本文作者:黄李波 陈欢磊

摘要

毫米波雷达以其全工况下优异的性能和相对低廉的价格,成为智能驾驶感知系统的核心传感器。2021 年乘着车载射频芯片迅猛发展的东风,车载毫米波雷达开始向4D 成像雷达升级迭代,提供包括目标高度在内的更全面的信息。同时国产化的浪潮势不可挡,从芯片等关键部件到一级供应商,越来越多的国产品牌展现出坚实的研发实力和优异的性能,为中国汽车产业的智能化进程添砖加瓦。

前言

随毫米波雷达由于其全工况下优异的性能和相对低廉的价格,成为自动驾驶环境感知系统的核心传感器。2019年全球车载毫米波雷达的出货量达6000 万,市场规模达到42 亿美元。2020 年全球毫米波雷达出货量接近7000万颗,市场超过50 亿美元,预计2025 年全球车载毫米波雷达市场可达130 亿美元。随着自动驾驶技术的推广,毫米波雷达在中国市场也得到了广泛的应用。据数据统计,2020 年1-12 月中国市场前装角雷达搭载量未414.28 万个,同比增长72.53%;前向毫米波雷达上线量535.72 万颗,同比增长38.43%。相对于激光雷达和摄像头等光学传感器,毫米波雷达不受光线的制约,在雨雾雪等恶劣天气下能够正常工作。毫米波雷达也是唯一能够通过测量多普勒频偏来直接测量目标速度的传感器。但毫米波雷达相对激光雷达较低的角分辨率和垂直方向信息的缺失,成为制约毫米波雷达目标检测能力的关键问题。2021 年,车载射频芯片的发展,为实现能够提供目标高度信息输出成像点云的毫米波雷达扫除了障碍。车载毫米波雷达向4D 成像雷达升级迭代。同时,国产化的浪潮势不可挡。从车载芯片到一级供应商,越来越多的国产品牌崭露头角。

以苏州豪米波技术有限公司为代表的一级供应商逐步在国内市场站稳了脚跟,实现了在国内整车厂的前装量产。加特兰和矽杰微电子等国产车载芯片厂商也纷纷推出国产豪米波芯片,为豪米波雷达供应商提供更多芯片解决方案,从一定程度上缓解芯片荒。本文将从技术演进路线和行业发展趋势两方面回顾2021年车载豪米波雷达的发展,并展望行业前进,供学术界提供参考。

1. 4D 成像毫米波雷达的兴起

1.1 4D 成像毫米波雷达技术

4D 成像毫米波雷达,顾名思义是能够输出目标4D 信息的毫米波雷达。此处的4D 指的是目标距离、目标速度、目标水平角度和目标高度信息。与目前量产的车载豪米波雷达相比,4D 成像毫米波雷达(以下简称4D 雷达)最重要的特点就是能够输出目标的高度信息。高度信息能够帮助雷达区分天桥、窨井盖等目标,对于探测卡车等大型车辆。除了高度信息,4D 成像雷达还将最远探测距离拓展至300 米,角分辨率也大幅提升。图1 展示了4D 雷达输出的毫米波点云,可以看到与传统车载雷达相比,输出的不再是单一的点目标,而是更接近激光雷达的点云,呈现出空间分布的形态。通过对点云特征的分析,聚类提取出相应的目标。能分辨电线杆、交通灯等具有高度信息的目标。

图1 4D雷达点云输出

图2 展示了4D 雷达与传统车载雷达在探测范围和分辨率等方面的对比,可以看到4D 雷达保持了传统车载毫米波雷达在不同工况下的鲁棒性,更提升了探测范围和分辨力。基于更优的分辨力,4D 雷达对目标的分辨和追踪也有了显著的提升。

图2 4D成像雷达与传统车载雷达对比

1.2 4D 雷达实现的技术路线

不论是探测距离的增加还是分辨力的提升,都离不开雷达天线孔径的扩大。通过采用多输入多输出(Multiple-Input Multiple-Output, MIMO)天线阵列,能够形成大量的虚拟通道,从而构成更大的天线孔径,提高雷达的角分辨力。但虚拟通道的增加也会引起虚影的增加,造成误报。雷达厂商会通过设计和调整雷达波形来减少虚影,区分路侧静态障碍物等[2, 3]。同时,在垂直方向排布多天线通道,可以获得垂直方向的角分辨率。图3 展示了TI(TexasInstrument)公司推出的利用4 颗3 发4 收毫米波芯片级联而成的4D 雷达方案,形成了192 通道。图中可见其中部分发射天线采取了在垂直方向上的分布来形成在垂直方向的分辨率。

图3 TI 4颗芯片级联的4D雷达方案。发射天线不止在水平方向,在垂直方向也有分布

更多的天线通道意味着更大的数据量和更复杂的波形设计,这对雷达信号处理芯片也提出了更高算力要求。车载雷达的应用场景决定了芯片需要满足严苛的车规级要求和成本控制。下面将分别从各雷达供应商的4D 雷达实现

方案和芯片方案两方面来详细阐述。

2. 4D 雷达实现方案

各雷达供应商纷纷在2021 年推出了自己的4D 雷达方案,企图抢占4D 雷达跑道。下面从详细介绍几个已公开的4D 雷达方案。

2.1 德国大陆(Continental AG)的ARS540

德国大陆集团(以下简称大陆)深耕车载毫米波雷达数十年,自2016 年推出划时代的ARS4XX 77GHz 毫米波前向雷达和BSD3XX 24GHz 毫米波盲区检测雷达,目前前向雷达和角雷达产品已更迭至第五代,客户包括了戴姆勒、宝马、大众、丰田等知名主机厂。2020 年大陆推出了4D 成像雷达ARS540,采用4 颗射频芯片级联的方式,实现12 发射通道,16 接收通道高分辨率雷达。采用赛灵思Xillinx 的Zynq UltraScale+ MPSoC 处理雷达信号,支持300 米的探测距离和的视场角。表1 列出了ARS540 的技术参数。图4 展示了ARS540 的内部电路,可见四颗3发4 收射频芯片。

图4 ARS540内部电路图

2.2 德国博世(Bosch)的第5代雷达

德国博世作为全球最大的车辆零部件供应商,提供从线控到传感器的多种零部件。2020 年博世的第五代雷达面世,表2 列出其技术参数。可以看到博世第5 代雷达更同样达到了水平和垂直方向的的角分辨力。图5 展示了雷达内部电路。同样可以看到天线在水平和垂直方向上的分布为雷达提供了水平和垂直分辨力。目前博世没有公开最新的第五代4D 雷达具体射频芯片和雷达信号处理芯片配置。

2.3 傲酷(Oculii)公司的4D 雷达

2021 年傲酷公司推出了两款4D 雷达, 前向雷达Eagle 和角雷达Falcon。表3 列出了两款雷达的技术参数。可以发现傲酷雷达的体积、重量和功耗远小于大陆和博世的产品。这主要是由于傲酷采用的是双芯片方案,只采用两颗3 发4 收射频芯片,而非4 块芯片级联。傲酷放弃通过增加天线数目提高雷达孔径的方法,而采用了AI 软件对发射波形进行时变的相位调制,并对接收到的数值进行插值和外推,完全利用软件来形成更大的虚拟孔径。在信号处理方面,傲酷采用了低功耗的DSP 而非FPGA。但目前傲酷雷达还未得到前装量产大规模应用的验证。

3. 4D 雷达芯片方案

车载毫米波雷达芯片是车载雷达的基础,也是各项雷达性能指标实现的关键。近几年来车载毫米波雷达芯片从锗硅(SiGe)发展到CMOS 工艺,将射频前端、模数转换等混合信号部件整合到单个模拟前端(Analog Front End,AFE)上。车载毫米波雷达系统通常由毫米波射频芯片和雷达信号处理芯片组成。随着4D 雷达的兴起,各大芯片厂家纷纷推出多射频芯片级联的模式,来实现更大规模的MIMO。同时面对更大数据量,信号处理芯片也开始往多核、更高算力的方向发展。下面介绍各主流芯片厂商的4D 雷达方案。

3.1 德州仪器(Texas Instrument, TI)芯片

3.1.1 射频芯片

德州仪器(以下简称TI)自2017 年首次推出采用45nm CMOS 技术的毫米波雷达射频芯片,将77GHz 射频前端、雷达信号处理硬件加速器、数字信号处理器和微控制器集成到一颗量产芯片上,今年来逐步将产品线扩展,可支持从中短距到长距,从前向到角雷达的各类雷达开发需求。图6 展示了TI 在77 GHz 频率上的芯片产品。可以看到除了3 发4 收模数采样频率最高的AWR1243 可搭配TI 的多核处理器用于车外前向雷达开发,还有集成了硬件加速器的AWR144 可用于车内成员检测,2 发4 收的AWR1642 集成了DSP 和MCU,具有一定的计算能力,可用于车外盲区监测雷达。2019 年推出的AWR1843AOP(Antenna-On-Package)版本,在芯片上集成了收发天线,使雷达微型化成为可能。2021 年TI 推出了面向4D 雷达的AWR2243 芯片,增加了发射机相位调制功能,支持更为复杂的波形。通过级联多块AWR2243,可以实现大型的MIMO 阵列。

图6 TI毫米波雷达系列芯片

3.1.2 雷达信号处理器芯片

为了实现4D 雷达的波形调制和回波信号处理,TI 推出了TDA2x 系列高性能多核处理器。图7 展示了面向多射频芯片级联方案的雷达信号处理数字板。其中应用的TDA2x 处理器集成了TMS320C66x 数字信号处理器,图像加速器以及Arm Cortex-A15 MPCore 和dual-Cortex-M4 处理器。

图7 TI雷达信号处理板

3.2 恩智浦(NXP)芯片

3.2.1 射频芯片

恩智浦(以下简称NXP)是车载毫米波雷达的长年芯片供应商,从飞思卡尔时代开始就和德国大陆集团有长期合作,为大陆ARS300 系列雷达和ARS400 系列雷达提供射频芯片(3003)和微控制器芯片,但这些芯片并不对国内发售,且基于锗硅工艺的雷达射频芯片没有集成ADC和波形发生器(锁相环),集成度较低。进入2018 年,NXP 推出了基于40nm RF-CMOS 工艺的Dolphin 雷达芯片组,该芯片组由一颗雷达射频芯片TEF810X 和一颗雷达信号处理芯片S32R274 组成,其中雷达射频芯片TEF810X有七个型号涵盖了最低端的一发射通道、三接收通道;中端的两发射通道、四接收通道;高端的三发射通道、四接收通道。芯片内置模数转换器,采样频率最高40MSPS,芯片调制带宽最高2GHz。图8 展示了基于TEF8102 的车载雷达电路板。2020 年NXP 发布了新一代射频芯片TEF82XX,集成3 发4 收天线通道,支持BPSK 和QPSK调制。2021 年NXP 公布了面向4D 雷达的方案,级联4块TEF82XX,形成12 发16 收的成像通道。

图8 NXP基于TEF810X的雷达方案

3.2.2 雷达信号处理芯片

面向4D 雷达,NXP 推出了新一代雷达信号处理芯片S32R45。这是一枚基于Arm Cortex-A53 及Cortex-M7 的多核处理器。图9 展示了处理的架构框图。

图9 S32R45系统框图

3.3 英飞凌(Infineon)

英飞凌是毫米波雷达资深芯片供应商,长期与博世合作,为客户定制芯片,较少在公开渠道发布芯片。2017 年英飞凌发布了一款77GHz 车载雷达射频芯片RTN7735PL,配备了3 发4 收的天线通道,可搭配英飞凌多核MCU Aurix TC297 构成车载雷达系统。2020 年英飞凌推出面向4D 雷达的可级联的芯片RASICTM RXS816xPL,配合英飞凌的多核芯片二代AURIXTM TC3x 来完成对环境的成像功能。图10 展示了英飞凌的77GHz 雷达方案。

图10 英飞凌77GHz车载雷达方案

摘要

毫米波雷达以其全工况下优异的性能和相对低廉的价格,成为智能驾驶感知系统的核心传感器。2021 年乘着车载射频芯片迅猛发展的东风,车载毫米波雷达开始向4D 成像雷达升级迭代,提供包括目标高度在内的更全面的信息。同时国产化的浪潮势不可挡,从芯片等关键部件到一级供应商,越来越多的国产品牌展现出坚实的研发实力和优异的性能,为中国汽车产业的智能化进程添砖加瓦。

前言

随毫米波雷达由于其全工况下优异的性能和相对低廉的价格,成为自动驾驶环境感知系统的核心传感器。2019年全球车载毫米波雷达的出货量达6000 万,市场规模达到42 亿美元。2020 年全球毫米波雷达出货量接近7000万颗,市场超过50 亿美元,预计2025 年全球车载毫米波雷达市场可达130 亿美元。随着自动驾驶技术的推广,毫米波雷达在中国市场也得到了广泛的应用。据数据统计,2020 年1-12 月中国市场前装角雷达搭载量未414.28 万个,同比增长72.53%;前向毫米波雷达上线量535.72 万颗,同比增长38.43%。相对于激光雷达和摄像头等光学传感器,毫米波雷达不受光线的制约,在雨雾雪等恶劣天气下能够正常工作。毫米波雷达也是唯一能够通过测量多普勒频偏来直接测量目标速度的传感器。但毫米波雷达相对激光雷达较低的角分辨率和垂直方向信息的缺失,成为制约毫米波雷达目标检测能力的关键问题。2021 年,车载射频芯片的发展,为实现能够提供目标高度信息输出成像点云的毫米波雷达扫除了障碍。车载毫米波雷达向4D 成像雷达升级迭代。同时,国产化的浪潮势不可挡。从车载芯片到一级供应商,越来越多的国产品牌崭露头角。

以苏州豪米波技术有限公司为代表的一级供应商逐步在国内市场站稳了脚跟,实现了在国内整车厂的前装量产。加特兰和矽杰微电子等国产车载芯片厂商也纷纷推出国产豪米波芯片,为豪米波雷达供应商提供更多芯片解决方案,从一定程度上缓解芯片荒。本文将从技术演进路线和行业发展趋势两方面回顾2021年车载豪米波雷达的发展,并展望行业前进,供学术界提供参考。

1. 4D 成像毫米波雷达的兴起

1.1 4D 成像毫米波雷达技术

4D 成像毫米波雷达,顾名思义是能够输出目标4D 信息的毫米波雷达。此处的4D 指的是目标距离、目标速度、目标水平角度和目标高度信息。与目前量产的车载豪米波雷达相比,4D 成像毫米波雷达(以下简称4D 雷达)最重要的特点就是能够输出目标的高度信息。高度信息能够帮助雷达区分天桥、窨井盖等目标,对于探测卡车等大型车辆。除了高度信息,4D 成像雷达还将最远探测距离拓展至300 米,角分辨率也大幅提升。图1 展示了4D 雷达输出的毫米波点云,可以看到与传统车载雷达相比,输出的不再是单一的点目标,而是更接近激光雷达的点云,呈现出空间分布的形态。通过对点云特征的分析,聚类提取出相应的目标。能分辨电线杆、交通灯等具有高度信息的目标。

图1 4D雷达点云输出

图2 展示了4D 雷达与传统车载雷达在探测范围和分辨率等方面的对比,可以看到4D 雷达保持了传统车载毫米波雷达在不同工况下的鲁棒性,更提升了探测范围和分辨力。基于更优的分辨力,4D 雷达对目标的分辨和追踪也有了显著的提升。

图2 4D成像雷达与传统车载雷达对比

1.2 4D 雷达实现的技术路线

不论是探测距离的增加还是分辨力的提升,都离不开雷达天线孔径的扩大。通过采用多输入多输出(Multiple-Input Multiple-Output, MIMO)天线阵列,能够形成大量的虚拟通道,从而构成更大的天线孔径,提高雷达的角分辨力。但虚拟通道的增加也会引起虚影的增加,造成误报。雷达厂商会通过设计和调整雷达波形来减少虚影,区分路侧静态障碍物等[2, 3]。同时,在垂直方向排布多天线通道,可以获得垂直方向的角分辨率。图3 展示了TI(TexasInstrument)公司推出的利用4 颗3 发4 收毫米波芯片级联而成的4D 雷达方案,形成了192 通道。图中可见其中部分发射天线采取了在垂直方向上的分布来形成在垂直方向的分辨率。

图3 TI 4颗芯片级联的4D雷达方案。发射天线不止在水平方向,在垂直方向也有分布

更多的天线通道意味着更大的数据量和更复杂的波形设计,这对雷达信号处理芯片也提出了更高算力要求。车载雷达的应用场景决定了芯片需要满足严苛的车规级要求和成本控制。下面将分别从各雷达供应商的4D 雷达实现

方案和芯片方案两方面来详细阐述。

2. 4D 雷达实现方案

各雷达供应商纷纷在2021 年推出了自己的4D 雷达方案,企图抢占4D 雷达跑道。下面从详细介绍几个已公开的4D 雷达方案。

2.1 德国大陆(Continental AG)的ARS540

德国大陆集团(以下简称大陆)深耕车载毫米波雷达数十年,自2016 年推出划时代的ARS4XX 77GHz 毫米波前向雷达和BSD3XX 24GHz 毫米波盲区检测雷达,目前前向雷达和角雷达产品已更迭至第五代,客户包括了戴姆勒、宝马、大众、丰田等知名主机厂。2020 年大陆推出了4D 成像雷达ARS540,采用4 颗射频芯片级联的方式,实现12 发射通道,16 接收通道高分辨率雷达。采用赛灵思Xillinx 的Zynq UltraScale+ MPSoC 处理雷达信号,支持300 米的探测距离和的视场角。表1 列出了ARS540 的技术参数。图4 展示了ARS540 的内部电路,可见四颗3发4 收射频芯片。

图4 ARS540内部电路图

2.2 德国博世(Bosch)的第5代雷达

德国博世作为全球最大的车辆零部件供应商,提供从线控到传感器的多种零部件。2020 年博世的第五代雷达面世,表2 列出其技术参数。可以看到博世第5 代雷达更同样达到了水平和垂直方向的的角分辨力。图5 展示了雷达内部电路。同样可以看到天线在水平和垂直方向上的分布为雷达提供了水平和垂直分辨力。目前博世没有公开最新的第五代4D 雷达具体射频芯片和雷达信号处理芯片配置。

2.3 傲酷(Oculii)公司的4D 雷达

2021 年傲酷公司推出了两款4D 雷达, 前向雷达Eagle 和角雷达Falcon。表3 列出了两款雷达的技术参数。可以发现傲酷雷达的体积、重量和功耗远小于大陆和博世的产品。这主要是由于傲酷采用的是双芯片方案,只采用两颗3 发4 收射频芯片,而非4 块芯片级联。傲酷放弃通过增加天线数目提高雷达孔径的方法,而采用了AI 软件对发射波形进行时变的相位调制,并对接收到的数值进行插值和外推,完全利用软件来形成更大的虚拟孔径。在信号处理方面,傲酷采用了低功耗的DSP 而非FPGA。但目前傲酷雷达还未得到前装量产大规模应用的验证。

3. 4D 雷达芯片方案

车载毫米波雷达芯片是车载雷达的基础,也是各项雷达性能指标实现的关键。近几年来车载毫米波雷达芯片从锗硅(SiGe)发展到CMOS 工艺,将射频前端、模数转换等混合信号部件整合到单个模拟前端(Analog Front End,AFE)上。车载毫米波雷达系统通常由毫米波射频芯片和雷达信号处理芯片组成。随着4D 雷达的兴起,各大芯片厂家纷纷推出多射频芯片级联的模式,来实现更大规模的MIMO。同时面对更大数据量,信号处理芯片也开始往多核、更高算力的方向发展。下面介绍各主流芯片厂商的4D 雷达方案。

3.1 德州仪器(Texas Instrument, TI)芯片

3.1.1 射频芯片

德州仪器(以下简称TI)自2017 年首次推出采用45nm CMOS 技术的毫米波雷达射频芯片,将77GHz 射频前端、雷达信号处理硬件加速器、数字信号处理器和微控制器集成到一颗量产芯片上,今年来逐步将产品线扩展,可支持从中短距到长距,从前向到角雷达的各类雷达开发需求。图6 展示了TI 在77 GHz 频率上的芯片产品。可以看到除了3 发4 收模数采样频率最高的AWR1243 可搭配TI 的多核处理器用于车外前向雷达开发,还有集成了硬件加速器的AWR144 可用于车内成员检测,2 发4 收的AWR1642 集成了DSP 和MCU,具有一定的计算能力,可用于车外盲区监测雷达。2019 年推出的AWR1843AOP(Antenna-On-Package)版本,在芯片上集成了收发天线,使雷达微型化成为可能。2021 年TI 推出了面向4D 雷达的AWR2243 芯片,增加了发射机相位调制功能,支持更为复杂的波形。通过级联多块AWR2243,可以实现大型的MIMO 阵列。

图6 TI毫米波雷达系列芯片

3.1.2 雷达信号处理器芯片

为了实现4D 雷达的波形调制和回波信号处理,TI 推出了TDA2x 系列高性能多核处理器。图7 展示了面向多射频芯片级联方案的雷达信号处理数字板。其中应用的TDA2x 处理器集成了TMS320C66x 数字信号处理器,图像加速器以及Arm Cortex-A15 MPCore 和dual-Cortex-M4 处理器。

图7 TI雷达信号处理板

3.2 恩智浦(NXP)芯片

3.2.1 射频芯片

恩智浦(以下简称NXP)是车载毫米波雷达的长年芯片供应商,从飞思卡尔时代开始就和德国大陆集团有长期合作,为大陆ARS300 系列雷达和ARS400 系列雷达提供射频芯片(3003)和微控制器芯片,但这些芯片并不对国内发售,且基于锗硅工艺的雷达射频芯片没有集成ADC和波形发生器(锁相环),集成度较低。进入2018 年,NXP 推出了基于40nm RF-CMOS 工艺的Dolphin 雷达芯片组,该芯片组由一颗雷达射频芯片TEF810X 和一颗雷达信号处理芯片S32R274 组成,其中雷达射频芯片TEF810X有七个型号涵盖了最低端的一发射通道、三接收通道;中端的两发射通道、四接收通道;高端的三发射通道、四接收通道。芯片内置模数转换器,采样频率最高40MSPS,芯片调制带宽最高2GHz。图8 展示了基于TEF8102 的车载雷达电路板。2020 年NXP 发布了新一代射频芯片TEF82XX,集成3 发4 收天线通道,支持BPSK 和QPSK调制。2021 年NXP 公布了面向4D 雷达的方案,级联4块TEF82XX,形成12 发16 收的成像通道。

图8 NXP基于TEF810X的雷达方案

3.2.2 雷达信号处理芯片

面向4D 雷达,NXP 推出了新一代雷达信号处理芯片S32R45。这是一枚基于Arm Cortex-A53 及Cortex-M7 的多核处理器。图9 展示了处理的架构框图。

图9 S32R45系统框图

3.3 英飞凌(Infineon)

英飞凌是毫米波雷达资深芯片供应商,长期与博世合作,为客户定制芯片,较少在公开渠道发布芯片。2017 年英飞凌发布了一款77GHz 车载雷达射频芯片RTN7735PL,配备了3 发4 收的天线通道,可搭配英飞凌多核MCU Aurix TC297 构成车载雷达系统。2020 年英飞凌推出面向4D 雷达的可级联的芯片RASICTM RXS816xPL,配合英飞凌的多核芯片二代AURIXTM TC3x 来完成对环境的成像功能。图10 展示了英飞凌的77GHz 雷达方案。

图10 英飞凌77GHz车载雷达方案

3.4 国产毫米波雷达芯片

在毫米波雷达大潮的推动下,国内也涌现出一批毫米波雷达芯片公司,推出了面向4D 雷达的芯片产品。

3.4.1 加特兰微电子(Calterah)

加特兰微电子(以下简称加特兰)成立于2014 年,致力于发展车载毫米波芯片。2017 年推出了第一代毫米波雷达射频芯片YOSEMITE。2021 年推出了面向4D 雷达的可级联芯片Alps CAL77S244-AE,集成4 个发射通道和4 个接收通道。表4 展示了这颗芯片的技术参数。Alps 系列另有两款芯片CAL77S224-AB 和CAL77S224-IB,将天线也集成到了芯片中。图11 展示了加特兰的Alps 芯片。

图11 加特兰Alps芯片

4 结论

毫米波雷达作为智能汽车环境感知的重要传感器在2021 年开始向4D 成像雷达演进,提供目标的高度信息,输出角分辨率更高的雷达点云。本文介绍了各大主流雷达供应商的4D 成像雷达方案,并对雷达的关键部件射频和信号处理芯片的发展也进行了梳理。

3.4 国产毫米波雷达芯片

在毫米波雷达大潮的推动下,国内也涌现出一批毫米波雷达芯片公司,推出了面向4D 雷达的芯片产品。

3.4.1 加特兰微电子(Calterah)

加特兰微电子(以下简称加特兰)成立于2014 年,致力于发展车载毫米波芯片。2017 年推出了第一代毫米波雷达射频芯片YOSEMITE。2021 年推出了面向4D 雷达的可级联芯片Alps CAL77S244-AE,集成4 个发射通道和4 个接收通道。表4 展示了这颗芯片的技术参数。Alps 系列另有两款芯片CAL77S224-AB 和CAL77S224-IB,将天线也集成到了芯片中。图11 展示了加特兰的Alps 芯片。

图11 加特兰Alps芯片

4 结论

毫米波雷达作为智能汽车环境感知的重要传感器在2021 年开始向4D 成像雷达演进,提供目标的高度信息,输出角分辨率更高的雷达点云。本文介绍了各大主流雷达供应商的4D 成像雷达方案,并对雷达的关键部件射频和信号处理芯片的发展也进行了梳理。

主流雷达供应商的4D成像雷达方案梳理相关推荐

  1. 榜单发布!新老玩家混战,4D成像雷达“上车潮”来了?

    与其它传感器的发展历程相比,4D成像雷达的量产上车速度似乎更快. 9月27日,飞凡R7正式上市,为4D成像雷达添了一把热度.该车配置了33个传感器,其中2颗采埃孚首发量产的Premium 4D成像雷达 ...

  2. 光有激光雷达还不够?4D成像雷达进入“量产上车”时代

    4D成像雷达正在成为智能辅助驾驶/自动驾驶多传感器融合系统当中最具竞争力的方案之一. 今年以来,包括飞凡R7.长安深蓝SL03等车型相继搭载4D成像雷达上市,4D成像雷达进入了"量产上车&q ...

  3. 4D成像雷达风口,谁在快速崛起?

    4D成像雷达正进入规模量产落地的关键窗口期. 高工智能汽车注意到,毫米波雷达的发展某种程度上可以分为两个阶段:第一个阶段,传统毫米波雷达时代,市场基本被博世.大陆.安波福等国际Tier1巨头把持,市场 ...

  4. 4D成像雷达“门槛升级”,点云处理+前融合感知大战打响

    汽车毫米波雷达市场的变革,超出很多人的预期.如今,几乎大部分的毫米波雷达公司都在推动4D成像雷达的技术落地.从自动驾驶公司Waymo,到大陆集团.采埃孚.博世等传统雷达厂商以及傲酷(被安霸收购).为升 ...

  5. 靴子落地!Mobileye正式启动4D成像雷达量产进程

    4D毫米波雷达赛道正在变得越来越拥挤. 在传统雷达时代,全球主要的市场参与者屈指可数,博世.大陆.安波福.海拉等少数几家巨头几乎垄断前装市场.如今,随着4D时代的开启,越来越多的新进入者希望能够实现换 ...

  6. 全球最高角分辨率商用4D成像雷达发布,傲酷“软”手解决世界“硬”难题

    3月9日,全球领先的4D成像雷达供应商傲酷公司(Oculii)宣布推出全新Eagle前向雷达和Falcon角雷达产品.Eagle是目前世界上最高角分辨率的商用4D成像雷达,Falcon是世界上最小巧的 ...

  7. 谁在领跑4D成像雷达的技术升级

    当前,4D成像雷达正在成为汽车传感器中的"新星",但背后所面临的挑战却不容忽视. 一方面,市场对于4D成像雷达的需求还不明确.比如,哪些ADAS/自动驾驶功能需要配置4D成像雷达. ...

  8. 华为4D成像雷达、智能驾驶平台MDC 810

    华为4D成像雷达.智能驾驶平台MDC 810 2020年10月底,华为发布了HI品牌,在今年2021年上海国际车展前夕,华为以 "专新致智" 为主题,举办HI新品发布会,发布了包括 ...

  9. 市场热度持续提升!4D成像雷达进入「细分场景争夺战」

    毫米波雷达的4D进阶,正在汽车行业不断发酵.一部分企业,快速基于包括NXP.TI在内的传统雷达芯片厂商提供的设计方案进行前装落地:另一部分企业则是寻求在芯片层面实现突破. 近日,全球汽车芯片巨头之一的 ...

最新文章

  1. [React] Web应用:Hello World
  2. vMware vSphere 5.0发布时间
  3. 配置MGR启动第一个节点时start group_replication一直报ERROR 3092 (HY000):The server is not configured properly
  4. 9. Approximate Inference
  5. 关于Linux服务器改变为普通用户进行运维的操作手记
  6. react-native 改变webview中字体颜色方式
  7. scala可变长度参数(一)
  8. 【数据结构和算法笔记】队列(Queue)详解:c实现
  9. Mysql之INFORMATION_SCHEMA解析1
  10. IE改善七大手法| ECRS工时分析软件
  11. Coverity代码静态检测工具介绍
  12. 指数退避和AIMD为什么都青睐数字2
  13. 超市网店营销与接口测试
  14. Launching app Install failed. Installation failed <a href=‘rerun‘>Rerun</a>
  15. SpringMVC之405错误码
  16. 购买虚拟服务器费用入什么科目,购买的云服务器费用入什么科目
  17. SQL优化中索引列使用函数之灵异事件
  18. 多少秒算长镜头_长镜头的作用
  19. 计算机的用途英语作文带翻译,关于计算机的英文作文带翻译
  20. android技术分析

热门文章

  1. DJSF1352RN直流电能表在某新加坡光伏储能系统中的应用
  2. 金 融 量 化 分 析 • 外 篇 • 绘 制 行 情 数 据 数 据 图
  3. 《后端编程》第七单元作业新
  4. iOS开发 - 使用自定义字体
  5. 解决Android设置环信显示头像和昵称问题
  6. Ubuntu操作系统位数及版本
  7. 在gitlab网页上合并分支
  8. Web 前端代码规范
  9. Windows环境定期清理Oracle归档日志
  10. java redis模糊查询_Redis模糊查询