關於毫米波雷達缺點，我們在網路上蒐集到這些相關的討論、資訊與評價

「毫米波雷達缺點」的推薦目錄：

關於毫米波雷達缺點在誠實大叔張誠博士 Facebook 的最佳解答
關於毫米波雷達缺點在李開復 Kai-Fu Lee Facebook 的精選貼文
關於毫米波雷達缺點在台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文

關於毫米波雷達缺點在 [討論] 光達與毫米波雷達自駕技術的未來之戰- 看板car 的評價
關於毫米波雷達缺點在毫米波雷達缺點的問題包括PTT、Dcard、Mobile01，我們都能 ... 的評價
關於毫米波雷達缺點在毫米波雷達缺點的問題包括PTT、Dcard、Mobile01，我們都能 ... 的評價
關於毫米波雷達缺點在毫米波雷達缺點的問題包括PTT、Dcard、Mobile01，我們都能 ... 的評價
關於毫米波雷達缺點在波長長的電磁波遇到障礙物容易產生繞射的評價
關於毫米波雷達缺點在 HW4.0+毫米波雷達已經作動了！智障雨刷再也不見了 - YouTube 的評價
關於毫米波雷達缺點在毫米波雷達是什麼？自動駕駛、智慧家庭都少不了它！的評價
關於毫米波雷達缺點在 CX5、KUGA、CRV5、OUTLANDER低速煞停實際測試結果的評價

毫米波雷達缺點在誠實大叔張誠博士 Facebook 的最佳解答

2021-07-12 08:01:00 有 191 人按讚

米波雷達具備「反隱身能力」？

雷達按工作波長分類，可分為米波雷達、分米波雷達、厘米波雷達、毫米波雷達、雷射/紅外雷達...等，直覺去想，雷達波的波長越小，雷達的解析度就越高，雷達獲取目標的精度越高。分米波雷達的解析度是公分以上，厘米波雷達的解析度是公厘以上，那麼米波雷達的解析度就自然是公尺以上。

雷達解析度決定了戰場管理上的資料解析度，若誤差大，對於精準導引武器的導引就會有誤差，因此各國在雷達發展上，盡量從雷達精準度朝手，分米波雷達、厘米波雷達，波長越小越好。

匿蹤技術(或者反隱身技術)的概念，就是不讓雷達發射源接收到目標物所反射的雷達波而失能，無論是在裝備構型上將雷達發射的電磁波散射，或是在裝備塗料上將雷達波吸收，反正就是讓雷達接收到的訊號降低到雷達分不出這是目標物反射波，還是地面或海面的反射波，匿蹤(或隱身)就大功告成。

因為目前的雷達幾乎都是分米精度以下的雷達，所以匿蹤技術的發展也就自然有針對性，針對分米、釐米、毫米波雷達，如何做到匿蹤。

中國大陸的「反隱身雷達」，跳脫出另一個領域，發展米波雷達，這是所有匿蹤技術沒有想去對付的雷達波。

米波雷達有其先天的缺點，就是雷達精度的不足，以公尺為單位。這方面，也不是沒有解決方案，基本上，類似四度空間積分的方式，多重波訊號累積，從多個角度加上多重波累積足夠的回波能量，加上美妙的時序控制(第四度空間)，用時間及資源(訊號處理、資料處理)換取精度，是有可能的。

報導中針對的B-2巨型轟炸機(翼展52.4公尺，長度21公尺)，因為體積龐大，是有機會被米波雷達偵測識別出來的，不可掉以輕心。

(延伸閱讀)
台海開戰　解放軍將祭「秘密武器」？陸專家狂言：美國會怕
https://www.setn.com/News.aspx?NewsID=965727

Tags: 毫米波雷達缺點

誠實大叔張誠博士

About author

#雄三飛彈總工程師 - 讓誠實成為風尚 - 三箭齊發：科技救經濟、倫理救教育、反毒救治安 - 公益：好書交換、反毒桌遊、運算思維、品德教育

毫米波雷達缺點在李開復 Kai-Fu Lee Facebook 的精選貼文

By 李開復 Kai-Fu Lee

2019-12-26 14:21:33 有 555 人按讚

Momenta完全無人駕駛首次曝光！城區道路混行無接管，遭遇逆行也不怕，特斯拉Waymo路線二合一

本文來源：量子位微信公眾號 QbitAI 作者：李根
…………………………………………………………
Momenta（現在）是一家怎樣的公司？
宏觀印象：學霸創業、中國無人車獨角獸、賓士母公司戴姆勒加持、自動駕駛第一梯隊玩家……
產品業務：高速場景方案產品、L4級自主泊車產品交貨、最高等級高精度地圖資質……
一千個維度有一千種答案，但也頗顯盲人摸象。
只是從今往後，Momenta的技術路徑開始完整清晰。
在通往自動駕駛實現大道上，之前有漸進式的特斯拉，也有一步到位的Waymo，天下方案，莫過於此。
而現在，Momenta集二者之所長，避二者之所短：
Tesla+Waymo，就是Momenta。

▌完全無人駕駛發佈
12月26日，Momenta對外正式發佈L4級無人駕駛技術MSD (Momenta Self Driving)，開始支持城市內完全無人駕駛場景。
如果說2019年來Momenta發佈的前裝量產產品Mpilot，更像是特斯拉方案。
那麼現在，MSD上馬，則顯出Waymo路線雄心。
萬萬沒想到，自動駕駛業內一度紛爭的兩種路線，如今讓Momenta實現二合一。
但MSD究竟是一套怎樣的方案？
區別於量產前裝方案，Momenta完全無人駕駛方案中最明顯不同在於多了雷射雷達。
在其測試車中，共搭載12個攝像頭，5個毫米波雷達和1個雷射雷達。整套系統感測器方案以攝像頭為主，雷射雷達為輔，多感測器冗餘。
而且Momenta強調，除去雷射雷達，方案中的硬體選型與前裝量產保持一致——這也是Momenta“兩條腿”向前的關鍵考量，後面還會詳細講到。
不過，說一千道一萬，無人駕駛——還得以身試乘看一看。
MSD方案的試乘，選在了Momenta（蘇州），地點毗鄰蘇州高鐵北站，屬城建頻繁區域，路線全程約12公里，沿途經過30餘個紅綠燈路口：
 既包括無保護左轉等典型場景，也有非機動車混行、立交橋下長路口等複雜路段。
 路線中還有多處工地，也有學校、居民區、寫字樓、商業中心等生活場景。
符合Momenta該方案目標所指：城市區間內，完全無人駕駛。
而且路段基礎設施也沒有過V2X改造，依然拼的是單車智慧實力。
車流交匯交互，也是最有意思的場景。MSD方案雖初發佈，但智慧程度已有老司機風範，在試乘的幾次交互場景中，有讓行、也有選擇先過，並不基於單一規則。
同車試乘的Momenta研發總監夏炎解釋，這能體現MSD在預測規劃方面的實力和學習能力。
不過整體試乘而言，因為城市區間不同高速場景（無人車混行）和停車場（低速），Momenta的AI司機給人的印象是：安全第一，寧慫不偏激。
比如在蘇州相城道路，會出現不規則的異型車——挑戰自動駕駛系統的感知識別。
其實從當天道路實際情況來看，系統完全可以“偏激”一些，讓路不減速通過。
但安全第一思考下，Momenta工程師打造的該系統，在交通中不確定性較大的情況下，先減速，甚至刹車，確保交互雙方的安全。
而且相比人類老司機，MSD雖初生牛犢，但也展現出不凡實力。
遭遇人類司機深為苦惱的大貨車時，既要對大貨車的載貨品類多樣、形態各異準確感知，還要對大貨車行為上的激進行為有應對：
MSD跟隨慢速行駛的大貨車一段時間後，“決定”變道超車，但在超車過程中仍保持對貨車一定的安全距離，通過接近路口的實白線後才拉大橫向距離超車，保證了超車過程中的安全性。

▌完全無人駕駛新速度
12公里左右里程，按道路交規限速行駛（40公里每小時為主），近40分鐘，歷經城區內各種場景——有臨時施工、有不規則車輛，還有逆行，但全程無接管。
這樣的完全自動駕駛能力，起步最早的穀歌用了近十年，百度從開始研發到落地也超過5年，一眾自動駕駛新勢力從無到有也走過了快3年……
雖然深度學習、大數據和大計算帶來的指數加速，已再明顯不過。
但得知Momenta的速度，依然讓人不可思議：
50人左右的團隊，5個月左右的時間。
沒錯，從今年下半年交貨量產自動駕駛產品後，Momenta才開始囤積重兵，依靠公司長期的技術和數據積累，以及量產自動駕駛和完全無人駕駛通用的平臺支持，開始攻堅完全無人駕駛。
至於能夠達到城區開放道路全程無接管，之前行業內最快的友商也差不多用時1年，且積累了至少十萬公里以上實際路測里程。
所以Momenta之速，背後究竟有“引擎”？
Momenta CEO曹旭東認為，與他們內部看問題的角度、方法和戰略選擇有關。
Momenta創辦，從一開始就明確目標，要打造自動駕駛大腦。
這並非傳統汽車產業內“換輪子”，而是行業開始AI化變革後，供應鏈環節中的新機會。
汽車產業鏈中：
 有最基礎的Tier1一級供應商，如博世、大陸，在系統層面、硬體層面提供產業支援。
 再往上則是OEM廠商，賓士、寶馬、豐田……即車廠。
 還有智慧化的基礎——計算晶片，如TI、NXP、瑞薩和英偉達。
 最後，核心新增的玩家，一方面是提供出行網路的滴滴Uber等，另一方面則是提供自動駕駛所需核心演算法和軟體的技術公司。
比如定位“自動駕駛大腦”的Momenta，就處於這一層。
但即便如此，如何實現完全自動駕駛，如何最高效擁抱未來，也沒有清晰明確的答案。
至少在打造自動駕駛大腦這件事上，特斯拉方案和Waymo路線一度不可調和。

▌兩個路線的爭論
所謂特斯拉路線，是按照自動駕駛等級的劃分，從低級往高級不斷升維，通過量產汽車對場景、數據和演算法的反覆運算，最終實現完全無人駕駛。
而且正是因為堅定量產路線，也為了最低門檻獲取數據、場景和功能回饋，偏執狂馬斯克完全依靠攝像頭方案、不使用價格昂貴的雷射雷達。
所以即便2019年發佈為完全自動駕駛而生的FSD硬體，外界也不相信馬斯克2020百萬RoboTaxi的豪言。
而Waymo路線，則認為只有從一開始L4才能實現RoboTaxi。該路線中，人機共駕的高級輔助駕駛被認為有天然Bug——既要機器輔助駕駛，又要人類在緊急時刻接管，顯然不靠譜。
於是Waymo從2009年正式推動後，逐漸明確了實現方式：
原型車、規模化路測、在豐富場景中不斷反覆運算，區域內落地，終極場景是讓無人車行駛運營在任何時間、任何地點和任何場景。
但Waymo路線中，最難的是無窮無盡的“長尾”問題，現實中總會有出乎預料的新場景、特殊挑戰，這就要求自動駕駛系統足夠聰明、且學習反覆運算得足夠快。
所以概括而言，二者優缺點都很明顯。
特斯拉方案：想依靠低成本感測器方案不斷升維，難且有道德挑戰；但好處是數據“眾包”，能在量產中獲得現金流和數據流程。
Waymo路線：希望一己之力不斷擴大無人車隊規模，最終真正實現完全落地，險且依賴融資燒錢；而好處是安全性相較而言更可控，不用把車主當小白鼠。
但如今Momenta之行動，所謂“兩條腿”戰略，卻實現了特斯拉和Waymo路線的二合一。
即，通過量產自動駕駛產品獲得海量數據，持續研發數據驅動的核心演算法，打造閉環自動化工程體系，發揮數據價值，高效反覆運算數據技術，最終實現完全無人駕駛。
同時，MSD的技術框架中不同感測器的感知演算法相互獨立冗余，並非完全依賴某一種感測器，因此目前量產感測器收集的數據，如視覺、地圖、軌跡數據等可以無縫應用並有效助力MSD演算法提升。
最終，一個數據流程和技術流的閉環搭建完成，量產自動駕駛和完全無人駕駛，真正互相補益。
但為何能打通？又為什麼是Momenta？
一切要從Momenta創立之初對自動駕駛的認知說起。

▌終局視角思考無人車
Momenta 2016年創辦，當時就分析過特斯拉模式和Waymo路線。
但並非為結合二者而生。
曹旭東回憶，從一開始就希望從本質出發、從終局角度思考問題。
Momenta的思考中，自動駕駛的終局，一定是L4級以上，不需要方向盤、不需要人類司機。
但要實現這個終局，結合深度學習為核心的AI新浪潮，兩大要素就格外關鍵：
 一是數據驅動。
 二為海量數據。
之所以要數據驅動，是因為完全無人駕駛中的長尾問題——幾乎是難以窮盡的。
唯一的可能性只有數據驅動，自動化解決大部分的問題，例如99%問題。
所以Momenta內部，“架構師”文化興盛，他們目標是架構能夠自動化解決問題的系統。
在當前系統中，Momenta的 “閉環自動化”方法論就已發揮作用，通過建立對問題自動化發現、記錄、標注、訓練、驗證的閉環過程，為技術和數據提供自動化的反覆運算能力。
而關於海量數據，這是數據驅動的原料和前提。
之前有粗略估計，實現完全無人駕駛，需要100萬輛車跑一年，每輛每天跑10小時以上。
如此海量數據，完全依靠自建車隊採集，幾乎不現實。
量產自動駕駛數據流程能夠助力完全無人駕駛，源自統一量產感測器方案。
MSD感測器方案包括視覺感測器、雷射雷達與毫米波雷達，均覆蓋360°範圍，該感測器方案子集與量產感測器方案保持一致。
所以理解了無人駕駛終局的兩大要素，或許也就不難明白Momenta此次談及的兩條腿戰略：
一條腿是量產自動駕駛；
另外一條是完全無人駕駛。
量產自動駕駛，人車共駕，以人為主，但解放人類在高速環路、停車場等場景下的駕駛時間，提升駕駛安全性及駕駛體驗。
而且通過量產自動駕駛，實現海量數據獲取——學特斯拉又超乎其外。
進一步，量產自動駕駛可以給完全無人駕駛帶來數據，通過數據驅動的方式，去自動化地解決99%的問題。
未來隨著量產產品上市，像 “活水”一般源源不斷注入MSD，推動MSD演算法不斷升級，使得完全無人駕駛系統不斷進化。
這是數據流程上的打通。
而通過完全無人駕駛，還能給量產自動駕駛回饋技術流，不斷提升體驗和能力，讓量產自動駕駛持續進步，提升行業份額。
當然，數據流程和技術流形成閉環，聽起來不算稀奇。
但真正實現這樣的戰略並不容易，關鍵是量產感測器方案的一致性、互補性，並在量產自動駕駛戰略中真正快速低成本交貨、落地。
這也是特斯拉和Waymo難以跨公司二合一的原因。
另外，作為創業公司，在數據流程和技術流閉環之外，靠融資燒錢顯然不可持續，必然還需要現金流。
所以Momenta創辦3年來，先在量產自動駕駛發力，實現數據流程和現金流方面的驗證，然後發力完全無人駕駛，同時著力於打通兩者之間的數據流程和技術流。
現在，完全無人駕駛方案發佈，數據流程和技術流的戰略雛形形成，現金流也能讓公司不受輿論和資本市場變化而左右。
曹旭東說，目前Mpilot 和MSD的原型發佈，標誌著兩條腿的雛形期形成。預計到2019年-2024年，量產自動駕駛大規模上市，以及MSD真正的完全數據驅動，完全自動化，則是“兩條腿”戰略得到驗證的時刻，也是戰略的成型期。

▌道阻且長，行則將至
不過，也還沒到一腳定江山的時刻。
雛形初現，一切還只不過是開始。
更何況這樣的戰略完整披露，一方面會面臨質疑，另一方面也有被複製的風險。
但曹旭東並不擔心。他說：“戰略沒有優劣，戰略是選擇。這個戰略有其優點，也有難點和挑戰。我們在選擇戰略同時，也必須克服和解決其背後難點。我相信，戰略發佈後，看到的不是抄襲，更多的是爭議。在戰略執行時，遇到困難，可以選擇繼續走下去，也可以去選擇其他戰略，但我們選擇迎難而上。道阻且長，行則將至。”
按照Momenta的說法，執行層面主要面臨兩個維度的挑戰：包括技術難度和商業難度。
技術層面的難，例如數據流程的打通。曹旭東認為，行業主流都是以雷射雷達為主的技術解決方案，但Momenta是以統一量產感測器為主，需要打通量產自動駕駛到完全無人駕駛的數據流程，而他們在其中做了大量的技術創新。
在矽谷拜訪時，曹旭東也講到Momenta的戰略和已解決的技術難題，得到很多行業專家的認可和欣賞，因為Momenta在做原始的技術創新，而不是簡單的複製跟隨。
商業層面的難，包括如何深入行業、理解客戶，如何拓展能力邊界及更好的服務市場。
曹旭東進一步解釋：“To B是系統性的業務，面對的是一個組織，需要得到方方面面的認可。一線客戶都有很強的技術能力和很高的技術標準，需要經過非常嚴格的技術評測。而我們經過層層驗證，最後獲得了客戶的認可，進入了量產體系。”
Momenta也有相對長遠的完整時間表。
他們內部，認定2016年-2019年是戰略雛形期，2019年-2024年是戰略成型期。
然後2024年-2028年才是真正的戰略爆發期，那時候在完全自動駕駛“這條腿”上將加速趕上Waymo。
只是現在開始，自動駕駛“面壁者”Momenta，戰略意圖一覽無餘。

▌告別盲人摸象
作用力也才剛剛開始。
從Momenta自身來說，徹底告別被“盲人摸象”狀態。
高精度地圖供應商？高級輔助駕駛玩家？量產自動駕駛交貨……
都不準確。
大道至簡，Momenta（現在）是一家怎樣的公司？
Momenta = Tesla + Waymo。
而且這種結合帶來的新場景新技能，還可能不是線性相加。
或許也是聚變反應。
比如特斯拉一直是從車角度提供方案，Waymo則是運力技術維度……
但二者結合，就是完整軟硬體集合體，載人載貨，私家車共用車，都有了可能。
簡而言之，能做的更多，可以做的更多，新價值已經展現，新邊界也就要重勘。
自然還會進一步帶動行業新格局重塑。
自動駕駛發展中，特斯拉方案和Waymo路線，一次次被提起，一次次被模仿，一次次被對標。
這樣的新玩家新勢力，無論中美，都可以舉出很多。
但今日之Momenta，在理論上真正達到二合一，並且驗證了可行性。
於是，之前衡量自動駕駛的時間表，曾經理解Momenta的框架，可能是時候刷新了。
▌One more thing
雖然Momenta是中國自動駕駛的獨角獸，但作為Momenta的船長，曹旭東最關心的並不是公司的估值。
他認為商業世界一切有為法，一定離不開價值規律本身，估值並不需要過分關心。
他關心什麼？
作為CEO，他說核心還是人，組織的學習、進步和提升。
這位Momenta創始人，今年來自上而下改變了一件小事：不再把“創始人”放在對內對外的任何地方，僅以職務——CEO示人。
他解釋說，Momenta正在最大限度通過組織變革、文化塑造，形成合夥人文化。
合夥人不分加入先後，不論年齡資歷，核心關注的是技術、貢獻和志同道合。
他希望以此吸引最頂級的牛人，讓更多有識之士加速自動駕駛終局到來。
《道德經》裡說，夫唯不爭，故天下莫能與之爭。
但真正能邁步實踐者，少之又少。
如今，無人車獨角獸Momenta，宣示兩條腿，放下“自我”，立志要做推動終局實現的那個玩家。
這就是Momenta。

Tags: 毫米波雷達缺點

李開復 Kai-Fu Lee

About author

AI Expert, CEO of 创新工场 (Sinovation Ventures), former President of Google China. Author of AI

毫米波雷達缺點在台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文

By 台灣物聯網實驗室 IOT Labs

2018-09-12 10:33:00 有 0 人按讚

智慧車需具備PACCE五大特點方能從Car 1.0進化至2.0版

林芬卉 2018-09-12

Semicon Taiwan 2018智慧汽車國際高峰論壇，從汽車產業鏈上、中、下游主要業者觀點，提出未來智能車由Car 1.0版進化至2.0版，需朝幾個方向發展，包括駕駛方式改變、車聯網的普及、新移動概念等，而汽車未來將具備「PACCE」五大特點。

現在智慧汽車以搭載ADAS功能為主(又稱Car 1.0版)，未來5~10年具Level 2~3等級自駕車成長將顯著，最終目標為開發Level 4~5自動駕駛汽車(簡稱AD，又稱Car 2.0版)；ADAS與AD不同處在於，前者資料主要在Edge端處理，後者則由中央超級電腦處理所有匯集的資訊。

從製造觀點來看，傳統汽車大廠先以ADAS為基礎，再以step-by-step方式向上做到AD等級，也就是由Car 1.1、Car 1.2、Car 1.n、再進化至Car 2.0版；相對的，科技大廠採取一步到位方式，直接開發Car 2.0版的全自駕車款。

由上述可知，汽車產業在正進行極大變革，而未來汽車將具備「PACCE」五大特點，包括Perception(感知)、Assessment(評估)、Control(操控)、Communication(通訊)、Expectations(期望)。

Perception方面，未來智慧車會使用多重感測器，其中，車用相機模組需求量顯著增加，以產值計2016~2020年複合成長率將達24%。現常與相機模組搭配的感測器為毫米波雷達，其優勢為即使在大雨中惡劣環境、物件辨識效果僅減損10%，也就是說可補足其他感測器易受外界環境影響的缺點；而超過75%車用毫米波雷達系統會結合軟體演算法，靜態物件主要以卷積神經網路(CNN)辨識，動態物件則主要採用循環神經網路(RNN)及遞歸神經網路(GNN)等技術。

目前光達(LiDAR)價格雖然偏高，但車廠會優先採用成本較低的固態光達，預估大量生產下固態光達價格將可降至200~250美元，而光達好處是影像可作到無縫接合。

汽車如同人類一般具有感知功能，接下來就需進行路況的評估(Assessment)，也就是車子需瞭解交通規則、知道可行駛的路徑、作到即時辨識及適應路況等。有了感知及評估能力後，汽車亦要能自動操控(Control)各種動作，如前進、煞停、轉向等。

當汽車要作到良好的自我操控性，需經過不斷的深度學習及路測。據車廠統計，當100輛的自駕車隊以每小時25英哩速度行駛，並以1年365天、1天24小時進行路測，即可蒐集到足夠的數據量，信心度可達95%。

為強化汽車信賴信及補足感測器無法全面偵測的缺點(如轉角處車輛被大樓檔住)，未來汽車亦需具備通訊(Communication)及聯網功能；又因車子會與車、路、人、基礎設施等連網，故每輛車每天蒐集到的資料量高達4,000GB，此時車聯網需導入共通標準，以確保各裝置間能以共通語言進行對話。

值得注意是，現車聯網兩大技術DSRC及C-V2X正在推行，兩者各有其優缺點，晶片業者如以色列商Autotalks為解決車廠或Tier 1業者選邊站的難題，因此發展出雙模V2X晶片組。

除自駕車技術不斷往前推進外，車廠亦需考量到消費者對於自駕車的期待(Expectations)及看法。據市調機構針對主要國家消費者調查，若是完全自駕功能的汽車(Full Autonomous Vehicles)，有6~8成的人認為安全上仍有疑慮；此時需要仰賴AI技術不斷對自駕車進行深度學習及訓練，以優化其自我駕車能力。

目前已商用化、並在路上行駛的最高等級自駕車為奧迪(Audi)A8的Level 3車款，隨著AI將滲透到人類生活各層面(包含行動運輸工具)，預估2035年將有5,400萬輛自駕車上路。

為因應完全自駕車時代來臨，未來汽車產業由「3S」所組成，包括Semiconductor(半導體)、Software(軟體)、System(系統)，而對3S掌握度愈高的業者，未來在汽車生態系中愈有勝出機會。

附圖：Semicon Taiwan 2018智慧汽車國際高峰論壇提出智能車需具備PACCE五大特點。林芬卉

資料來源：https://www.digitimes.com.tw/iot/article.asp…

Tags: 毫米波雷達缺點

台灣物聯網實驗室 IOT Labs

About author

本專頁將不定時網羅搜集國內外與物聯網相關新聞及技術，並無條件與 IOT 從業人員或對物聯網有興趣的大眾分享，若有任何不足或建議之處，歡迎隨時留言，一起研究研究。^.^

社群媒體上有些相關的討論：

毫米波雷達缺點在 [討論] 光達與毫米波雷達自駕技術的未來之戰- 看板car 的推薦與評價

作者POWERSERIES (Zen)

看板car

標題[討論] 光達與毫米波雷達自駕技術的未來之戰

時間Thu Mar 25 11:07:42 2021

https://youtu.be/bPaSqgg7aws

今天網路有一位曲博士分析了未來自駕技術所使用的雷達與光達的差異

並大膽分析特斯拉未來自駕技術的選擇

因為影片很長相信大多數人不會看完

所以總結一下

特斯拉目前硬體配置能否在未來升級到LV2以上？

特斯拉目前搭配正前方的三個影像感測器作為偵測前中後車況

搭配AI演算，在數據量足夠分析後，有可能能達成

但曲博並不看好

為何人類兩個眼睛就能開車，特斯拉三個影像感測器的即時訊息量還不足以達成自駕？

人類兩個眼睛可以抓到同一物體的成像差別，足以判斷物體的遠近。並且人類眼睛對焦極
快，處理影像的速度也比電腦快，所以兩隻眼睛即能開車。
而特斯拉的三個鏡頭畫素太低，且都只能定焦前中後還需做影像處理，所以目前無法對多
變的路況做即時的分析。

光達與雷達兩者的優缺點為何？

雷達分辨率太低，角解析度量產只能做到2-5度，路況無法做精確的偵測。
但是價格便宜，且能跟車體做較好的整合
光達有很好的分辨率，但是整個硬體像個大水桶，用在車上不美觀又會有配置的麻煩，且
價格高達一萬美金大部分車廠都很難接受

光達與雷達的未來為何？

雷達分辨率正在進步，而光達的價格與體積也在進步

目前來看還不知道誰會勝出，但曲博看好光達

特斯拉未來有沒有可能採用光達？

曲博認為未來光達價格與體積都進步到一個程度，且有其他車廠採用後，特斯拉就有可能
改變目前的硬體規格採用光達。

其他的論點還有特斯拉明明沒有自動駕駛，取名卻叫做Auto Pilot有點誤導消費者，特斯
拉不想被加州監管，這樣子的行為在一個與生命有關的造車行業是不正確的。

--

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.52.63.194 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/car/M.1616641664.A.C3C.html

推 d8613518 : 這樣打馬神跟信徒的臉很不厚道啦03/25 11:11

→ bill97385 : 3個鏡頭？前中後？基本調查都沒做好就來評論？03/25 11:14

※ 編輯: POWERSERIES (27.52.63.194 臺灣), 03/25/2021 11:17:14

→ l79cm : 知不知道人開車的反應時間是多少？看到不動手？03/25 11:18

※ 編輯: POWERSERIES (27.52.63.194 臺灣), 03/25/2021 11:19:44

推 EddieJeremy : 曲博士的背景是??03/25 11:23

→ dslite : 畫素太低的確可以嘴但前三鏡頭的左右兩隻就等同於03/25 11:24

→ dslite : 人的雙眼可以有距離資訊 486的eyesight也是這樣幹 03/25 11:24

→ dslite : 的03/25 11:24

→ dslite : 畫素低就會造成看不夠遠但他怎麼知道畫素多低？行03/25 11:26

→ dslite : 車記錄器錄的不見得等於sensor的原始解析度啊 03/25 11:26

曲博有提到這個技術，但特斯拉似乎選擇用AI做deep learning 計算距離的方式。
※ 編輯: POWERSERIES (27.52.63.194 臺灣), 03/25/2021 11:29:12

推 StarburyX : 光達要搭配高精地圖這點就GG了啦不是普遍方案03/25 11:29

→ StarburyX : 要用高精地圖注定只有在地車企能做03/25 11:29

→ StarburyX : 沒有國家會讓其他非本國車企掌握高精地圖的03/25 11:30

→ StarburyX : Tesla的視覺辨識神經網路訓練才有可能成功03/25 11:31

→ StarburyX : 只能說有可能成功03/25 11:31

→ StarburyX : 如果像waymo這樣我就是只做一個區域也行03/25 11:31

→ StarburyX : 看車企的目標擺在哪就會決定往哪走03/25 11:32

→ StarburyX : 高精地圖精密到幾公分的程度這資安問題太嚴重03/25 11:33

→ dslite : 深度跟ai完全無關吧他在鬼扯什麼03/25 11:34

→ StarburyX : 光達目前都是要搭配高精地圖這是很棒的區域解 03/25 11:34

→ l79cm : 現在硬體的神經網路影像輸入解析度都不會太大，放4 03/25 11:34

→ l79cm : K sensor最後也要縮小再餵入，光達掃出來的矩陣解03/25 11:34

→ l79cm : 析度也很低 03/25 11:34

→ dslite : 深度是純光學跟數學03/25 11:35

→ StarburyX : 沒錯深度學習是純光學+數學 03/25 11:36

推 sk2g : 如果搭配Garmin的圖資 03/25 11:37

→ plug : 光達+高速晶片，車可能直接產生智能視覺+高精地圖 03/25 11:41

→ StarburyX : 高精地圖跟garmin或估狗圖資等級差太多 03/25 11:42

→ plug : 就看車商要否把資訊上傳變資料庫，地圖商死光光 03/25 11:42

→ zyx12320 : 這些都是幾年前就知道的東西了.. 03/25 11:42

→ StarburyX : p光達的目的是判斷車在高精地圖上的哪一點用 03/25 11:43

→ StarburyX : 高精地圖的產生可能不是你開過去就有的03/25 11:44

→ StarburyX : 高精地圖準確度達到幾公分的等級03/25 11:44

→ StarburyX : 目前汽車車上晶片的算力是沒辦法達到這種程度的03/25 11:45

→ StarburyX : 特斯拉深度學習也是用dojo超級電腦訓練03/25 11:45

→ DYE : 主要還是電腦對圖形判斷太差03/25 11:46

→ StarburyX : 跟車上的晶片沒什麼關係03/25 11:46

→ DYE : 兩歲小朋友，只要幾筆畫的圖，就能說出是貓狗03/25 11:47

→ plug : 自駕不需要全部地圖，只要知道是路+可以通過，其他03/25 11:47

→ plug : 走線可用舊圖資03/25 11:47

→ DYE : 電腦需要大量數據還沒辦法快03/25 11:47

推 StarburyX : plug大不行你這樣就是特斯拉的方案 03/25 11:48

→ DYE : 所以人可以輕易判斷什麼是白色貨車，什麼是天際線 03/25 11:49

※ 編輯: POWERSERIES (27.52.63.194 臺灣), 03/25/2021 11:49:31

→ DYE : 電腦一出錯就撞 03/25 11:49

→ plug : 車載光達即時製作路面環境給AI判斷能不能過就好 03/25 11:49

→ StarburyX : AI判斷就是特斯拉現在在做得怎麼判斷？訓練！ 03/25 11:51

→ zyx12320 : 內文都過時資訊 S大推的才是目前各方案的現況 03/25 11:51

→ plug : 現在很多公司用點雲建立機器視覺了，即時路面環境 03/25 11:51

→ StarburyX : AI能不能訓練成功？天知道 03/25 11:51

→ plug : 不是問題 03/25 11:52

→ plug : 現在感測器可以一直裝，就看晶片多快算出視覺 03/25 11:53

→ plug : 把空載光達位態同步與計算晶片作一起放車上 03/25 12:01

→ plug : 陣列式光達鏡頭已經大幅降價，要多裝不是問題 03/25 12:11

推 dix : 曲建仲成大化工學士清大材料碩士台大電機博士 03/25 12:12

→ dix : 德儀資深工程師 03/25 12:13

噓 LimYoHwan : https://youtu.be/MvWWHgNm0_w 03/25 12:14

→ LimYoHwan : 高精度地圖誰來維護啊花多少錢？ waymo走不出鳳 03/25 12:15

→ LimYoHwan : 凰城還看不出來嗎？ 03/25 12:15

噓 LimYoHwan : Tesla不是用3鏡頭曲低能做好功課再來 03/25 12:17

噓 TaiwanNeko : 軟體才是關鍵 03/25 12:21

→ l79cm : 影片有解釋下雨光達就失效基本還是視覺作用，那下 03/25 12:24

→ l79cm : 雨可以自駕為何晴天就不能？精度較低不等於不能 03/25 12:24

→ StarburyX : 幫Lin大補充一下 Tesla是用8顆鏡頭在訓練 03/25 12:29

→ plug : 目前來看，混合影像+光達較能面對環境變數 03/25 12:34

→ l79cm : 樓上從哪裡看出來的 03/25 12:38

推 StarburyX : plug大完全誤會這些東西的能力了有空我發一篇 03/25 12:44

→ plug : 除了天氣，光達有反射率的差異，辨識距離會縮短， 03/25 12:46

→ plug : 還有噪訊，都會環境單純，在鄉村會搞死AI 03/25 12:48

→ plug : 舉例，90度正面，光達看鐵門300米、混凝土150、土 03/25 12:49

→ plug : 牆60，若時速90，偵測到牆要AI多遠開始煞車到停？ 03/25 12:54

推 plug : 有勞S大，我只是對air bone 跟TSLR應用有興趣 03/25 12:59

噓 lycosidae : 他的youtube 有很多謬論當科普看就好 03/25 13:02

推 chandler0227: 主要還是在感知這塊，電腦遠不如人類，電腦99%情況 03/25 13:24

→ chandler0227: 做得比人類駕駛好，但還是卻會發生離譜錯誤 03/25 13:24

推 motan : 摻在一起就好啦，沒有影像辨識怎麼可能完全掌控路況 03/25 13:25

→ chandler0227: 主流是多感應器融合(sensor fusion)，Tesla擺明不 03/25 13:29

→ chandler0227: 用lidar，那在視覺無法辨識&濾掉毫米波雷達的靜止 03/25 13:29

→ chandler0227: 物量測資訊下，就變成災難啊 03/25 13:29

→ chandler0227: 視覺在lane tracking的應用上就很成功，但全都丟給 03/25 13:32

→ chandler0227: 視覺&深度學習，有夢最美囉 03/25 13:32

→ plug : 看到白灰的翻覆貨車頂以為是天空就不意外了 03/25 14:18

推 DaveLu : 特斯拉的戰略蠻正確的,lidar又貴整合難度又高, 03/25 16:41

→ DaveLu : 裝這個根本拖累上市時程,至於少裝的後果就打媒體戰 03/25 16:42

→ DaveLu : 解決就好 03/25 16:42

→ bill97385 : Lidar也不是萬靈丹啦！即時有lidar資訊，還是需要 03/25 19:23

→ bill97385 : 去做後處理跟分類！一樣會有分錯類的可能性 03/25 19:23

→ wellkom : 我猜馬斯克打的算盤是幾年之後顯卡晶片效能滿出來 03/26 12:45

→ wellkom : 所以他的演算法賭的是軟改硬幹 03/26 12:46

推 wisdom : 影像辨識解析度會影響判斷結果沒錯，但是電腦需要的 03/26 17:34

→ wisdom : 解晰度比你想像的要低很多就能正確判斷。人眼看起來 03/26 17:34

→ wisdom : 根本馬賽克的東西只要training正確，ANN判斷的正確 03/26 17:35

→ wisdom : 率高的讓人莫名其妙。而實際上要拉高影像解析度以現 03/26 17:35

→ wisdom : 在的技術根本也沒有太多難度，ANN即時辨識的運算需 03/26 17:35

→ wisdom : 求也根本不龐大（運算慢是在training）。所以特不拉 03/26 17:35

→ wisdom : 高光學解析度，並不是技術難以克服，更多是不需要 03/26 17:36

→ wellkom : 應該是說解析度高反而增加 training 的成本與困難度 03/26 17:43

→ wellkom : 只要對物體有一定程度的辨別度，解析度是越低越好 03/26 17:43

推 answermangtr: 光達是Lidar嗎 03/27 11:55

... <看更多>

毫米波雷達缺點在毫米波雷達缺點的問題包括PTT、Dcard、Mobile01，我們都能 ... 的推薦與評價

最後網站毫米波雷达的工作原理及优缺点- 分析行业新闻則補充：所谓的毫米波是无线电波中的一段，我们把波长为1～10毫米的电磁波称毫米波，它位于微波与远红外波相交叠的 ... ... <看更多>

毫米波雷達缺點在毫米波雷達缺點的問題包括PTT、Dcard、Mobile01，我們都能 ... 的推薦與評價

你可能也想看看

搜尋相關連結

#1. PCB資訊- 毫米波雷達與雷射雷達有什麼區別 - 電路板

與毫米波雷達相比，雷射雷達解析度高、隱蔽性好、抗有源干擾能力强、低空探測效能好、體積小、品質輕。雷射雷達的缺點主要是工作時受天氣和大氣影響 ...

#2. L3級自動駕駛近了，4D毫米波雷達火了-新華網

過去毫米波雷達最大的缺點是分辨率不足，所以廠商花了很多精力和代價提高它的分辨率。當分辨率達到一定程度以後，繼續通過更多晶片級聯提高分辨率，其邊際 ...

#3. 特斯拉測試激光雷達，可能是為了更快拋棄所有雷達？

第二，毫米波雷達，毫米波雷達的抗干擾能力強，穿透力高，可穿透霧、煙、灰塵，除大雨天氣外，幾乎不受天氣影響，成本也低。缺點是探測距離還是比較短的， ...

#4. 激光雷达与毫米波雷达的区别

而毫米波雷达是指工作在毫米波波段探测的雷达。毫米波实质上就是电磁波。毫米波的频段比较特殊，其频率高于无线电，低于可见光和红外线，那么激光雷达与 ...

#5. 毫米波雷达的工作原理及优缺点

①在天线口径相同的情况下，毫米波雷达有更窄的波束（一般为毫弧度量级），可提高雷达的角分辨能力和测角精度，并且有利于抗电子干扰、杂波干扰和多径反射 ...

#6. 毫米波雷達:簡介,優點,劣勢,發展簡況,適用需求,套用

與紅外、雷射、電視等光學導引頭相比，毫米波導引頭穿透霧、煙、灰塵的能力強，具有全天候(大雨天除外)全天時的特點。另外，毫米波導引頭的抗干擾、反隱身能力也優於其他 ...

#7. Day24-當運輸遇見IOT- 車用雷達& IOT - iT 邦幫忙

紅外線及超聲波雷達：因測量距離相對雷射雷達及毫米波較短，所以主要應用於汽車 ... 優點為高方向性、測量精度高、測量距離較長，但缺點在包含雨、雪、霧等惡劣環下， ...

#8. 什么是毫米波雷达？毫米波雷达的作用和优缺点-技术资讯

它的长处在于比传统的微波雷达更加精确，也更加敏感，可以提供更好的分辨率，用于更精确的物体检测和目标识别。毫米波雷达也比传统的微波雷达更节能，因为 ...

#9. 毫米波雷达芯片浅析

激光雷达不论是从测距能力、置信度、可感知物体细节，综合实力都很出色，可能最大的缺点，就是有点“贵”。毫米波雷达的置信度高，是智能驾驶系统中用于环境 ...

#10. 第一章、簡介 - 國立交通大學

光受天候的影響更是明顯；而聲波技術與微波技術的缺點在無法產生窄的聲波波 ... 毫米波防撞雷達的基本結構主要包含收∕發天線、射頻電路及訊號處理電.

#11. 汽车毫米波雷达优缺点

懂车帝提供毫米波雷达概念所谓的毫米波是无线电波中的一段，我们把波长为1～10毫米的电磁波称毫米波，它位于微波与远红外波相交叠的波长范围，

#12. 毫米波优缺点及应用大全

顾名思义，毫米波是波长(λ) 约为1 毫米（更准确地说是1 至10 毫米）的 ... 使用更小的多单元天线和自适应波束成形的能力也使毫米波成为雷达应用的理想 ...

#13. 毫米波雷达和激光雷达的对比，激光雷达和毫米波雷达优缺点

毫米波雷达和激光雷达的对比，激光雷达和毫米波雷达优缺点. 电车知识编辑：无敌电动网 2022-08-24 17:20:01. 车载摄像头、超声波、毫米波雷达、激光雷达这些硬件都会 ...

#14. 毫米波雷達的工作原理及優缺點介紹

與其他傳感器系統比較，毫米波雷達有如下優點：. （1）高解析度，小尺寸;由於天線和其他的微波元器件尺寸與頻率有關，因此毫米波雷達的天線 ...

#15. 毫米波雷達跌倒、離床偵測｜AIoT智慧照護成功案例分享#1

有別於其他非接觸式跌倒偵測方案，如影像感測在光源不足的環境難以作用；超音波雷達、紅外線、熱感應則易受高溫、霧氣、蒸氣影響，不適合於浴室使用；毫米 ...

#16. 常用的三大传感器有哪些优缺点（激光雷达、毫米波雷达和相机）

常用的三大传感器有哪些优缺点（激光雷达、毫米波雷达和相机）转载. 2023-01-06 07:30:26 2点赞. 自动驾驶之心. 码龄1年. 关注. 作者 | 徐俊杰编辑 | 汽车人.

#17. 毫米波雷達實現更高精確度的感測解決方案

在人體感測應用中，常使用紅外或超聲波技術，但其有先天的缺點，感測的精準度較低，且易受到環境的干擾，毫米波雷達則為更精準的解決方案。

#18. 挺進L4/L5感測融合140GHz雷達晶片突破瓶頸

其中，超音波雷達最早上市，並具備成本較低、短距離內測量優勢，不過缺點是易受天氣變化影響；毫米波雷達則可穿透塵、霧、雨等阻光障礙，以因應全天候 ...

#19. 毫米波雷達缺點的問題包括PTT、Dcard、Mobile01，我們都能 ...

最後網站毫米波雷达的工作原理及优缺点- 分析行业新闻則補充：所谓的毫米波是无线电波中的一段，我们把波长为1～10毫米的电磁波称毫米波，它位于微波与远红外波相交叠的 ...

#20. 車載傳感器之爭：日企VS世界

圖像傳感器的缺點是容易受逆光等影響，毫米波雷達因可以彌補這一缺點而不斷普及。毫米波是一種微波，可根據從遇到障礙物到反射回來的時間來測量距離。

#21. 激光雷达和毫米波雷达优缺点？ - 电路研发网

激光雷达通过发射激光光束来探测目标，优点是距离测量精度高，可以达到毫米级甚至更高，可以用来进行精确测量，缺点也很明显，就是光束窄， ...

#22. EN雷達（RADAR）與光達（LiDAR）技術互補成趨勢

缺點. 光達. 測量精度高. 從成本來看，價格仍舊高昂. 毫米波雷達 ... 毫米波雷達在新車先進輔助駕駛系統（ADAS）標準配備的驅動，以及消費者願意對汽車安全的考量多付 ...

#23. 車載毫米波雷達究竟是如何運作的？--科普中國

當前，應用於無人駕駛的毫米波雷達波段在24GHz∼77GHz范圍。 ... 相比於激光雷達易受天氣影響的缺點，車載毫米波雷達可有效穿透霧、煙、灰塵，實現全 ...

#24. 米波雷达有什么优缺点吗_米波雷达的优缺点分析

毫米波雷达优缺点. 优点：. 米波雷达抗干扰性极强，几乎能在任何电子干扰条件下使用。它的独特优势是低角度跟踪性能好，跟踪制导精度高。

#25. 毫米波雷达和激光雷达的对比，激光雷达和毫米波雷达优缺点

毫米波雷达和激光雷达的对比，激光雷达和毫米波雷达优缺点. 时间：2021-12-12 作者：车主指南. 拥有高阶辅助驾驶系统是新能源车的一大特征，而对于一套辅助驾驶系统来 ...

#26. 毫米波雷達的工作原理及優缺點介紹. 毫米波雷达点云

毫米波雷達的工作原理及優缺點介紹. ... 毫米波雷达采用了发射高频电磁波的方式，通过接收波的反射来检测周围物体的距离和位置，从而实现对道路上物体的感知。

#27. 毫米波雷达这么火，你了解吗？

毫米波雷达是测量被测物体相对距离、现对速度、方位的高精度传感器，早期被应用于 ... 但是，毫米波雷达的缺点也十分直观，探测距离受到频段损耗的直接制约，无法感知 ...

#28. 波長長的電磁波遇到障礙物容易產生繞射

但毫米波雷達傳播上也有一個缺點，水能載舟亦能覆舟，毫米波雷達雖然容易繞過障礙物，但雷達訊號也容易與其他訊號產生干涉，也會與自己其他雷達的訊號產生干涉，導致訊號 ...

#29. 一种融合毫米波雷达与相机的区域目标跟踪方法

而毫米波雷达和视觉相机的优缺点刚好能够进行互补，因此使用多个传感器的数据进行联合检测能够取长补短，提升检测系统的性能。为此，作为优化后的技术，毫米波雷达和视频 ...

#30. 连马斯克也被折服，最近爆火的4D成像雷达

相比毫米波雷达，激光雷达在探测精度和探测范围方面具有绝对优势。但是激光雷达也有缺点，就是在雨雪雾霾天等恶劣天气的性能会有显著下降，而且较高的成本 ...

#31. 特斯拉要把雷達裝回來，馬斯克打臉了麼？

被「純視覺」信仰者馬斯克扔進垃圾堆的毫米波雷達，要重新. ... 不過雷達也有缺點，會增加車載計算機處理的數據量，對計算能力和多傳感器數據融合， ...

#32. 特斯拉的自動駕駛技術使用毫米波雷達與中國主流雷射 ...

毫米波雷達缺點：①但毫米波雷達在解析度上終是硬傷，一般雷達依靠發射脈衝(波形)獲取信息，反之發射和回波信號決定了信息的內容和質量。一般情況下，頻率越高的信號能 ...

#33. 特斯拉回頭擁抱毫米波雷達

不僅如此，一位知名駭客曝光了特斯拉HW 4.0間諜照，並推測Phoenix正是符合特斯拉需要的「高分辨率毫米波雷達」，可以相當程度的補足純視覺方案的弱點，而 ...

#34. 車載毫米波雷達及產業鏈簡析

可以看出，毫米波最大優點探測角度比較大，抗干擾性強，性能比較穩定，具有穿透煙、塵、霧、霾的能力，可全天候工作，另外也不貴。缺點就是解析度和精度跟不上，但說跟不上 ...

#35. 什么是4D成像毫米波雷达?车载毫米波雷达数据处理方式 ...

在下述的内容中，小编将会对毫米波雷达的相关消息予以报道，如果毫米波 ... 针对目前自动驾驶感知系统不同技术路线的现存优缺点，4D成像毫米波雷达被 ...

#36. 马斯克重新把雷达装回来了！官方文件曝光，上车自研的4D ...

在Robotaxi或高等级自动驾驶中，激光雷达+毫米波雷达+摄像头，缺一不可。不过雷达也有缺点，会增加车载计算机处理的数据量，对计算能力和多传感器数据 ...

#37. 為什麼毫米波雷達是自動駕駛不可或缺的傳感器？

在智能駕駛傳感器領域，和雷射雷達(LiDAR)相比，毫米波 ... 這個頻段也有其缺點，首先是頻率比較低，另外就是帶寬(Bandwidth)比較窄，只有250MHz。

#38. 特斯拉要把雷達裝回來，馬斯克打臉了么？ - 每日頭條

被" 純視覺" 信仰者馬斯克扔進垃圾堆的毫米波雷達，要重新撿回來。 ... 不過雷達也有缺點，會增加車載計算機處理的數據量，對計算能力和多感測器數據 ...

#39. 4D毫米波雷達風口來了！特斯拉加持美股Arbe一夜暴漲70%

由於市場有很多細分領域，而且自動駕駛級別也不同，攝像頭和雷達會共存，因為它們的優缺點互補性非常強。比較特殊的是激光雷達，4D毫米波雷達的解決 ...

#40. 光達LiDAR、4d成像雷達、超音波、相機應用在自動駕駛上的 ...

相信大部分的朋友都是這聽一點那聽一點，今天阿財準備一支影片介紹這些傳感器的原理和優缺點，讓大家一次聽個過癮！本期看點飛時測距ToF有兩種!? iToF vs dToF 光達雷射的 ...

#41. 為升電裝工業股份有限公司

現行其他系統多具有偵測範圍不足、預警不即時或易受天候干擾等缺點，為升電裝全新「77GHz毫米波雷達內輪差主動預警系統」，具備偵測物體速度、距離與角度之功能，可多階段 ...

#42. 4D毫米波雷达，割韭菜or真技术？

但是也带来了高成本、高体积、高功耗的缺点。目前车载毫米波雷达领域很少有采此种方式。连续波技术又可以分为FSK（频移键控，可测单个目标的距离和 ...

#43. 高階自駕平價化？Bosch發表低成本光達

不過光達也並非沒有弱點，由於是用雷射光來偵測，因此遇到雨、霧、雪這類天候時會被影響。光達可以彌補毫米波雷達與光學鏡頭的死角和缺點，尤其是針對 ...

#44. 不易受环境影响的工业毫米波雷达

但是，由于红外线、超声波方式的信号的扩散性高，会伴随以下缺点：. 分辨率低; 测量距离短; 由于温度等环境的影响而产生偏差. 由于作为电波传感器的毫米波 ...

#45. 4D毫米波雷达的优势何在？

为何4D毫米波雷达越来越受欢迎，并且正在成为汽车传感器中的“新星”？我们都知道，3D毫米波雷达一直以来有一个被诟病的缺点，就是无法识别静止物体，道路上 ...

#46. 激光雷達上為何推薦多面鏡方案

另外，毫米波雷達的光束數只有1～幾線，與多面鏡激光雷達的數千～幾萬線相比很差。下一個是經常與多面鏡 ... MEMS激光雷達畢竟有一個很大的缺點，就是重現性不佳。

#47. 基於單毫米波雷達之精確人數計算

本論文使用毫米波雷達所產生的三維空間點雲來進行人數偵測，普遍利用點雲做人數 ... 聚類演算法的好處在於不需要預處理的資料就可以完成分析，但其最大的缺點為每一筆 ...

#48. 毫米波雷達- 搜尋

為升主力產品除TPMS外，也開發車用毫米波雷達，擁有高階24GHz及77GHz毫米波雷達 ... 器為大宗，缺點為易誤報誤觸或全然不動造成消費者體感不好；新一代採用毫米波雷達 ...

#49. 毫米波雷達PK激光雷達，各自短版如何彌補？

所謂的毫米波雷達，就是指工作頻段在毫米波頻段（30-300 GHz）的雷達。它是微波（300 MHz-300 GHz）的一個 ... 但是毫米波雷達的缺點也是顯而易見的。

#50. ToF 近觀、mmWave 遠眺自主移動好眼力！

像、超音波、ToF ／光達或毫米波. (mmWave) 雷達做「感測器融合」. (Sensors Fusion)。 ... 將毫米波雷達晶片與傳統感測器集 ... (BBU) 為其缺點。此外，有人擔心.

#51. 毫米波（millimeter wave ）：波長為1～10毫米

缺點：. ①大氣中傳播衰減嚴重。 ②器件加工精度要求高。傳播特性. 毫米波在通信、雷達、遙感和 ...

#52. 毫米波雷達是什麼？自動駕駛、智慧家庭都少不了它！

這一次，我們回歸IoT的源頭，來談談「感測層」中成長速度驚人的「毫米波雷達」。開始之前，先複習一下三個基礎的通訊原理。

#53. HW4.0+毫米波雷達已經作動了！智障雨刷再也不見了 - YouTube

這件事證明，HW4.0+ 毫米波雷達已經作動了！智障雨刷再也不見了 ... 【特斯拉車主真心話⚠️】Model Y 缺點 /優點+每月花費大公開！電車這麼貴.

#54. 激光雷达的优缺点是啥？

鹏友回答 · # 沙发xuser14735667. 百度一下呗. NaN年aN月aN日 · # 板凳qwe23451780. 激光雷达跟其他几种微波和毫米波性能对比，主要优势为：1、测量的准确性 ...

#55. 什麼是LiDAR？ | 什麼是雷射二極體？ | 電子小百科

方式, 相機, 毫米波雷達, LiDAR（雷射探測與測距） ... 缺點, ・難以準確偵測形狀和位置・不適合惡劣天氣、夜間（暗處）和逆光的情況, ・難以發現微小物體・難以偵測到 ...

#56. 智能交通中毫米波雷達數據處理方法與實現（簡體書）

多輸入多輸出(Multiple Input Multiple Ontput，MIMO)毫米波雷達是國內外雷達領域的研究熱點，MIMO毫米波雷達克服了傳統雷達單發單收的缺點，提高了能量利用率、測角 ...

#57. 人体静止存在感应 - 佰誉达科技|毫米波雷达传感器|微波传感器

... 人体感应技术常见有三种，红外、微波、毫米波，我们技术团队深知各类技术的优缺点，可以快速为您的场景选择一个最适合的解决方案. 方案一：高性能人体静止存在检测.

#58. 光達可能失靈！自動駕駛時代，人們該如何定義「安全」？

Cepton（賽瞳科技）光達創始人裴軍舉例：毫米波雷達發射電磁波，然後接收電磁波，探測前面物體的距離和速度，中間就會有干擾。「如果前面有輛車也發射毫米 ...

#59. 大聯大推出德州儀器AWR1642的77G毫米波雷達盲點偵測方案

毫米波（mmWave）是使用短波電磁波的雷達技術。 ... 了紅外線、雷射、超音波、錄影鏡頭等其他感測器在車載應用中的缺點，優先成為ADAS系統和自動駕駛的主要感測器。

#60. 毫米波目標輻射環境特性之研究

關鍵字：毫米波、亮度溫度、雙偏極化輻射儀、降雨強度. 一、前言 ... 旋翼頂端安裝了一部毫米波探測雷達。 ... 氣中能量衰減小，但缺點是，當大氣中水氣含量過.

#61. 德州儀器毫米波雷達安全護欄如何不影響安全防護而協助提升 ...

雖然安全籠是保護人類不受工業機器人傷害的傳統方法，但仍有缺點存在。首先，安全籠佔用相當大的空間，讓製造商難以在工廠增加使用更多機器人。第二，只要 ...

#62. 雷达or视觉算法自动驾驶传感器之争

但激光定位的缺点是受环境如雨、雾的影响比较大，对于透明介质也无法得到 ... 推崇的“纯视觉方案”是通过摄像头、毫米波雷达捕捉周边环境信息，再通过 ...

#63. 車用感測器新技術！惡劣天候也不怕

過去車用感測器有三種主要形式，攝影機、光達，以及毫米波雷達。而這三種感測器的運作方式，也各有其優缺點。攝影機在判斷車寬，及物體的尺寸測量上 ...

#64. 佐臻、英飛凌、艾睿電子合作毫米波雷達模組

在人體感測應用中，常使用紅外或超聲波技術，但其有先天的缺點，感測的精准度較低，且易受到環境的干擾，毫米波雷達則為更精准的解決方案。以下將為您介紹毫米波 ...

#65. 毫米波雷达测方位原理和优势. 毫米波雷达成像1yx

行行查为用户提供海量行业研究数据和报告：车载毫米波雷达的工作原理, ... 不同雷达类型的工作原理不一样，其性能和特点也各有优缺点，不同的雷达可以 ...

#66. 毫米波雷達：自動駕駛三套件中的核心擔當？

目前，為保證安全性，自動駕駛感應器系統主要由攝影鏡頭、光學雷達、毫米波雷達這三套件組成。而這三套件幾乎在現有的無人駕駛感應器解決方案都可以 ...

#67. 詳解雷射雷達的優缺點及檢測的工作原理

簡單來說，雷射雷達(LiDAR)的原理是通過發射單元發射雷射束，遇到障礙物後進行反射， ... 與雷射雷達死磕的毫米波雷達，除了無人駕駛還有更多歸宿.

#68. 在自動泊車應用中，雷達為什麼優於超聲波

即將推出的自動泊車系統可受益于TI 經濟高效的毫米波(mmWave) 雷達感測器， ... 可靠性是其他傳感技術（如超聲波、電容和攝像頭系統）的主要缺點。

#69. 雷達波, 你知多少

由於毫米波是以微波和光波作左右鄰(它的波長介於微波和光波之間. ... 安裝的第一部作戰雷達的工作頻率位於該波段，但是用在雷達上，它有許多缺點。

#70. 感知融合技術於自駕車之應用

目前於自動駕駛車市場的應用，大多包含影像感測器、毫米波雷達與光達感測器，然而各種異質感測器各有優劣，如表1所示，結合 ... 表1 感測器優缺點比較 ...

#71. 4D雷達扮全自駕關鍵推手(1) - 新電子

這些價格實惠的高解析度毫米波雷達感測器解析度絕佳，且4D度皆能因應。 ... 師們不得不採用光學雷達感測器，而此類感測器帶有許多缺點和限制，其中一 ...

#72. 智能化系列报告之拆解超声波传感器的几大核心关注点

股份超声波雷达传感系统、车载影像监测系统、毫米波雷达探测系统三大领 ... 即便如此，超声波传感器也有一些缺点，无法在一些特定场景中适用。

#73. 為升電裝於2019商業車博覽會首發全新「77GHz毫米波雷達 ...

為升電裝推出世界首創「77GHz毫米波雷達內輪差主動預警系統」，不僅優於歐盟法規規格，更無現行超音波雷達、攝像鏡頭容易受環境干擾、誤判率高等缺點，以 ...

#74. 為升電裝「77GHz毫米波雷達內輪差主動預警系統」

為升電裝「77GHz毫米波雷達內輪差主動預警系統」，攜手業者共同守護用路人 ... 無現行超音波雷達、攝像鏡頭容易受環境干擾、誤判率高等缺點，以全天候 ...

#75. 舍弃毫米波雷达是一个正确决定吗？

经证实，特斯拉本次虽然取消了唯一一颗前向77GHz毫米波雷达传感器，但超声波雷达依然 ... 仔细查阅，小编得知，其实毫米波雷达也有一些缺点和局限性：.

#76. 毫米波雷達是什麼？自動駕駛、智慧家庭都少不了它！

博碩士論文下載網，2019年2月3日— 整體看來，汽車毫米波雷達不斷朝高精度需求發展，使得雷達系統持續從24GHz往77GHz、79GHz升級。

#77. 毫米波副載波光纖通信技術的研究進展

由於毫米波雷達具有更接近小粒子尺度的短波長，因此更適合用來探測弱雲，同時毫米波雷達也存在衰減嚴重的缺點。介紹了毫米波雷達的特點以及其探測小粒子的優勢；對比 ...

#78. 豐田車廂感知系統運用毫米波雷達偵測車內生物

豐田汽車(Toyota Motor)旗下的獨立卓越軟體與創新中心(Toyota Connected North America；TCNA)發現，運用毫米波雷達偵測車內生物微活動是相當實際的 ...

#79. 雙視覺前方安全系統

高成本：現行市面上的毫米波雷達其售價大多 ... 使用毫米波雷達的前方安全警示系統，大多搭 ... 缺點. 雷達與. 雷射. HONDA. Collision. Mitigation. Brake System.

#80. CX5、KUGA、CRV5、OUTLANDER低速煞停實際測試結果

光波類的紅外線雷達及雷射雷達，其最主要的缺點為光線穿透力易受塵雨霧雪的干擾，而影響測量的精確度。=>CX-5、KUGA毫米波雷達不受大氣紊流的影響，與光波相比，毫米波 ...

#81. 豐田車廂感知系統運用毫米波雷達偵測車內生物| DIGITIMES

豐田汽車(Toyota Motor)旗下的獨立卓越軟體與創新中心(Toyota Connected North America；TCNA)發現，運用毫米波雷達偵測車內生物微活動是相當實際的 ...

#82. 車用感測器新技術！惡劣天候也不怕 - 東森財經新聞

日本三菱電機(6503-JP) 在週三(13 日) 發表了該公司在車用感測器上的新技術，該項技術結合了以往攝像機、光達(LiDAR)，以及毫米波雷達(Millimeter ...

#83. 固态激光雷达有哪些优缺点？

如果与全天候毫米波雷达相结合，必将大大提高无人驾驶汽车的检测性能。想要了解更多关于固态激光雷达的技术知识及应用案例，或者需要推荐产品选型，您可 ...

#84. 五大車載傳感器（毫米波/雷射/超聲波雷達/紅外傳感/攝像頭）橫評

77GHz的出現也讓毫米波雷達在器件尺寸上處於領先，由於波長更短，因此器件上的天線尺寸銳減，但需要更先進的封裝方式，成本也就更高。毫米波雷達的缺點 ...

#85. 毫米波雷達相關新聞報導、懶人包

毫米波雷達相關新聞報導、懶人包、照片、影片、評價、爭議、負評、缺點、PTT、dcard.

#86. 具有显式多普勒补偿的基于汽车雷达的精确度量定位,arXiv

另一方面，它的大波长也对感知环境提出了根本性的挑战。最近的进展已经突破了其固有的缺点，即多径反射和毫米波雷达点云的稀疏性。然而，毫米波信号 ...

#87. [討論] 光達與毫米波雷達自駕技術的未來之戰- 看板car

光達與雷達兩者的優缺點為何？雷達分辨率太低，角解析度量產只能做到2-5度，路況無法做精確的偵測。但是價格便宜，且能跟車體做較好的整合光達有很 ...

#88. 車用ADAS系統

車用雷達依據傳輸介值不同，可分為微波雷達、超聲波雷達、紅外線雷達及雷射雷達，各傳輸優缺點，資料如下：. 1.紅外線及超聲波雷達：因測量距離相對雷射雷達及毫米波較 ...

#89. 四种ADAS感知传感器的优劣势对比

目前主要是摄像头、超声波雷达、毫米波雷达、激光雷达这四种传感器，每种传感器在性能、成本和封装方面各有优缺点。现有ADAS功能越来越多地使用多种传感器，以实现对 ...

#90. 毫米波被動影像雷達讓金屬無所遁形 - 科學人雜誌

毫米波被動影像雷達在不主動發射電磁波的狀況下，藉由偵測物體的自體輻射 ... 局網站內就有以紅外光偵測台灣上方雲層分佈的衛星雲圖；但缺點是，當 ...

#91. 「ADAS」產業：邁向自駕車的鑰匙，5 年內產值將翻揚3 倍！

77GHz 、79 GHz 毫米波雷達發展，. 藉以解決毫米波雷達解析度不夠的缺點，. 然而目前這兩者的單位價格仍在. 100~200 美元居高不下，.

#92. 自動駕駛的未來解析毫米波和激光雷達

對於自動駕駛，簡單來說就是對大量交通數據進行運算，最終得到最優的行車路線和速度。但是最關鍵的技術難點卻在於獲取數據。所以雷達變成了自動駕駛 ...

#93. 雷達微波圖

以市佔率來看，目前國際市場主要被恩智浦（NXP）、英飛凌（infineon）、德州儀器（TI）等晶片設計公司佔據。 b. 毫米波雷達是什麼？自動駕駛、智慧家庭都 ...

#94. 為升電裝全新「77GHz毫米波雷達內輪差主動預警系統」共同 ...

為升電裝全新「77GHz毫米波雷達內輪差主動預警系統」共同守護用路人安全 ... 更無現行超音波雷達、攝像鏡頭容易受環境干擾、誤判率高等缺點，以全天候 ...

#95. 無形的第三隻眼影像與雷達訊號融合技術之應用

因此，該感測器需具有體積小、重量輕、高靈敏度與全天後執行偵測等特點，在眾多感測器中，毫米波雷達(Millimeter Wave Radar)能符合上述之需求。

#96. 雷達系統 - 第 33 頁 - Google 圖書結果

措施: ( 1 )採用米波雷達,增加雷達的工作波長優點:可提高探測隱形目標的能力。缺點: ... 天線必須與波長成比例地增大( 2 )採用毫米波雷達優點:提高了反隱形能力。缺點: ...

關於 毫米波雷達缺點 ，我們在網路上蒐集到這些相關的討論、資訊與評價

「毫米波雷達缺點」的推薦目錄：

毫米波雷達缺點 在 誠實大叔 張誠博士 Facebook 的最佳解答

About author

毫米波雷達缺點 在 李開復 Kai-Fu Lee Facebook 的精選貼文

About author

毫米波雷達缺點 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文

About author

你可能也想看看

搜尋相關連結

關於毫米波雷達缺點，我們在網路上蒐集到這些相關的討論、資訊與評價

毫米波雷達缺點在誠實大叔張誠博士 Facebook 的最佳解答

毫米波雷達缺點在李開復 Kai-Fu Lee Facebook 的精選貼文

毫米波雷達缺點在台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文