logo
tel
搜索
搜索
banner

特斯拉为何抛弃雷达?

  • 分类:行业新闻
  • 作者:
  • 来源:https://www.sohu.com/a/469711880_121124371
  • 发布时间:2021-06-02 17:02
  • 访问量:

【概要描述】特斯拉这一举措背后的动机是什么呢,或者说雷达对于特斯拉乃至无人驾驶的意义又在哪?我更多的从雷达角度来仔细挖一挖,希望大家能对雷达传感器之于无人驾驶有更深的认识。

特斯拉为何抛弃雷达?

【概要描述】特斯拉这一举措背后的动机是什么呢,或者说雷达对于特斯拉乃至无人驾驶的意义又在哪?我更多的从雷达角度来仔细挖一挖,希望大家能对雷达传感器之于无人驾驶有更深的认识。

  • 分类:行业新闻
  • 作者:
  • 来源:https://www.sohu.com/a/469711880_121124371
  • 发布时间:2021-06-02 17:02
  • 访问量:
详情

消息称特斯拉宣布将从5月开始取消北美版2021款Model 3(参数|图片)和Model Y(参数|图片)的雷达传感器,后续扩展至全球。针对特斯拉这一举措,各界纷纷表示担忧,普遍认为去除雷达传感器并采用纯视觉方案(Full Vision)将显著降低FSD安全性。美国公路安全保险协会(IIHS)也暂停了对这些取消了雷达车型的安全背书。

如果真如外界普遍认为的安全性降低,那么特斯拉这一举措背后的动机是什么呢,或者说雷达对于特斯拉乃至无人驾驶的意义又在哪?我更多的从雷达角度来仔细挖一挖,希望大家能对雷达传感器之于无人驾驶有更深的认识。

首先,当前无人驾驶采用何种感知方案本质是技术路线的问题,不管是Full Vision还是传感器融合(Sensor Fusion),只要能work,就没有轻视它的理由。所谓不管黑猫白猫,能抓到耗子的就是好猫,也就是说,不管采用怎么样的技术路线,能经受住实践洗礼就是可选择的技术路线。

▲ AI对特斯拉意义非凡

特斯拉一直秉持All in AI的原则,从感知,决策到控制都有AI的身影, 坚信软件和AI算法能make a huge difference, 也就是强烈依赖软件,而感知硬件配置上的策略就是,能用一块钱的硬件就绝不用两块钱的, 那么一块钱硬件弱于两块钱硬件的部分靠软件算法弥补,也就是,感知硬件不够,软件AI来凑。而AI算法本身对数据的依赖程度极高。目前,特斯拉在视觉方面的数据积累已经相当庞大。

那雷达呢,我们之前也没听过特斯拉在雷达数据集积累或基于雷达数据集训练AI的工作。为什么呢,故事还从特斯拉配置的雷达说起。

特斯拉配置的是德国大陆公司(Continental AG)4代入门级中距离前向雷达(4th Entry MRR)ARS 4-B,具体型号应该是ARS410。大陆公司是全球毫米波雷达领导者,其4代前向雷达系列不管在技术上还是商业上都相当成功(感兴趣可以点击行业 I 下一代角雷达-从SRR600说起 )。但4代雷达系列都属于传统毫米波雷达,而410又是传统毫米波雷达的入门款,性能相当有限。这一点可以从410的天线布局窥见一斑。

▲ ARS410 硬件以及天线布局

如上图所示,410天线配置采用两路发射,3路接收,MIMO体制。一般情况下,角度维度性能表现(包括角度分辨率以及角度精度等)是前向雷达性能的决定性因素之一,而天线配置又很大程度上决定了雷达角度维性能。

410等效天线布局如下图所示,由MIMO原理等效为6路接收。这6路接收中,红色的4路用于near scan,也就是近距离探测,红色4路及黄色的两路配合用于far scan,也就是远距离探测。并且,红色与黄色天线配合也负责远距俯仰角测量。并且大陆在近距离探测还使用了不等间距(NLA)技术进一步扩展其天线孔径,提高 测角精度。俯仰角测量方面也通过算法创新提高了检测精度。可以说,大陆公司在有限的天线资源下,最大限度地挖掘了天线潜能,着实让人佩服。

▲ ARS 410 等效天线布局

不过,即使是这样,410由于天线配置数量的局限性,环境感知性能还是薄弱,410具体薄弱在哪呢,

1,方位角角度精度虽然通过不等间距技术得到了改善,但还是不够,比如在±45°位置角度精度只有±2°。

2,没有角度分辨率概念,由于天线配置原因,对于同速度,同距离的两个目标,该雷达无法分辨。

3,虽然能够测俯仰角,但只是作为特征,区别是否为高处或低处目标,一定程度上降低AEB误报率。不是真实的俯仰角测量,也就是无法稳定获得目标高度。

4,该雷达FoV太窄,近距离只有±45°,远距离只有±9°,很多时候满足不了实际场景需求。

▲ 传统毫米波雷达感知

以410为代表的传统毫米波雷达的环境感知效果大致如上图示意,左边是某一帧的雷达感知效果,右图是对应的视频图像,可以看到,由于角度维度性能较低,雷达对于护栏只有着粗略的刻画,对于其中的车辆也是刻画粗糙,一辆小车可能就是一个检测点。基于这样的粗糙感知结果,能获得的环境信息(不管是动态信息,如来往车辆等,还是静态信息,如路沿护栏等)都极其有限,所以雷达能稳定跟踪动态目标就不错了,是没有办法,也没必要建立雷达数据集训练AI,做类似目标识别分类的任务。

基于这样的粗糙的检测结果,传统毫米波雷达不可能作为主传感器,更多时候连护栏这样的静态点也被滤除,只考虑Object级别的动态点,而且也基本只用到了目标的速度,位置信息,辅助视觉判断。

但是即使是这样,传统雷达有时候还是不争气,由于电磁波的各种传播特性,以及雷达硬件参差不齐,雷达波形设计,算法参数调优欠火候等等原因,雷达的输出经常会有各种类型的虚假杂点,或者一些多径传播导致的ghost目标。用马老板的话就是雷达数据流会污染整个信号流。这样还不如不要雷达。

▲ Musk关于雷达部分观点(@elonmusk)

特斯拉对数据的依赖程度非常高,但目前,传统雷达提供的数据质量远达不到要求。

特斯拉在雷达上毕竟也努力过,包括挖来德尔福的雷达负责人调教雷达,解锁更多点云,也曾传出自研雷达的消息。但结果估计不尽如人意,也就是说,放弃传统雷达基本说明在绝大多数场景下,Full Vision方案比Sensor Fusion方案效果更好(更安全)。所以说传统雷达在FSD中的作用极其有限。

基于视觉AI技术上的强大自信,特斯拉目前的策略估计是笃定Full Vision完全覆盖绝大部分使用场景,不再引入其他传感器,而在一些corner case上,包括一些天气的corner case,特斯拉保留传感器融合数据接口,但也不是马上用,特拉斯用视觉配合训练AI先做,积累数据看看效果,如果能处理,也不会用引入其他传感器。如果不能处理呢,也就是某些场景下,视频数据流处于严重性能退化状态(severe Performance Degradation),我觉得特斯拉需要引入新的主导传感器,传统雷达是不可能了,激光雷达又被马老板鄙视成那样,还有谁?

能够达到稳定可靠状态的4D成像雷达。

▲ 传统毫米波雷达与高分辨成像雷达对比

如上图所示,成像雷达可以实现对环境的精致刻画。

关于成像雷达的基本介绍,这里不再赘述,可以说,成像雷达将接过传统雷达的大旗,在自动驾驶领域站稳脚跟。

▲ 成像雷达能干好多事

我在(4D雷达之多普勒与分类 )一文中说过,成像雷达能力主要体现在场景理解(Scene Comprehension or Scene Understanding),要做场景理解主要做好3块内容,场景分割(Scene Segmentation),目标检测(Object Detection/Object Tracking),目标分类(Object Classification),基于成像对于环境的精细刻画,雷达数据集的重要性将被凸显,然后与AI结合也就顺理成章了。

成像雷达怎么做到这些的。当然,成像雷达本身技术路线多样,技术复杂,但经典主流的路线还是通过设置大规模阵列,大幅度改善角度维性能。如下图所示,大陆公司5代前向雷达ARS540即为成像雷达,其等效天线布局如下图所示,形成了大规模面阵。环境感知能力相对传统毫米波雷达得到大幅度改善。

▲ 成像雷达天线布局以及感知结果

不过,即使是这样,410由于天线配置数量的局限性,环境感知性能还是薄弱,410具体薄弱在哪呢,

1,方位角角度精度虽然通过不等间距技术得到了改善,但还是不够,比如在±45°位置角度精度只有±2°。

2,没有角度分辨率概念,由于天线配置原因,对于同速度,同距离的两个目标,该雷达无法分辨。

3,虽然能够测俯仰角,但只是作为特征,区别是否为高处或低处目标,一定程度上降低AEB误报率。不是真实的俯仰角测量,也就是无法稳定获得目标高度。

4,该雷达FoV太窄,近距离只有±45°,远距离只有±9°,很多时候满足不了实际场景需求。

综上可以基本确定,特斯拉FSD已经彻底抛弃传统毫米波雷达,并且在绝大部分应用场景(包含部分corner case),FSD只依赖摄像头以及AI,当然,还剩下一部分场景(并且包括很多corner case), 特斯拉依旧会继续基于视觉数据以及AI不断迭代寻求解决方案,而对于那些视觉数据质量低到无法用AI算法弥补的场景,我觉得特斯拉是会考虑用雷达的,当然,是高分辨4D成像雷达,成像雷达会在那些视觉AI无能为力的场景下,暂时性,局部性成为主导传感器,基于雷达数据集训练完成的AI,基于实时Radar Detection Image(RDI), 通常是精细化的range-doppler map,或者range-angle map等输入,完成场景理解(scene understanding),进而做出合适反馈。

成像雷达在性能,成本等方面已有长足进步,但目前还远未达到胜任FSD主导传感器的作用。所以与其说特斯拉抛弃毫米波雷达,不如说成特斯拉抛弃传统毫米波雷达,且暂时不采用高分辨成像雷达。因为成像雷达做到性能稳定可靠,成本可接受还需时日,不过长期来看大有可为,未来可期,我们拭目以待。

另外,大家也不要为传统毫米波雷达担心,虽然自动驾驶那边被批的一无是处。但在ADAS高级辅助驾驶,工业领域应用,以及智慧城市应用中,传统毫米波雷达依旧可以大放异彩,赋能我们的智慧生活。

▲ 只要用对地方,传统雷达依旧是英雄

扫二维码用手机看

版权所有:南京纳特通信电子有限公司 备案号: 苏ICP备11051012号-1