本案例研究强调了Multicoreware在为我们的一个客户开发ADAS应用的汽车雷达的感知算法中的作用。

客户

该客户是一家全球性的技术公司，为汽车、航空、工业和越野车开发传感器和基于传感器的解决方案。该客户正在为越野车开发自主导航解决方案，包括其软件处理管道。

目标

设计一种算法，使用雷达和IMU测量来创建环境的静态地图并定位自我的车辆。为此，需要识别环境中的静态和移动物体。静态物体需要用3维边界盒来表示。定位过程必须估计自我车辆的位置（x、y、z坐标）和方向（滚动、倾斜、偏航）。

约束条件

以下是制约因素：

• 该算法必须为在越野情况下获得的雷达和IMU测量值量身定做。
• 假设雷达和IMU的测量值不是时间同步的。
• 该算法的计算复杂度必须是最小的。

传感器

4D成像雷达和IMU

技术

同时进行定位和测绘

场景

大型车辆，越野自动驾驶汽车

方法

Multicoreware从头开始监督研发，我们评估了三种方法来解决客户的问题。正在研究的方法是：

1. 基于粒子过滤器和卡尔曼过滤器的SLAM算法
2. 基于迭代最接近点匹配的扫描匹配算法
3. 雷达-陀螺仪融合算法

雷达-陀螺仪融合算法

• 客户首选的方法得到了实施
• 该方法在精度与延迟的权衡方面具有最佳效益
• 雷达–用于估计自我车辆的平移运动和静态映射
• GYRO–用于估计自我车辆的旋转运动和它的方向。