探究雷達（RADAR）工作原理

點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

雷達是自1930年代以來我們一直使用的傳感器。最初，它被軍方用來檢測敵機。它在戰(zhàn)爭期間一直是一個巨大的傳感器，被各方使用。今天，它是一種用于自適應巡航控制的車輛以及用于障礙物檢測的自動駕駛車輛的技術。讓我們看一下雷達的工作原理，該傳感器的優(yōu)缺點是什么以及如何將其用于檢測物體的位置，類別和速度。

為什么雷達有用

在自動駕駛汽車中，雷達是一種非常常見的傳感器。

諸如Tesla或Comma.ai之類的公司使用雷達與攝像頭相結合來確保只有視覺系統(tǒng)才能實現。其他制造商將RADAR與LiDAR和攝像頭結合使用，獲得了出色的傳感器融合模塊。

發(fā)明雷達時，比較麻煩，但是今天，它適合您已經擁有的所有車輛，通常位于前保險杠的后面。關于雷達的另一個重要論點是它的價格。它的價格可能高達500美元，但漲幅不大。當用于自動駕駛時，雷達是一種出色的互補傳感器，可以解決其他傳感器的弱點。總而言之，雷達可以直接測量物體的速度，并且可以在白天，夜晚，雨天，霧天，大雪等不同場景下工作，而其他傳感器可能會遇到問題。

雷達如何工作

介紹

RADAR代表無線電檢測和測距。它通過發(fā)出電磁（EM）波來工作，該電磁波在遇到障礙物時會反射。由于它使用EM波工作，因此可以在任何條件下工作。

我們必須了解的一件事是，就像在高中物理中一樣，我們正在處理波形。

例如，每個波都有一個波長，一個頻率，一個振幅和一個相位。

硬件—FMCW

有許多不同類型的雷達，其中最流行且與我們的案例有關的一種稱為FMCW-調頻連續(xù)波。

為什么它受歡迎并且與我們的案例相關？這種類型的雷達輻射連續(xù)功率。它可以在很小的范圍內檢測障礙物，并且可以同時測量物體的范圍和速度。

該波看起來像這樣：這是一個稱為鋸齒的信號，其頻率可以隨時間增加或減少。幾分鐘后，我們將了解多普勒效應的含義。

FMCW雷達的硬件包括很多東西：

·?頻率合成器-一種將波設置為正確頻率的裝置。

·?功率放大器—一種放大信號的東西，以便RADAR可以在遠距離（300m）看到。

·?天線—一種將電能轉換為電磁波的東西，該電磁波被發(fā)送到特定的方向并被反射（返回到天線）。

·?混頻器-有助于頻移的功能。

·?處理器-就像在任何計算機中一樣，處理器可以幫助進行計算，我們甚至可以處理信號來進行機器學習，聚類，跟蹤等。

那我們可以檢測到每個物體嗎？當發(fā)射的波到達物體時；它可以檢測出來。但是如何檢測？我們注意到，它并不總是完全反射回RADAR的天線。反射指數稱為雷達橫截面（RCS） 用于并考慮到：目標的幾何形狀、雷達的方向、頻次、靶材。因此，RCS是一種考慮了所有這些因素的指標。

現在考慮一下隱形飛機的以下圖像。這種類型的飛機可能完全未被RADAR探測到，這是因為其幾何形狀設計可將波向其他方向偏轉，其光滑的表面以及旨在吸收波的非反射性涂料，因此它們不會返回發(fā)射器。

由于反射率和其他因素，可以使用RADAR對障礙物進行分類。如何估算障礙物的范圍？當我們想使用雷達時，涉及許多不同的方程式。實際上，這是100％的信號處理。但是，數學很簡單，在數學上并不難。

這是一個示例-假設我們前面有輛汽車，我們需要知道它與我們之間的距離。

我們知道信號的速度，因為它在空中傳播。c ＝ 3×10?。我們可以測量信號返回的時間：T。那么，達到目標所需的時間為T / 2。范圍只是R = c * T /2。更復雜（接近現實）的計算將用RADAR的某些參數（例如帶寬或線性調頻周期）的組合代替T。并且這不是計算獲得，而只需要硬件參數即可。

那么如何估算物體的速度？假如您在駕車行駛過程中得到了一張超速罰單，您準備了解原因了嗎？這就是所謂的多普勒效應。請看下面的圖片：

如您所見，波浪完全不同。波是雷達發(fā)射的信號。頂部的藍波是正在接近的車輛的反射波-波長很小。底部的藍色波是遠離我們的車輛的反射波-波長很大。在計算頻率偏移時，我們可以確定車輛的速度和方向：這稱為多普勒效應。

多普勒頻移方程

我們知道：fD-頻率偏移（已測量，未保留詳細信息）λ—波長，因此，我們可以確定車輛的速度νr。如何解釋海浪？RADAR對我們沒有輸出任何邏輯信息-它顯示了波動。我們在此波中唯一可以看到的是幅度和頻率。

最終任務是關于使用快速傅立葉變換（FFT）將該波轉換為可解釋的信號。

我們將跳過有關快速傅立葉變換的說明。如果您在學校沒學過，可以在這里獲得介紹。大多數人只調用fft（）函數。需要了解的一件事：它有助于我們將波從時域轉移到頻域。一旦進入頻域，我們可以注意到一些波在不同的頻率處反射，并將它們與其他波分開。每個峰代表檢測到的障礙。

噪聲

要知道的一件事是，雷達是一種非常嘈雜的傳感器。您會看到一個明顯的障礙，但是RADAR輸出5或6次檢測。您看不到障礙物，但是出于未知原因，雷達顯示了一些檢測結果。我們稱之為噪音。

噪音來自各種事物。一罐蘇打水可以反射波浪并看起來像是物體。通常，這是環(huán)境噪聲。為了過濾噪聲，我們使用一種稱為SNR或信噪比的度量。雷達輸出波和振幅。幅度越高，檢測的可能性越高。

雜亂無章的噪聲

接下來發(fā)生的事情稱為混亂或閾值化。我們可以刪除較弱的檢測，而僅保留最能反映出問題的檢測。諸如動態(tài)雜波之類的先進技術是可能的。

聚類和檢測

最后，我們能夠檢測到障礙物并估算其速度。但是我們得到的僅僅是反射波，這要歸功于FFT。我們可以輸出許多結果，并且可能需要對輸出進行聚類。聚類算法是基于距離計算的算法，例如歐幾里得聚類或K均值聚類。

結論

RADAR是一個非常強大的工具。由于噪聲的影響，它不能真正在自動駕駛環(huán)境中單獨使用。但它可以與相機或LiDAR結合使用，功能非常強大。

它可以在許多條件下工作，并且可以直接估算范圍和速度。通過一些工作，它甚至可以分類。我們沒有提到的一件事是，雷達可以看到建筑物和障礙物的下方。如果我們要在近距離內估計環(huán)境，則此功能非常強大。RADAR還可以預測即將發(fā)生的交通事故，特斯拉已經使用RADAR挽救了許多生命。

?End?

下載1：OpenCV-Contrib擴展模塊中文版教程

在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內容。

下載2：Python視覺實戰(zhàn)項目31講

在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目31講，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數、添加眼線、車牌識別、字符識別、情緒檢測、文本內容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現20個實戰(zhàn)項目，實現OpenCV學習進階。

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~