参考

https://www.bilibili.com/video/BV1QU4y1B7i4/
https://zhuanlan.zhihu.com/p/139350599
https://zhuanlan.zhihu.com/p/346374177
https://zhuanlan.zhihu.com/p/92887546
https://www.bilibili.com/video/BV1114y1J76r
https://www.bilibili.com/video/BV14M4y1f7eK

技术介绍：对雷达、激光、毫米波、3D、4D等新技术进行简要介绍，包括原理、特点、优劣势等方面的内容。

应用场景：介绍无人驾驶技术在不同应用场景下的应用情况，如城市交通、物流配送、农业、工业等领域，以及不同类型的车辆（地面车辆、航空器、水上船只等）。

产业现状：介绍无人驾驶技术相关的产业现状和趋势，包括全球市场规模、主要参与者、政策法规等方面的内容。

自动驾驶

自动驾驶和人类一样也分为感知、决策、操控三个方面

感知硬件

为什么要用雷达

在视觉为主的辅助驾驶市场,为什么要用雷达,因为视觉就如同我们的人眼,人眼有的缺点它当然也有,比如进出隧道,乌漆嘛黑的小巷,明暗交替剧烈的环境,摄像头和人眼一样容易跟丢目标.

激光雷达

通过每秒上百万次的激光脉冲对外界进行旋转扫描，获取周边物理的精确三维数据，提高系统对周边环境的识别准确度。
一般150米以上

实现方法：

机械式激光雷达——依靠旋转

问题：需要不断累积，体积大、寿命短、价格高

解决办法：半固态激光雷达，激光器是固定的，而转镜或者叫振镜在旋转

上面的是一维转镜，显然这样子仍然需要叠加多个激光发射器，所以车企还研发了更多不同的形式雷达：

通过振镜的高频振动来反射激光:

大疆览沃HAP激光雷达:是楔形的振镜

毫米波雷达

它就是一个用毫米级的电磁波的发射与接收,很多时候也叫3D技术毫米波雷达,3D是测量出的是距离方位速度三个数据.仔细想想可以知道这个是个二维平面,那么问题是什么呢?极端来说,地上一根减速带和一堵墙在它看来是一样的;一个易拉罐和一根柱子是一样的.所以大部分毫米波雷达干脆都把静态物体当作杂波过滤掉了

4D成象量米波雷达,信道更多

高清雷达是一种FMCW调频连续波雷达,借助多普勒效应来获得信息

特点

和 LiDAR 相比

Radar 和 Lidar 的之争是话题热点，但实际上，这些传感器是互补的。昂贵的激光雷达能够利用目标对激光的反射产生高分辨率成像，能够提供精确的形状和位置信息，但是在恶劣的天气条件下无法工作。

雷达不具备产生高分辨率图像的能力，但是它具有基于多普勒现象的高精度速度估计。此外，雷达波长允许它在恶劣的天气条件下感知目标，最重要的是制造成本低。

优势

体积小，安装之后对汽车外观的影响不大；
纵向目标探测距离与速度探测能力强；
对于静态和动态目标均能作出高精度测量；
全天候、全天时工作，不论昼夜，穿透能力强，不受天气状况限制。

劣势

无法成像，无法进行图像颜色识别；
行人反射波较弱，对行人分辨率不高；
探测距离近，垂直角度受限，对高处物体以及小物体检测效果不佳；
距离多普勒耦合以及收发隔离难；
在有体积要求的毫米波雷达上，垂直与水平方向天线紧密排布会相互产生严重的信号干扰；
信号处理算法的可靠性、实时性需要保证，传统的毫米波雷达ECU可能无法胜任大规模点云的处理。
数据存储需求将会加大，需要额外添置存储单元。

扩展

iPhone激光雷达

无人驾驶项目

谷歌公司的GoogleX实验室研发的

PPT制作

无人驾驶介绍

首先从行业标准来简单介绍一下无人驾驶是个啥，由低到高分为L1到L5，L1、L2只是辅助驾驶，到了L3系统就已经有能力操作所有驾驶行为了，L5就是完全的自主驾驶。

ok，回到无人驾驶技术的实现，我们可以简化分为三个部分：感知、决策、操控，这个很好理解，和我们人一样，要先看到信息，用大脑处理信息作出决策，发出信息超控身体运动。今天咱们的主题是雷达，那么我们就主要讲讲感知这一部分的内容。

最开始，对于无人驾驶技术，车企们主要还是利用视觉配合算法来实现，而雷达就用一个超声波雷达用来倒车，所以它也叫泊车雷达。但是到现在，雷达开始有了更多的应用。

在视觉为主的辅助驾驶市场，为什么要用雷达，因为视觉就如同我们的人眼，人眼有的缺点它当然也有，比如：乌漆嘛黑的小巷、进出高速隧道，这种明暗交替剧烈的环境，摄像头和人眼一样容易跟丢目标。

除此之外，还有一点我没有在ppt上写出来就是算力问题，对处理视觉图片往往需要大量即时的计算，毕竟谁也不希望自己的车里塞一张4090显卡吧，所以还更准确的信息作为辅助。

下面让我们来简单介绍一下传统车载雷达。

传统雷达种类与介绍

现在与未来

从2020年起智能车行业迎来了新的风潮，各大新型车企成立，无人驾驶也在这一年来到了一个巨大的风口。除了巨大的资本涌入市场，还有疫情的影响，各种无人技术得到重视。美国加州出台首个自动驾驶出租车收费政策，Google等巨头投资的Argo AI也在这年成立，华为极狐落地测试，小鹏激光雷达上车，各种各样的公司开始冲击L4级别的自动驾驶。一切看起来都很美好，但是在2022年末，这场热闹戛然而止，Argo AI直接破产、小鹏大面积裁员、华为、小米等新型势力没有了声音。为什么呢

因为方向错了，而这个方向不是在技术上，而是在商业上。总的来说，车企们都很急，大家都疯狂地往L4、L5卷，对现实有美好的幻想，但是实际上还有太多难以解决的长尾难题。对于L4目前大部分的自动驾驶车只能局限于限定区域内行驶，车内还要安排安全员。这么多年，所有车企只能在小范围内测试，技术、产品、政策根本无法支持大范围地落地，所以一直不能达到商业上的闭环，为了得到足够的里程数，企业还是只能不断砸钱养车队、运营等反哺技术。但实际任然不理想，主要是目前只能在高速和限定区域内完成测试，对于实际情况的复杂路况还是太简单了。城市的道路标记、信号灯不统一、不文明驾驶等等问题都难以解决。对于这种回报周期很长的项目，资本显然是没有这么多的耐心，也就没有了持续投入的动力。

回到现实，目前实际运营的L4自动驾驶车企有不少转了方向，转向做更好落地的L2+级别的辅助驾驶。欸，知道L2、L4，L2+是什么，高情商的说就是接近L3的标准但是在L2的定位，除了一些些营销手段意外，还有就是说反正不是L3，出了事情的主要责任还是车主。

雷达演讲资料收集