自律運転におけるMMWaveレーダーのパワーのロックを解除：ビジョンとライダーを超えて

pain Pain Point：視力センサーは、実際の条件で失敗します

自律型プラットフォームの大部分は、カメラとライダーに大きく依存しています。これらのセンサーは、霧、雨、雪、ほこり、まぶしさで分解し、一貫性のない知覚と安全リスクの増加をもたらします。信頼できる実世界の自律性を実現するには、センサーはすべての条件下で一貫して実行する必要があります。

このニーズは、耐候性と照明とは無関係のモーショントラッキングとオブジェクトの検出を提供するMMWaveレーダーによって満たされます。

mmwaveレーダー：過酷で動的な環境に対する信頼できる認識

MMWaveレーダーは、電磁波を使用して距離、角度、速度を検出します。 76〜81 GHzバンドで動作します。視覚センサーとは対照的に、干渉のレベルが高く、視認性が低い環境の安定性を維持します。許可します：

静的オブジェクトと移動オブジェクトの信頼できる検出
ドップラー速度情報を使用した長距離追跡
全天候型、昼夜を問わずセンシング

このパフォーマンスは、LinpowaveのV300 4Dイメージングレーダーによる高度なADASおよび自動車アプリケーションにもたらされます。

完全自律運転のためのレーダー

知覚システムは、完全に自律的な運転のために人間の介入なしに確実に機能する必要があります（レベル4および5）。視覚とライダーシステムが低光、霧、雨で劣化するため、深刻なリスクがあります。正確な速度と範囲の測定による全天候型の照明非依存性検出は、完全に自律的な運転のためにレーダーによって提供されます。バックグラウンドノイズにもかかわらず、多数の動的オブジェクトをリアルタイムで追跡する能力があるため、フルスタックの自律性にとっては重要です。

dear World Deploymentsの場合、LinpowaveのV300 4Dレーダー配達します都市および高速道路のシナリオを要求する高解像度のイメージング。

painペインポイント：複雑なレーダーデータ処理

生レーダー信号には多くの計算が必要であり、解釈が困難です。これは、Linpowaveレーダーモジュールによって解決されます。

オブジェクトの分類と追跡
クラッター除去
多次元データフィルタリング
ROS互換出力

自律運転のためのレーダー信号処理

生状態のレーダーデータは複雑でうるさいです。知覚は、洗練された信号処理がない場合、解決不良と誤検知に苦しんでいます。クラッターをフィルタリングし、モーションキューを抽出し、構造化されたオブジェクト情報を出力するには、自律運転のためのレーダー信号処理にはエッジレベルのコンピューティングが必要です。 FFT、オブジェクトクラスタリング、ドップラー速度検出、フィルタリングを管理する強力なデバイスプロセッサは、Linpowaveレーダーモジュールに埋め込まれています。これにより、センサーの融合が下流になり、システムの遅延が低下します。

h20コンパクトのエッジインテリジェンスについて詳しく知るレーダーモジュール。

🔗ペインポイント：マルチセンサー融合はエラーが発生しやすいです

レーダーは、LIDAR、カメラ、GPS、およびIMUSと調整する必要があります。ただし、データの同期とキャリブレーションは、重要なエンジニアリングの課題を示しています。シームレスなフュージョンのために、H20コンパクトレーダーモジュールが作成されます。に加えて

柔軟な取り付けのためのコンパクトなフォームファクター
低遅延信号配信
データセットアライメント（例：tj4dradset）

ridar自律運転中のLidar、レーダー、カメラ

安全な自律性は、単一のセンサーでは保証できません。視認性が低いとパフォーマンスが低下しますが、ビジョンは豊富なセマンティクスを提供します。反射面では問題がありますが、Lidarは深さを提供します。自律運転では、LIDAR、レーダー、カメラの統合により、信頼性の高い冗長認識が可能になります。特に速度の推定、まぶしさまたは霧でのオブジェクト追跡、およびバックグラウンドフィルタリングの場合、MMWaveレーダーは重要な知覚ギャップを閉じます。 ROSの互換性とデータセットアライメント（TJ4Dradsetなど）を使用すると、LinPOWAVEモジュールはリアルタイムの融合を促進します。

multis式マルチセンサーのユースケースについては、Linpowaveを探索しますインダストリアルレーダーキット、ロボット工学と自律ナビゲーション用に最適化されています。