，主要探測的范圍為60m-260m區域。在100米處，路側4D毫米波雷達可分辨高度為3.5米，一般的人和車在俯仰維上只有1個點。但其高度精度可達0.5米~0.6米，可分辨車型。
      所以車載4D毫米波雷達可用于點云成像，而路側4D毫米波雷達的測高功能主要用于分辨目標類型和去除雜波。
      4D雷視一體機，通過將4D毫米波雷達與視頻相結合，可實現路口或路段全息感知。4D雷視一體機將原始的視頻流和4D雷達點云數據流同時通過MIPI和PCIe接口接入到一體機中的嵌入式處理器中。在內置的嵌入式處理器中直接對原始的視頻流進行AI目標提取，然后通過內建的坐標映射系統將視頻目標投影到雷達坐標系中，最后對視頻目標和雷達點云進行融合跟蹤處理，實現全局目標的實時矢量化和跟蹤。4D雷達點云一方面可以濾除很多地雜波干擾，另一方面為視頻目標融合提供了三維數據匹配。