穿墻雷達技術的案例
單手持穿墻探測雷達
穿墻雷達通過雷達發射電磁波穿透建筑物墻壁等非光學透明障礙物，快速準確地獲取墻后目標信息，可以用于軍事、反恐、地震災難搜救、醫療等領域。
使用穿墻雷達進行人員檢測，可以在保持自身隱蔽的前提下，檢測墻后運動或靜止狀態的人體，顯示人體的位置和運動信息。
產品特點;
穿透性高：可穿透60cm鋼筋水泥墻體；
探測距離遠：可實現大于20m人體目標穿墻探測；
可以檢測靜止目標位置和運動目標運動信息；
小巧、輕便可以單兵手持；
ZXB-400配有三角支架和平板顯示器，可以在幾十米范圍內通過WIFI鏈接控制和顯示；
環境適應性強：全天時、全天候工作；
運動目標檢測時間0.5-1.5s，無運動目標時20s后自動搜索靜止目標。
展開 康謀技術 | 毫米波雷達技術解析
隨著技術的快熟發展，新一代的4D毫米波雷達通過增加對物體俯仰角度的測量，有效地彌補了這一缺陷，實現了對物體高度的識別。
所謂“4D”，是指這種雷達能夠測量目標的距離、水平方位、速度以及高度四個維度的信息。4D毫米波雷達不僅繼承了傳統毫米波雷達在各種天氣和光照條件下穩定工作的能力，以及能夠探測到被遮擋物體的優勢，還在測量精度和分辨率上實現了顯著提升。
它能夠識別更小的物體、靜止物體，甚至是空中的障礙物。這種雷達對復雜道路環境的適應性更強，這得益于其配備的縱向天線和采用的MIMO（多輸入多輸出）技術，這些技術共同作用，形成了虛擬的孔徑陣列，從而提高了對角度、速度和距離的分辨率。
四、總結
隨著技術的不斷進步，毫米波雷達正朝著更高分辨率、更低成本和更強的集成能力的方向發展，特別是在4D成像技術的應用上，它通過增加對物體高度的測量能力，顯著提升了對復雜交通環境的感知和理解。
在自動駕駛領域，毫米波雷達以其全天候的工作能力、遠距離探測性能、高精度測量以及物體識別與分類的能力，成為了實現安全、可靠自動駕駛的關鍵傳感器技術。隨著成本的降低和性能的提升，毫米波雷達不僅能夠作為其他傳感器的有力補充，還能為未來的智能出行提供了堅實的技術基礎。
展開 激光雷達核心技術及行業格局梳理
目前FMCW激光雷達中的接收模塊主要還是利用分立的平衡光探測器（Balance Photo Detector，BPD）陣列進行相干探測。
使用基于硅光技術的鍺硅探測器能夠實現單片集成BPD陣列，在保證接收模塊器件一致性的同時，可以和系統中其他硅基器件進行單片集成，顯著降低系統的尺寸和成本。
04、激光雷達行業競爭格局梳理
4.1 國內國外齊開花，技術路線各有千秋
行業內主要的激光雷達公司包括美國的Velodyne、Luminar、Aeva、Ouster，以色列的Innoviz，德國的Ibeo，以及國內的速騰聚創。
從技術選擇路徑和目標市場來看，Luminar、Aeva、Innoviz、Ibeo主要面向無人駕駛和量產乘用車ADAS市場，開發相應的（半）固態激光雷達，其技術特點各有不同。
Luminar選用1550nm 光源和探測器而非市場主流的905nm光源和探測器，Aeva選擇FMCW而非市場主流的飛行時間法，Innoviz通過采MEMS二維微振鏡來實現激光掃描和接收，通過減少激光器和探測器數量來降低成本，Ibeo則選用VCSEL和SPAD面陣的純固態激光雷達方案。
4.2 華為大疆入場，加速激光雷達降本趨勢
基于場景分析，華為設計、開發了96線中長距激光雷達產品，可以實現城區行人車輛檢測覆蓋，并兼具高速車輛檢測能力，更符合中國復雜路況下的場景。
?大視野120°×25°，應對城區、高速等場景的人、車測距訴求。
?全視野中，水平、垂直線束均勻分布，不存在拼接、抖動等情況，形成穩定的點云對后端感知算法非常友好。
?小體積，適合前裝量產車型需求。
Livox 覽沃科技與全球知名智能汽車品牌小鵬汽車正式達成合作。
展開 激光雷達超遠距離測距技術
摘 要
針對超遠距離多功能交會對接激光雷達需求，開展基于非相干測距技術的遠距離激光測距通信一體化模塊研制，在不改變原有雷達主機架構和信號體制下，實現對遠距離高動態合作目標的通信測距功能。推導出測距原理，對動態、時鐘性能等因素產生的測距誤差進行理論分析，給出速度、時鐘性能對測距誤差的影響公式。得出在高動態環境下，相對速度與測距周期、雙方鐘差共同作用產生測距系統誤差，且速度越大系統誤差越大的結論。設計測距通信一體化演示驗證平臺，完成測距通信算法的軟硬件評估，實測結果與理論推導相符，為后續新體制激光雷達原理樣機研制奠定技術基礎。
引 言
掌握航天器交會對接技術是一個國家建立長期無人在軌運行、短期有人照料的載人空間試驗平臺的首要任務?？臻g交會對接中，測量手段通常有微波雷達、GPS導航定位技術、光學成像敏感器和激光雷達。其中，激光雷達具有波束窄、分辨率高、體積小、質量輕、精度高等優點，空間交會對接激光雷達由主機、信息處理機及合作目標組成。合作目標由多個角錐棱鏡所組成的反射器陣列。由于體積功耗的限制，基于反射器合作目標體制的交會對接雷達作用距離受限，在需要超遠距離進行激光交會對接場合必須尋求新激光雷達體制。
激光通信測距一體化技術已發展的較為成熟，在激光通信的同時實現雙終端間距離和時鐘之間的時差測量。2009年，俄羅斯在GLONASS-K導航衛星上搭載了測距通信激光通信終端，實現了5.5萬千米雙星間的測距通信，測距精度達到了3cm。2013年9月，美國宇航局完成月地之間激光鏈路建立，實現下行622 Mbit/s、上行20Mbit/s的數據傳輸，測距精度為3cm。當前，常用的測距方案有基于雙向單程測量技術和基于多普勒技術兩種。在我國北斗三號衛星激光通信終端及其他編隊飛行器設計中采用了雙向單程的星間測距方案。
展開 
自動駕駛車載激光雷達技術現狀分析
來源 |
全球政企解決方案
知圈 |
進“電子電氣架構社群”請加微信13636581676，備注架構
本報告將自動駕駛領域最為關鍵的傳感器——激光雷達作為中心，
通過調研其所扮演重要角色的領域——自動駕駛，以及自動駕駛和激光雷達的國內外發展現狀，深入了解激光雷達的技術背景。以目前智能車生產廠家所采用的傳感層技術為切入點，通過了解、掌握這些技術的特點、基本原理、適用場景、優缺點，來進一步深入激光雷達，了解其分類、基本工作原理、主要技術指標，對用于智能車的車載激光雷達的主要廠家、產品進行調研，獲得主流產品的主要性能指標參數、測試數據等。
自動駕駛車載激光雷達技術現狀分析
1.1 研究背景與意義
早期激光雷達主要用于軍事和民用地理測繪(GIS)等領域，比如地質測繪、監測樹木生長、測量建筑項目進度等。隨著自動駕駛的興起，對于環境感知要求日趨嚴格，在自動駕駛架構中，傳感層被比作為汽車的“眼睛”，包括車載攝像頭等視覺系傳感器和車載毫米波雷達、車載激光雷達和車載超聲波雷達等雷達系傳感器，其中激光雷達已經被廣泛認為是實現自動駕駛的必要傳感器。相比于其它類型的自動駕駛傳感器，如攝像頭，激光雷達探測的距離更遠，精度更高。
展開 雷達低可觀測目標探測技術
因此，從信息源的角度來看，雷達目標檢測技術包括基于單雷達的目標檢測技術、基于多雷達信息融合的目標檢測技術（例如空間分集多輸入多輸出（multi- input multi- output，MIMO）雷達、基于多種類型傳感器信息融合的目標檢測技術、基于知識輔助（knowledge-aid，KA）的目標檢測技術等。
1）空間分集MIMO雷達目標檢測技術利用復雜目標RCS隨視角劇烈變化的特點，通過融合多個視角的觀測數據來獲得較為穩定的平均RCS 條件下的檢測性能。
2）基于知識輔助的空時自適應處理（KA-space-time adaptive processing，KA-STAP）技術將專家系統的思想推廣到多維濾波問題中。傳統STAP的核心是一種基于樣本協方差矩陣的技術，而KA-STAP研究將潛在信息資源的利用充分擴展到全部自適應處理過程中，提高雷達對環境的感知能力，如圖9所示。
圖9 典型KA-STAP 結構示意
多傳感器相互融合的預警探測體系已成為發展趨勢，而KA的思想正好符合這個發展趨勢。然而，多種先驗數據與雷達觀測的同時配準及誤差條件下的配準問題、先驗知識的有效融合問題，都是目前基于KA的雷達目標檢測技術需要解決的難題。文獻提出利用地理信息系統（GIS）提供的先驗信息進行參考數據篩選（圖10），盡量提取與待檢測單元相近的均勻數據，獲得的檢測效果優于CA、GO、SO、OS 等常規CFAR 檢測器。
圖10 基于GIS 信息的參考數據篩選
雷達低可觀測目標探測發展趨勢
目標探測技術發展趨勢
雷達信號處理技術研究從簡單到復雜，不斷延伸信號處理的維度，經歷了從時、頻域、空的單域處理，再到時頻、空時的二維處理，再到空時頻的多域處理的發展歷程。
展開 一文讀懂｜什么是dToF激光雷達技術？
安裝在背面的3D圖像傳感器應該能夠測量5到10米以上的距離，因此有競爭力的研究基于SPAD的dToF技術非常重要。
實際上，根據關于2020年ToF圖像傳感器市場的研究，估計到2025年iToF傳感器的年均增長率將達到11％，而dToF傳感器的年均增長率將達到37.3％，是iToF傳感器的三倍以上。
dToF：下一代3D圖像傳感器的關鍵
去年，蘋果公司是第一家在背面添加dToF傳感器的智能手機提供商，該傳感器配備在iPad Pro和iPhone 12 Pro上。蘋果公司使用Sony的SPAD元件和處理技術來開發傳感器，并將其稱為LiDAR（光檢測和測距）掃描儀，以使該技術與現有傳感器區分開。
LiDAR主要由兩部分組成：
發射端和接收端。
其中，垂直腔面發射激光器（VCSEL）作為發射端，向物體發射一束紅外光，經反射被 CMOS 圖像傳感器接收，光束經歷的這一段時間就是所謂的“飛行時間（ToF）”。
對于AR體驗來說，LiDAR激光雷達掃描儀的加入可謂是至關重要。具體來說，LiDAR激光雷達掃描儀通過測量周圍環境深度信息，可以將3D模型精準附著于地面、墻面或者桌面等任何平面上，并分析整個攝像頭視野內的空間位置關系來動態調節模型的光照和陰影，從而讓體驗更加真實，再也不會尷尬的“穿模”了。
展開 小米之后 大疆切入汽車賽道：主攻智能駕駛、激光雷達技術
目前，大疆在全球小型無人機市場的份額將近7成，而大疆在無人機上運用的激光雷達技術對自動駕駛也起到關鍵作用。
掃碼入群
掃碼添加管理員微信
加入“電子產品世界”粉絲交流群
6/29 HFSS技術突破與應用場景更新——雷達天線與系統
此次會議講解HFSS在雷達天線與系統行業的某些典型應用場景下的突破性技術，比如基于3D Component技術實現更靈活更快速的大型陣列天線仿真，最新的網格融合技術大幅提升復雜跨尺度問題的網格剖分效率，應用場路協同仿真技術更準確評估射頻電路和天線的系統性能，以及對雷達天線罩問題進行多物理場仿真分析等，這些更新的仿真技術能解決傳統設計過程中面臨的巨大挑戰，幫助用戶更高效完成創新性產品研發。
Ansys助力Innoviz憑借新一代激光雷達設計實現自動駕駛技術變革
Ansys仿真技術可加速高性能激光雷達的研發進程，從而優化設計并滿足嚴格的行業要求
主要亮點
Ansys產品組合可為復雜的微機電激光雷達系統研發提供一系列綜合全面的解決方案
在一年半的時間里，Ansys工具幫助Innoviz Technologies將產品研發流程縮短了兩個完整的設計周期，從而能夠顯著降低成本
Innoviz Technologies通過采用Ansys仿真解決方案，不僅為其客戶成功實現獨特的汽車級激光雷達傳感器支持技術和自動化功能，而且能夠縮短研發時間和降低成本。得益于能夠無縫集成到L3-L5級自動駕駛汽車中的激光雷達設計，Ansys仿真技術可幫助Innoviz Technologies滿足其客戶在耐用性、可靠性和低成本方面的目標。
根據美國交通部國家公路交通安全管理局的一項研究發現，大多數的嚴重碰撞事故都是由人為錯誤所造成，這一統計數據推動了旨在提高道路安全性的自動駕駛汽車研發工作。自動駕駛汽車依賴于激光雷達、雷達和攝像頭等各種組件的傳感功能。激光雷達可提供安全引導車輛行駛所需的高分辨率、遠程3D圖像感知功能。汽車制造商面臨的挑戰在于，現有的激光雷達在性能、尺寸、可靠性和成本感知方面遠未達到行業標準。
展開 毫米波雷達和「圖像數據」的融合｜技術解讀篇
作者言：
由于工作的關系，一直關注自動駕駛技術中的傳感器感知算法，平時會讀相關的論文，跟蹤學術界和工業界最新的進展。
自動駕駛是近些年來非?；馃岬姆较?，感知技術也是日新月異的發展，因此有必要系統性的梳理技術的脈絡，一方面方便自己隨時查閱，另一方面也期望和同道中人多多交流。
自動駕駛的應用中通常會包括多種傳感器，以提高系統的可靠性。
從目前來看，常用的傳感器包括可見光相機，激光雷達和毫米波雷達。這些傳感器各有優缺點，也互為補充，因此如何高效的融合多傳感器數據，也就自然的成為了感知算法研究的熱點之一。
毫米波雷達感知算法的研究起步較晚，公開的數據庫也不多，因此，目前多傳感器融合的研究主要集中在融合相機（圖像）和激光雷達（點云）的數據。
隨著毫米波雷達在自動駕駛車輛中越來越多的應用，它的數據如何與圖像進行融合，也成為了一個亟需解決的問題。
毫米波雷達的數據一般以 Point Cloud（點云）的形式呈現。理論上說這與激光雷達的點云類似，只是每個點包含的數據不同：激光雷達的點包括 X、Y、Z 坐標和反射信號強度；而毫米波雷達的點包括 X、Y（也可能有 Z）坐標，RCS（物體反射面積）和 Doppler（物體速度）。
因此，很多激光雷達和圖像的融合方法也可以用來融合毫米波雷達。
但相對于激光雷達，毫米波雷達的點云非常稀疏（幾十 vs 幾千），所以在算法上還需要一些特殊的設計。
目前來看，大多數融合算法采用點云數據作為輸入，但是也有部分工作采用更底層的雷達數據，比如 Range-Doppler-Azimuth （RAD）Tensor。
展開 
毫米波雷達和「圖像數據」的融合｜技術解讀篇
知圈 | 進“電子電氣群”請加微13636581676,備注架構
作者言：
由于工作的關系，一直關注自動駕駛技術中的傳感器感知算法，平時會讀相關的論文，跟蹤學術界和工業界最新的進展。
自動駕駛是近些年來非?；馃岬姆较?，感知技術也是日新月異的發展，因此有必要系統性的梳理技術的脈絡，一方面方便自己隨時查閱，另一方面也期望和同道中人多多交流。
自動駕駛的應用中通常會包括多種傳感器，以提高系統的可靠性。
從目前來看，常用的傳感器包括可見光相機，激光雷達和毫米波雷達。這些傳感器各有優缺點，也互為補充，因此如何高效的融合多傳感器數據，也就自然的成為了感知算法研究的熱點之一。
毫米波雷達感知算法的研究起步較晚，公開的數據庫也不多，因此，目前多傳感器融合的研究主要集中在融合相機（圖像）和激光雷達（點云）的數據。
隨著毫米波雷達在自動駕駛車輛中越來越多的應用，它的數據如何與圖像進行融合，也成為了一個亟需解決的問題。
毫米波雷達的數據一般以 Point Cloud（點云）的形式呈現。理論上說這與激光雷達的點云類似，只是每個點包含的數據不同：激光雷達的點包括 X、Y、Z 坐標和反射信號強度；而毫米波雷達的點包括 X、Y（也可能有 Z）坐標，RCS（物體反射面積）和 Doppler（物體速度）。
因此，很多激光雷達和圖像的融合方法也可以用來融合毫米波雷達。
但相對于激光雷達，毫米波雷達的點云非常稀疏（幾十 vs 幾千），所以在算法上還需要一些特殊的設計。
展開 Ansys助力Innoviz憑借新一代激光雷達設計實現自動駕駛技術變革
Ansys仿真技術可加速高性能激光雷達的研發進程，從而優化設計并滿足嚴格的行業要求
主要亮點
Ansys產品組合可為復雜的微機電激光雷達系統研發提供一系列綜合全面的解決方案
在一年半的時間里，Ansys工具幫助Innoviz Technologies將產品研發流程縮短了兩個完整的設計周期，從而能夠顯著降低成本
Innoviz Technologies通過采用Ansys仿真解決方案，不僅為其客戶成功實現獨特的汽車級激光雷達傳感器支持技術和自動化功能，而且能夠縮短研發時間和降低成本。得益于能夠無縫集成到L3-L5級自動駕駛汽車中的激光雷達設計，Ansys仿真技術可幫助Innoviz Technologies滿足其客戶在耐用性、可靠性和低成本方面的目標。
根據美國交通部國家公路交通安全管理局的一項研究發現，大多數的嚴重碰撞事故都是由人為錯誤所造成，這一統計數據推動了旨在提高道路安全性的自動駕駛汽車研發工作。自動駕駛汽車依賴于激光雷達、雷達和攝像頭等各種組件的傳感功能。激光雷達可提供安全引導車輛行駛所需的高分辨率、遠程3D圖像感知功能。汽車制造商面臨的挑戰在于，現有的激光雷達在性能、尺寸、可靠性和成本感知方面遠未達到行業標準。
展開 美國海軍陸戰隊接收首部采用GaN技術的AN/TPS-80雷達
美國海軍陸戰隊接收首部采用GaN技術的AN/TPS-80雷達
諾·格公司提前向美海軍陸戰隊交付首部采用先進的大功率、高效氮化鎵（GaN）天線技術的AN/TPS-80地/空多任務雷達（G/ATOR）系統。這套系統是整個小批量生產階段的第7套，此前6套系統均未采用氮化鎵天線技術，而是砷化鎵（GaAs）技術。諾·格公司地面與航空電子C4ISR部門副總裁表示，這是美海軍陸戰隊首次裝備采用先進GaN技術的地面多任務有源相控陣雷達。
2016年9月，美海軍陸戰隊（USMC）與諾·格公司簽訂了價值3.75億美元的合同，用于采購9部基于氮化鎵（GaN）技術的AN/TPS-80地/空任務導向雷達（G/ATOR）低速率初始生產（LRIP）系統，合同計劃于2020年9月完成。目前，諾·格公司與美海軍陸戰隊正在加緊籌備量產計劃，預計2019年年初啟動。
圖1 AN/TPS-80地/空多任務雷達（G/ATOR）
GaN是一種高效率半導體，能夠使雷達發射機在使用較少電力的情況下獲得更大的發射功率。GaN天線技術可降低成本并提高多項性能，包括系統靈敏度和可靠性。基于GaN的G/ATOR系統可以通過減少系統組件的數量來實現更高的效率，如比基于GaAs的G/ATOR少了76個收發組件，這些組件的減少可以降低失敗的風險，且能減少系統維護的開支。美海軍陸戰隊官員表示，向GaN技術的轉變能夠節約大約4000萬美元的采購成本。
展開 康謀技術 | 高效環境感知：毫米波雷達數據采集、可視化及存儲方案
<p>隨著自動駕駛技術的快速發展，自動駕駛的研發逐漸形成一整套的流程，包括<strong>數據采集，清洗標注，算法訓練，仿真測試</strong>到<strong>量產</strong>等各技術環節。通過復雜的步驟從原始數據中提出高價值的信息，其中對原始數據的精準采集是實現車輛環境感知的基石。毫米波雷達因其出色的測距、測速能力以及對惡劣天氣的魯棒性，成為不可或缺的傳感器之一。</p><p>本文將以4D毫米波雷達ARS548為例，分享毫米波雷達如何快速實現數據采集，可視化及存儲策略。關于毫米波雷達的特性可進一步了解文章<strong>《毫米波雷達技術解析》</strong>。</p><h2>一、ARS548毫米波雷達概述</h2><p><strong>ARS548</strong>是 4D高分辨率成像毫米波雷達（4D High Resolution Radar），如圖1所示。它能夠有效的測量<strong>距離（Range），速度（Velocity），水平角度（Azimuth）</strong>和<strong>俯仰角度或高度（Elevation）</strong>四個維度的信息，具備感知目標三維空間位置能力。
展開 