傳統(tǒng)車規(guī)級毫米波雷達通過接收物體反射回來的電磁波信號并輸入到計算單元進行識別運算，輸出數(shù)據(jù)包含測量目標物位置、類別、速度以及強度等多維信息。傳統(tǒng)的信號處理方法很難完全過濾掉雷達原始數(shù)據(jù)中的噪聲且在處理過程中會造成部分有效信息丟失，導致雷達在探測目標時出現(xiàn)漏檢和誤檢的情形。

金脈基于地平線征程6E/M智駕平臺和域控（集中式）雷達感知系統(tǒng)，以數(shù)據(jù)為驅動力，最大化有效信息的收集，搭建以神經(jīng)網(wǎng)絡算法為核心的深度學習計算模型并自主持續(xù)優(yōu)化。金脈將收集的雷達ADC數(shù)據(jù)轉成二維和三維頻譜數(shù)據(jù)，根據(jù)頻譜數(shù)據(jù)特定結構形式，結合自身多年AI研發(fā)經(jīng)驗，自研高效處理雷達頻譜數(shù)據(jù)的感知模型，在感知模型中通過卷積神經(jīng)網(wǎng)絡從雷達頻譜數(shù)據(jù)中提取出有效信息。相對于傳統(tǒng)的基于規(guī)則的信號處理方法，金脈采用數(shù)據(jù)驅動的方式從更原始的雷達數(shù)據(jù)中提取信息，結合雷達感知模型，有效降低雷達信息提取的丟失，讓雷達感知結果更加準確。同時，金脈自研雷達感知算法采用了基于共享骨干網(wǎng)絡的多任務學習模型結構，可確保模型實時性運算的情況下同時輸出目標檢測、語義分割、占有預測、目標追蹤等結果。

（a）雷達二維頻譜數(shù)據(jù)                                                                   （b）雷達三維頻譜數(shù)據(jù)

金脈域控雷達二維頻譜數(shù)據(jù)和三維頻譜數(shù)據(jù)

（顏色表示強度，顏色越深強度越大，黃綠色區(qū)域表示目標物區(qū)域）

金脈憑借對征程®6系列芯片的深入理解，通過優(yōu)化算法架構，最大限度地釋放芯片的計算潛能。傳統(tǒng)雷達通常直接輸出雷達感知結果信息，在智駕域控制器中與其他傳感器如攝像頭、激光雷達進行后融合感知，其結果受到各模態(tài)數(shù)據(jù)感知能力的限制。為了充分挖掘傳感器原始數(shù)據(jù)信息，提升感知性能，金脈雷達算法方案利用地平線征程®6系列芯片DSP和BPU資源對毫米波雷達原始數(shù)據(jù)進行處理，將優(yōu)化的FFT（傅里葉變換）、IFFT（逆傅里葉變換）等算法移植到DSP單元，將3D檢測、分割、占用網(wǎng)格和跟蹤算法部署在BPU上，在提升感知精度的同時保證了數(shù)據(jù)處理的實時性。該方案也可以支持前、中、后三種多傳感器融合感知算法，可與不同路線的感知算法進行匹配集成以提供更高的感知性能。

地平線征程6E/M雷達數(shù)據(jù)處理流程示意圖

（DSP負責傳統(tǒng)雷達信號處理，BPU負責深度學習感知算法處理）

金脈域控制器方案最多支持接入7顆攝像頭、4顆域控角雷達和1顆前雷達，外加12顆超聲波傳感器。該域控方案面向高速NOA和城市NOA場景設計，支持集成和部署基于AI的毫米波雷達感知算法，在提高感知性能的前提下，系統(tǒng)成本可以進一步下探。在傳感器接口方面，攝像頭和域控毫米波雷達采用統(tǒng)一接口，可靈活調整，可以進一步拓展應用場景。在功能安全方面，該方案集成了系統(tǒng)安全監(jiān)測機制，可實時監(jiān)測各部分的運行狀態(tài)，快速定位和修復故障，從而提高車輛運行的安全性。

金脈域控制器方案示意圖

隨著汽車電子電氣架構從分布式進階到域架構，再到中央計算架構演變，整車算力上移已是大勢所趨。雷達作為智能汽車感知系統(tǒng)的核心也在這場演變中向著超級傳感器進化，并衍生出域控毫米波雷達。它將計算單元轉移到域控上，借助域控制器的豐沛算力，為多傳感器數(shù)據(jù)融合提供更大的靈活性，使雷達更加輕量與靈敏的同時，顯著降低雷達系統(tǒng)硬件成本。金脈域控雷達算法解決方案將大幅提高感知系統(tǒng)運行效率，實現(xiàn)高穩(wěn)健、高精度的4D目標檢測結果，助力高效、智能、安全的智駕體驗。