跳转到主要内容

高阶自动驾驶

用 FMCW 直接测量径向速度,为 ADAS 与自动驾驶补充动态感知

典型场景

以下为场景示例,具体工况可联系我们评估。

高速领航

远距离目标的接近速度直接测量,不依赖多帧估算

紧急制动

径向速度同帧可得,前车减速更早可见

自适应巡航

直接测量与前车的相对速度

城市道路

行人与车辆的运动方向逐点可见

位置之外,还需要速度

激光雷达输出每个点的位置,速度需比较相邻帧推算。目标越远、点越稀疏,推算结果越不稳定。制动决策依赖速度,需要判断前方的点属于静止护栏,还是正在减速的车辆。

FMCW 在测距的同一次测量中给出径向速度,即目标沿视线方向接近或远离的速率。这是估计碰撞时间所需的关键量。

每个点都带速度:直接读出接近率径向速度即视线方向的接近/远离速率前车刹车、静止障碍物、他车切入后的纵向速度差,一帧读出LUC前车减速 · 接近率上升路缘行人FMCW · 径向速度位置 [X, Y, Z] + 径向速度 [V]多普勒直接测量,无需多帧估算阳光与他车激光雷达不进入混频路径

适用范围与局限

多普勒测量给出视线方向的速度分量。横向穿行目标的径向分量很小,这类运动仍需借助帧间信息。径向速度主要用于以下纵向动态场景。

  • 前车减速:接近率变化同帧可见
  • 静止障碍物:与缓行车辆的区分不依赖点数,远距离小目标同样成立
  • 密集车流:每点自带速度,目标分离不再只靠聚类

相干探测的附加价值

相干接收只对与本振光频率匹配的回波响应。阳光直射、对向车灯、他车激光雷达都不进入混频路径。随着激光雷达装车量上升,互扰正在从个别现象变为常见问题。

与我们合作

讨论您的应用

与我们的工程师讨论如何把光电传感器集成到您的应用中