4D雷视一体机在交通中的应用

现有的4D毫米波雷达基本都是车载雷达，被安装于车辆的前部，实现对前方目标的成像和跟踪。4D毫米波雷达传承了传统雷达的全天候探测特性，同时能够探测静止物体且并输出高密度的点云数据，可以媲美低线束激光雷达。

但车载4D毫米波雷达等于路侧4D毫米波雷达吗？车载4D毫米波雷达能否直接被拿来用于交通感知和路侧感知呢？

车载4D毫米波雷达主要对车辆周围的目标进行点云成像。例如某大厂发布的4D车载毫米波雷达，俯仰面分辨力为2°。对车辆周围10米处的目标进行点云成像，可分辨高度为0.3米，一般的人和车在俯仰维上可以形成5~8个点云。而路侧感知的雷达一般被安置在红绿灯杆或电警杆上，主要探测的范围为60m-260m区域。在100米处，路侧4D毫米波雷达可分辨高度为3.5米，一般的人和车在俯仰维上只有1个点。但其高度精度可达0.5米~0.6米，可分辨车型。

所以车载4D毫米波雷达可用于点云成像，而路侧4D毫米波雷达的测高功能主要用于分辨目标类型和去除杂波。

雷森推出了4D雷视一体机，通过将4D毫米波雷达与视频相结合，可实现路口或路段全息感知。雷森4D雷视一体机将原始的视频流和4D雷达点云数据流同时通过MIPI和PCIe接口接入到一体机中的嵌入式处理器中。在内置的嵌入式处理器中直接对原始的视频流进行AI目标提取，然后通过内建的坐标映射系统将视频目标投影到雷达坐标系中，最后对视频目标和雷达点云进行融合跟踪处理，实现全局目标的实时矢量化和跟踪。4D雷达点云一方面可以滤除很多地杂波干扰，另一方面为视频目标融合提供了三维数据匹配

图1. 雷森4D雷视一体机可通过高度信息区分车辆和红绿灯

基于雷森4D雷视一体机的路侧感知方案有以下的功能优点：

（1）   全局目标类型分辨

传统毫米波雷达对目标类型分辨能力较差，导致雷视一体机必须在视频可识别范围内，才能对目标进行准确的类型分辨。配备12mm镜头的摄像头一般最远可识别距离在100m至150m。而150m外的目标，毫米波雷达的类型识别准确率不足70%。

雷森的4D雷视一体机得益于4D毫米波雷达模组的测高功能，在雷达的覆盖范围内（250m/350m/500m）可准确识别5种目标类型，类型识别准确率可达90%以上。而在雷视融合的区域内，可准确识别9种目标类型。

图2. 雷森4D雷视一体机可有效区分目标高度等外形尺寸，实现目标准确分类

（2）   行人与非机动车识别率提升

行人与非机动车由于RCS比较小，同时行动轨迹不规则，经常与机动车非常接近，对于雷达检测来说难度较大。雷森的4D雷视一体机通过测高功能，能够有效过滤地杂波，并区分机动车和非机动车及行人。经测试，雷森4D雷视一体机的行人与非机动车识别准确率可达90%以上。

图3. 雷森4D雷视一体机可准确检测行人与非机动车

（3）   低延迟

传统的路侧感知方案多采用多点传感器（视频，雷达）通过网络汇聚到MEC中，然后利用MEC的GPU进行视频处理和目标融合。但受限于网络传输和视频编解码，视频目标延迟较大且不可控（RTSP推流延迟普遍在200ms – 1s），和雷达目标融合难度较高、精度较差。

而采用雷森4D雷视一体机，摄像头的原始视频流直接在设备内连入处理器，省去了网络传输和视频编解码的过程，将延迟控制在50ms之内。

《合作式智能运输系统车用通信系统应用层及应用数据交互标准》等标准中明确要求各场景端到端的延迟不能超过100ms。基于雷森4D雷视一体机的路侧感知方案可以完全满足标准要求。

（4）   数据精度高

雷森4D雷视一体机采用MIMO体制，距离精度可达±0.19 m，方位角精度可达±0.1°，速度精度为±0.02m/s，可精准检测与区分行人和车辆，并进行全息化还原，实现全局目标的实时矢量化。

（5）   单机多功能

雷森4D雷视一体机可满足车路协同标准中DAY I和DAY II全场景对路侧感知的要求。雷森4D雷视一体机内置先进的交通算法和丰富的原生事件输出，如拥堵事件、异常停车事件、逆行事件、大货车低速预警、城市路口行人碰撞预警等。可为车路协同应用提供数据支撑，协助车辆提前锁定化解远距离和盲区安全冲突，为人工驾驶提供辅助的同时，也可为单车自动驾驶技术提供更可靠的环境信息支撑。

雷森4D雷视一体机可在多个场景下应用，主要划分为两个方面：智慧交通管理和V2X车联网路侧感知。

(1)  面向智慧交通管理：主要应用于城市路口的全要素自适应信号控制、违法抓拍辅助、车流量统计、非机动车检测；交通路段的车流量检测、全局车型分辨、事故检测、测速、拥堵检测；城乡道路中独立化的车流统计和人流预警系统。

雷森4D雷视一体机可准确检测行人与非机动车，实现对车流、非机动车流和人流的全要素检测。一方面，这些目标统计数据推送给信号机，实现了全要素自适应信控优化。另一方面，路口各类统计数据，例如车流量、排队长度、平均车速等，上报至交管平台，可用于交通规划和事件处理。

(2)  面向V2X车联网路侧感知：主要应用于城市路口下的交叉路口碰撞预警、弱势交通参与者碰撞预警；交通路段的前向碰撞预警、紧急制动预警、协作式匝道汇入；城乡道路的感知数据共享，弱势交通参与者碰撞预警。

面向未来智能交通和车路协同，需要对交通道路进行全域覆盖、全天候感知，需要为无人驾驶提供有效的路侧数据支持。除了核心通信网络和云控以外，路侧感知层的延迟、精度、可靠性决定了路侧系统能否为自动驾驶车辆提供有效的感知冗余。在《面向自动驾驶的车路协同关键技术与展望》一文中定义了C4技术分级智能道路核心指标要求。基于雷森4D雷视一体机的路侧感知系统可以满足所有核心指标。

图4. 能见度不足时，基于雷森4D雷视一体机的全息路口

在当前交通强国建设的政策背景下，交通管理和车路协同都向着智能化和数字化的方向快速发展。然而无论是信号控制、交通仿真、流量调研，还是车辆避碰、行人预警，都必须基于实时精准的交通感知数据。雷森创新性地将4D毫米波雷达与视频融合，研发出4D雷视一体机，使其具备四维检测能力，弥补了传统毫米波雷达在杂波干扰、小目标检测、类型分辨方面的不足。基于4D雷视一体机的全息交通方案，可以为交通管理系统和车路协同系统提供高精度、高可靠性、高性价比的感知底座。

参考文献：