Industry Observation
产业观察
DCW
15
数字通信世界
2019.09
1 研究背景
随着智能交通系统在全球的广泛应用,无人驾驶技术作为信息化与工业化深度融合的产物为整个汽车产业带来了颠覆性的变化,汽车逐步由代步工具演变成为特殊的移动智能终端。高级驾驶辅助系统(ADAS )作为无人驾驶技术的基础在全球范围得到快速发展,预计未来5年,ADAS 市场年复合增速将达到39%。车载雷达是实现ADAS 功能的重要传感器设备,在汽车探测和防撞预警功能上发挥了重要的作用。
2 车载雷达简述
车载雷达是用于汽车或其他地面机动车辆的雷达,其包括基于不同技术(比如激光、超声波、微波)的各种不同雷达,有着不同的功能(比如发现障碍物、预测碰撞、自适应巡航控制),以及运用不同的工作原理(比如脉冲雷达、FMCW 雷达、微波冲击雷达)。[1]
汽车雷达20世纪60年代,德、美、日等发达国家内着手展开车载毫米波雷达的研究工作。早期的车载毫米波雷达发展相对缓慢,70年代中期到80年代初期,毫米波技术开始飞速发展,毫米波雷达开始逐步应用于军用系统;80年代后期,汽车毫米波防撞雷达研究活跃,单脉冲和连续调制波两种体制雷达已在美、日、欧汽车中广泛应用;21世纪后,汽车市场不断增长的需求推动了车载毫米波雷达产业的迅猛发展。目前,毫米波车载雷达的关键技术主要由博世、奥托立夫、电装、大陆等传统汽车零部件巨头所垄断,特别是76-77GHz 毫米波雷达,目前只有欧美等少数几个公司掌握核心技术。[2]
3 车载毫米波雷达国内外发展现状
3.1 欧洲
随着汽车安全概念的不断发展,欧洲首先展开了车载雷达的广泛研究。德国的AEG-Telefunken 和Bosch 公司在1973年已开始共同研究汽车雷达防撞技术,但由于毫米波组件成本高、体积大等原因无法持续跟进。直到1986年,欧洲在“欧洲高效安全交通系统计划(PROMETHEUS )”指导下重新开始了车载毫米波雷达的研制。之后,瑞典CelsiusTech 电子公司研制出适用于高速公路的自适应智能行驶控制系统(A
ICC ),工作频率77GHz ,探测距离200m 。德国奔驰汽车公司于1999年率先采用77GHz 毫米波雷达的自主巡航控制系统;四年后,博世研制的77 GHz 车载雷达正式实现商用。
在频率规划政策方面,欧盟于1992年10月通过针对道路安全的ERC/DEC/(92)02决议,并于1998年6月发布76GHz-77GHz 短距离雷达设备相关的技术指标要求和测试方法标准,
包含碰撞预警系统(CW ,Collision Warning ),汽车巡航控制系统(ACC ,Automotive Cruise Control ),防撞系统(AC ,Anti-Collision )等标准规定。2004年,欧盟通过决议2004/545/EC 和ECC/DEC/(04)03,并于2009年发布77GHz-81GHz 短距离雷达设备运行标准,该标准包含了77GHz-81GHz 车载雷达技术指标及测试方法。此外,欧洲自2013年起,计划将车载雷达的使用频率由24GHz 频段逐步调整至79GHz 频段。3.2 日本
日本车载雷达研究工作的开展也相对较早。本田、丰田与三菱等公司相继开展车载雷达的研制。在频率规划政策方面,日本是世界上唯一将车载雷达的频段确定在60-61GHz 的国家。2012年12月,日本无线工业及商贸联合会(ARIB ,Association of Radio Industries and Businesses )发布的规范ARIB STD-T111《79GHz BAND HIGH-RESOLUTION RADAR 》,正式将79GHz 频段规划给无线电定位业务。2013年,松下与富士通研制出了79 GHz 频带毫米波车载雷达并在东京有明国际会展中心上展出。3.3 美国
美国的车载雷达产业发展晚于欧洲,但受其相关制造业推动使得车载雷达产业发展迅猛,目前也已处于世界领先水平。1992年,福特和Eaton 公司联合开发了VORAD 安全系统,该雷达系统采用单束波方式实现前向探测预警功能,作为后装系统安置在公共巴士上,将巴士的事故发生率降低了近30%。目前,该系统仍在广泛应用,工作于24.725GHz ,能够探测到106m 内多达20个目标。
在频率规划政策方面,美国将24 GHz 、77 GHz 以及79GHz 频带作为车载雷达的使用频段。2012年5月,博世提交了在美国使用79GHz 短距离雷达的申请。美国联邦通信委员会(FCC )计划对这项申请进行规范。随后,联邦通信委员会发布拟议通知,提议在未经授权的情况下,允许在美国使用77-81GHz 的车载雷达。3.4 中国
我国对车载雷达的研究机构主要有微系统研究所、各汽车公司、高校和部分创新性企业等。目前,24 GHz 和77 GHz 毫米波集成电路的关键技术已取得突破。其中,国内以华域汽车为代表的一部分企业已实现24 GHz 毫米波雷达的国产化,但77 GHz 毫米波雷达的国产化进程相对滞后。此外,由于国内汽车产业对于车载雷达的需要日益增大,其他各大高校和公司也纷纷开展了车载雷达的研究和研制,部分企业也开展了79GHz 雷达的研制与相关技术的研究,但国内自主车载毫米波雷达产品总体处于研制阶段。
车载毫米波雷达国内外发展现状综述
韩宝石,王 峥
(国家无线电监测中心检测中心,北京 100041)
摘要:本文介绍了国内外车载毫米波雷达的产业发展情况及频谱分配情况,提出了我国车载毫米波雷达在产业及频谱方面面临的挑战。
关键词:车载雷达;毫米波雷达;高级驾驶辅助系统doi :10.3969/J.ISSN.1672-7274.2019.09.008中图分类号:TN95 文献标示码:A 文章编码:1672-7274(2019)09-0015-02
Overview of Development of Vehicle-mounted Millimeter-wave Radar at Home and Abroad
Han Baoshi,Wang Zheng
(The State Radio_monitoring_center Testing Center ,Beijing ,100041)
Abstract :this paper introduces the industry development and spectrum distribution of vehicle-mounted millimeter-wave radar at home and abroad ,and puts forward the challenges of China's vehicle-mounted millimeter-wave radar in the industry and spectrum.
Keywords :vehicle-mounted radar ;millimeter wave radar ;advanced driving assistance system
观察
Industry Observation
D
I G I T C W 产业
16DIGITCW
2019.09
在频率规划政策方面,2005年原信息产业部发布了《微功率(短距离)无线电设备的技术要求》,该文
件规定76GHz-77 GHz 频段用于车辆测距雷达。2012年,工业和信息化部为推动我国车载毫米波雷达产业的发展,颁布了《关于发布24GHz 频段短距离车载雷达设备使用频率的通知》(工信部无〔2012〕548号),该文件将24.25GHz-26.65 GHz 频段规划用于短距离车载雷达业务。此外,我国已着手开展77GHz-81GHz 车载毫米波雷达的频率划分研究工作,但目前尚未发布77GHz-81GHz 频段分配方面的相关政策文件。
4 结束语
智能交通在全球发展迅猛,是我国当前汽车产业发展的新趋
势。先进驾驶辅助系统(ADAS )市场增长迅速,车载毫米波雷达作为智能网联汽车和智慧交通的基础器件,其频率划分受到产
业的密切关注。由于中国市场中高端汽车装配的毫米波雷达传感器全部依赖进口,市场被美、日、德企业垄断,价格昂贵,因此自主可控迫在眉睫。新市场对我国现有的频率划分规划也提出了新的挑战,在国际发达国家现有车载雷达频率规划经验的基础之上,建立适合我国国情的车载雷达系统的频率划分规则,能够为我国汽车产业及相关车载雷达制造业的发展提供有力的技术保障。参考文献
[1] 王世峰,戴祥,徐宁,张鹏飞.无人驾驶汽车环境感知技术综述[J].长春理工大学学报(自然科学版),2017,40(1):1-6.
[2] 袁赛柏,金胜,朱天林.MIMO 雷达发展技术综述[J].现代雷达,2017,39(8):5-8.
(上接第4页)D3。具体来说,我们对真实图像和合成图像进行2倍和4倍的下采样来创造3个尺度的图像金字塔,判别器D1、D2和D3分别由这三个不同尺寸的不同真实和合成图像进行训练,虽然判别器的结构都相同,但是最粗糙的尺度的那个有最大的感受野。这有着更多的图像全局视角信息,能够引领生成器生成全局一致的图像。另一方面,最精细尺度的判别器鼓励生成器能够生成更加精细的细节。这也使得训练由粗到细的生成器更加容易。3.3 损失函数
pix2pixHD 网络中使用了三个判别器,每个判别网络分的输入是不同尺度的图片,原始的GAN 变成了一个多任务的GAN ,因此GAN loss 如式(1)所示
:
(1)
pix2pixHD 也加入了特征匹配技术,将生成的样本和真实样
本分别送入判别器D 网络中除了输出层以外的所有层的特征图都拿过来对特征做Element-wise loss 。因此其特征匹配损失函数如式(2)所示
:
(2)
式中,k 表示第k 个D 网络;i 表示D 网络中的第i 层;s 表示待转换图片;x 表示转换目标图片;G (s )表示G 网络生成的目标图片。
加入特征匹配损失函数后,pix2pixHD 的损失函数如式(3)所示,其中λ为特征匹配损失函数的权重
:
(3)
4 实验
在网络的训练阶段,将行人姿态mask 输入到pix2pixHD 网络的生成器G 中用于生成行人图像。pix2pixHD 网络的判别器D 用于判断行人图像为真实的行人图像还是生成的行人图像。通过pix2pixHD 网络的生成器和判别器进行联合训练,生成器和判别器不断博弈,优化。最终在测试阶段,只需输入行人姿态mask ,pix2pixHD 生成器G 便能生成逼真的行人图像。由于Market1501等行人数据集中只有低分辨率的行人图像,没有高分辨率的行人图像,因此在实验过程中,我们的高分辨率图像和低分辨率图像是同一张低分辨率的行人图像。经过两个生成器后,我们可以看到生成的行人图像虽然分辨率不高,但是生成的行人图像的细节性更好。在参数设置中,我们将特征匹配损失函数的权重λ设置为10。batch
size 设置为32。实验表明epoch 为104时,在测试阶段,pix2pixHD 生成的行人图像逼真,视觉效果最佳。图2为
pix2pixHD 训练阶段的实验结果,图3为测试阶段的实验结果。
图2 pix2pixHD 训练阶段的实验结果 图3 pix2pixHD 测试阶段的实验结果
5 结束语
本文使用了pix2pixHD 网络实现了行人姿态mask 到行人图像的翻译。通过该网络我们可以生成具有目标姿态mask 的不同属性性质的行人图像。该网络实现了多尺度生成器-判别器结构,通过用了一种最新的生成损失adversarial loss 和特征匹配损失函数以用于提高行人细节的生成,从而使生成的行人视觉效果更加逼真。参考文献
[1] I sola P ,Zhu J Y ,Zhou T ,et al. Image-to-Image Translation with Conditional Adversarial Networks[J]. 2016.
[2] Zhu J Y ,Park T ,Isola P ,et al. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks[J]. 2017.
[3] W ang T C ,Liu M Y ,Zhu J Y ,et al. High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs[J]. 2017.
[4] J iang S ,Tao Z ,Fu Y . Segmentation Guided Image-to-Image Translation with Adversarial Networks[J]. 2019.
[5] C . Ledig ,L. Theis ,F. Huszar ,J. Caballero ,A. Aitken ,A. Tejani ,J. Totz ,Z. Wang ,and W. Shi. Photo-realistic single image super-resolution using a generative adversarial network. In CVPR ,2017.
[6] L .-C. Chen ,G. Papandreou ,I. Kokkinos ,K. Murphy ,and A. L. Yuille. Semantic image segmentation with deep convolutional nets and fully connected crfs. In ICLR ,2015.
[7] S . Reed ,Z. Akata ,X. Yan ,L. Logeswaran ,B. Schiele ,and H. Lee. Generative adversarial text to image synthesis. In ICML ,2016.
[8] T . Salimans ,I. Goodfellow ,W. Zaremba ,V. Cheung ,A. Radford ,and X. Chen. Improved techniques for training gans. In NIPS ,2016.
[9] X . Wang and A. Gupta. Generative image modeling using style and structure adversarial networks.
In ECCV ,2016.
发布评论