Введение

Транспортные средства, которые содержат усовершенствованные функции системы помощи водителю (ADAS) или спроектированы таким образом, чтобы быть полностью автономными, обычно полагаются на датчики различных типов. Эти датчики включают в себя гидролокатор, радар, лидар и зрение. Надежное решение включает алгоритм слияния датчиков для объединения сильных сторон различных типов датчиков, включенных в систему. Дополнительные сведения о слиянии датчиков синтетических детекторов из многосенсорной системы ADAS см. в разделе Слияние датчиков с использованием синтетических данных радара и зрения.

При использовании синтетических детекторов для тестирования и проверки алгоритмов отслеживания и слияния датчиков важно понимать, как генерируемые детекторы моделируют уникальные рабочие характеристики датчика. Каждый тип автомобильного датчика обеспечивает определенный набор сильных и слабых сторон, которые способствуют плавкому решению. В этом примере представлены некоторые важные эксплуатационные характеристики автомобильных радаров и показано, как характеристики радара моделируются с помощью синтетических детекторов.

Модель радиолокационного датчика

В этом примере используется drivingRadarDataGenerator генерирование синтетических радиолокационных обнаружений. drivingRadarDataGenerator моделирует следующие эксплуатационные характеристики автомобильной РЛС:

Преимущества

Слабые места

Сценарий управления FCW

Создание сценария испытания с предупреждением о столкновении в прямом направлении (FCW), который используется для иллюстрации того, как измерять положение цели с помощью типичного автомобильного радара большой дальности. Сценарий состоит из движущегося эго-транспортного средства и стационарного целевого транспортного средства, расположенного в 150 метрах вниз по дороге. Эго-транспортное средство имеет начальную скорость 50 км/ч перед применением тормозов для достижения постоянного замедления 3 м/с ^ 2. Затем транспортное средство полностью останавливается на 1 метр перед задним бампером целевого транспортного средства.

addpath(fullfile(matlabroot,'toolbox','shared','tracking','fusionlib'));

rng default;
initialDist = 150; % m
initialSpeed = 50; % kph
brakeAccel = 3;    % m/s^2
finalDist = 1;     % m
[scenario, egoCar] = helperCreateSensorDemoScenario('FCW', initialDist, initialSpeed, brakeAccel, finalDist);

Дальний радиолокатор, обращенный вперед

Создайте обращенный вперед радиолокационный датчик дальнего радиуса действия, установленный на переднем бампере эго-автомобиля, на высоте 20 см над землей. Датчик генерирует необработанные сигналы на частоте 10 Гц (каждые 0,1 секунды) и имеет азимутальное поле зрения 20 градусов и угловое разрешение 4 градуса. Максимальная дальность - 150 м, разрешающая способность - 2,5 м. ActorProfiles свойство определяет физические размеры и схемы сечения РЛС транспортных средств, видимых РЛС при моделировании. В качестве альтернативы необработанным обнаружениям, drivingRadarDataGeneratior может выводить кластерные обнаружения или отслеживать обновления, как указано в TargetReportFormat собственность.

radarSensor = drivingRadarDataGenerator( ...
    'SensorIndex', 1, ...
    'TargetReportFormat', 'Detections', ...
    'UpdateRate', 10, ...
    'MountingLocation', [egoCar.Wheelbase+egoCar.FrontOverhang 0 0.2], ...
    'FieldOfView', [20 5], ...
    'RangeLimits', [0 150], ...
    'AzimuthResolution', 4, ...
    'RangeResolution', 2.5, ...
    'Profiles', actorProfiles(scenario))

radarSensor = 

  drivingRadarDataGenerator with properties:

             SensorIndex: 1
              UpdateRate: 10

        MountingLocation: [3.7000 0 0.2000]
          MountingAngles: [0 0 0]

             FieldOfView: [20 5]
             RangeLimits: [0 150]
         RangeRateLimits: [-100 100]

    DetectionProbability: 0.9000
          FalseAlarmRate: 1.0000e-06

  Use get to show all properties

Моделирование радиолокационных детекторов

Моделирование радиолокационной станции, измеряющей положение целевого транспортного средства, путем увеличения времени моделирования сценария. Радиолокационный датчик генерирует обнаружения из истинной целевой позы (положение, скорость и ориентация), выраженной в кадре координат эго-транспортного средства.

Радар выполнен с возможностью формирования детекторов с интервалом 0,1 секунды, что соответствует скорости обновления типичных автомобильных радаров. Однако для точного моделирования движения транспортных средств моделирование сценария продвигается каждые 0,01 секунды. Датчик возвращает логический флаг, isValidTime, это верно, когда радар достигает требуемого интервала обновления, указывая, что этот временной шаг моделирования будет генерировать обнаружения.

% Create display for FCW scenario
[bep, figScene] = helperCreateSensorDemoDisplay(scenario, egoCar, radarSensor);

metrics = struct;                 % Initialize struct to collect scenario metrics
while advance(scenario)           % Update vehicle positions
    gTruth = targetPoses(egoCar); % Get target positions in ego vehicle coordinates

    % Generate time-stamped radar detections
    time = scenario.SimulationTime;
    [dets, ~, isValidTime] = radarSensor(gTruth, time);

    if isValidTime
        % Update Bird's-Eye Plot with detections and road boundaries
        helperUpdateSensorDemoDisplay(bep, egoCar, radarSensor, dets);

        % Collect radar detections and ground truth for offline analysis
        metrics = helperCollectScenarioMetrics(metrics, gTruth, dets);
    end

    % Take a snapshot for the published example
    helperPublishSnapshot(figScene, time>=9.1);
end

Измерения положения

В течение испытания FCW расстояние до транспортного средства-эго до цели охватывает широкий диапазон значений. Сравнивая измеренное продольное и боковое положения РЛС целевого транспортного средства с истинным положением на земле транспортного средства, можно наблюдать точность измеренного положения РЛС.

Использовать helperPlotSensorDemoDetections для построения графика погрешностей продольного и бокового положения в виде разницы между измеренным положением, сообщаемым РЛС, и достоверностью данных о земле целевого транспортного средства. Эталоном истинности грунта для целевого транспортного средства является точка на земле непосредственно под центром задней оси целевого транспортного средства, которая находится на расстоянии 1 метра перед бампером автомобиля.

helperPlotSensorDemoDetections(metrics, 'position', 'reverse range', [-6 6]);

% Show rear overhang of target vehicle
tgtCar = scenario.Actors(2);
rearOverhang = tgtCar.RearOverhang;

subplot(1,2,1);
hold on; plot(-rearOverhang*[1 1], ylim, 'k'); hold off;
legend('Error', '2\sigma noise', 'Rear overhang');

Измерения продольного положения

Для конфигурации РЛС, обращенной вперед, измерения дальности РЛС соответствуют продольному положению целевого транспортного средства.

Ошибки продольного положения на предыдущем графике слева показывают смещение -1 метр между долготой, измеренной радаром, и истинным положением цели. Это смещение указывает на то, что радар последовательно измеряет, чтобы цель была ближе, чем позиция, сообщаемая наземной правдой. Вместо аппроксимации цели как единой точки в пространстве радар моделирует физические размеры кузова транспортного средства. Детекции формируются вдоль задней стороны транспортного средства в соответствии с разрешением РЛС по азимуту, дальности и (при включенной) отметке. Это смещение -1 метра затем объясняется задним свесом целевого транспортного средства, который определяет расстояние между задней стороной транспортного средства и его задней осью, где находится ссылка на истинность земли.

Радар смоделирован с разрешением дальности 2,5 метра. Однако, согласно сообщениям, шум при измерении составляет 0,25 метра в ближайшей точке и слегка возрастает до 0,41 метра в самом дальнем испытанном диапазоне. Реализованная точность датчика намного меньше, чем разрешающая способность радара. Поскольку радар моделирует SNR зависимость погрешностей дальности с использованием нижней границы Крамера-Рао, цели с большим сечением радара (RCS) или цели, близкие к датчику, будут иметь лучшую точность дальности, чем меньшие или более отдаленные цели.

Эта зависимость ОСШ от измерительного шума РЛС моделируется для каждого из измеренных размеров РЛС: азимута, отметки, дальности и дальности.

Измерения бокового положения

Для конфигурации РЛС, обращенной вперед, размер, ортогональный измерениям дальности РЛС (обычно называемый размером поперечного диапазона датчика), соответствует боковому положению целевого транспортного средства.

Ошибки бокового положения из теста FCW на предыдущем графике справа показывают сильную зависимость от наземного диапазона истинности цели. РЛС сообщает о точности бокового положения до 0,03 метра на близких дальностях и до 2,6 метра при удалении цели от РЛС.

Кроме того, несколько обнаружений появляются, когда цель находится на дальностях менее 30 метров. Как упоминалось ранее, целевой аппарат не моделируется как единая точка в пространстве, но модель радара сравнивает размеры аппарата с разрешением радара. В этом сценарии радар просматривает заднюю сторону целевого транспортного средства. Когда задняя сторона транспортного средства охватывает более одной ячейки разрешения радара по азимуту, радар генерирует сигналы обнаружения от каждой ячейки разрешения, которую занимает цель.

Вычислите азимут, простиранный целевым транспортным средством в тесте FCW, когда он находится на расстоянии 30 метров от транспортного средства эго.

% Range from radar to target vehicle's rear side
radarRange = 30-(radarSensor.MountingLocation(1)+tgtCar.RearOverhang);

% Azimuth spanned by vehicle's rear side at 30 meters ground truth range
width = tgtCar.Width;
azSpan = rad2deg(width/radarRange)

azSpan =

    4.0764

На расстоянии 30 метров от земли задняя сторона транспортного средства начинает пересекать азимут, превышающий азимутальное разрешение радара, равное 4 градусам. Поскольку азимут, охватываемый задней стороной цели, превышает разрешение датчика, генерируются 3 разрешенные точки вдоль задней стороны автомобиля: одна от центра задней стороны, одна от левого края задней стороны, и одна от правого края.

Измерения скорости

Создание сценария движения с двумя целевыми транспортными средствами (головным автомобилем и проезжающим автомобилем) для иллюстрации точности измерений продольной и поперечной скорости радара. Ведущий автомобиль расположен на 40 метров перед эго-транспортным средством и едет с той же скоростью. Проезжающий автомобиль начинается в левой полосе рядом с эго-транспортным средством, проходит эго-транспортное средство и сливается в правую полосу сразу за ведущим автомобилем. Этот маневр объединения создает продольную и боковую составляющие скорости, позволяя сравнивать точность датчика вдоль этих двух размеров.

Поскольку головной автомобиль находится непосредственно перед радаром, он имеет чисто продольную составляющую скорости. Проходящий автомобиль имеет профиль скорости, имеющий как продольную, так и боковую составляющие скорости. Эти компоненты меняются, когда автомобиль проходит эго-транспортное средство и движется в правую полосу за ведущим автомобилем. Сравнение измеренных продольной и поперечной скоростей РЛС целевых транспортных средств с их наземными истинными скоростями показывает способность РЛС наблюдать за обеими этими компонентами скорости.

% Create passing scenario
leadDist = 40;  % m
speed = 50;     % kph
passSpeed = 70; % kph
[scenario, egoCar] = helperCreateSensorDemoScenario('Passing', leadDist, speed, passSpeed);

Конфигурация радиолокационных измерений скорости

Радар генерирует измерения скорости путем наблюдения доплеровского сдвига частоты на энергии сигнала, возвращаемого от каждой цели. Скорость изменения дальности цели относительно РЛС определяется непосредственно этими доплеровскими частотами. Возьмите радиолокационный датчик, использованный в предыдущем разделе для измерения положения, и сконфигурируйте его для формирования измерений дальности. Эти измерения имеют разрешение 0,5 м/с, что является типичным разрешением для автомобильной РЛС.

% Configure radar for range-rate measurements
release(radarSensor);
radarSensor.HasRangeRate = true;
radarSensor.RangeRateResolution = 0.5; % m/s

% Use actor profiles for the passing car scenario
radarSensor.Profiles = actorProfiles(scenario);

Использовать helperRunSensorDemoScenario для моделирования движения эго и целевых транспортных средств. Эта функция также собирает смоделированные метрики, как это было сделано ранее для сценария управления FCW.

snapTime = 6; % Simulation time to take snapshot for publishing
metrics = helperRunSensorDemoScenario(scenario, egoCar, radarSensor, snapTime);

Использовать helperPlotSensorDemoDetections для построения графика погрешности РЛС в продольной и поперечной скоростях в виде разности между измеренной скоростью, сообщаемой РЛС, и достоверностью данных о земле целевого транспортного средства.

helperPlotSensorDemoDetections(metrics, 'velocity', 'time', [-25 25]);
subplot(1,2,1);
legend('Lead car error', 'Lead car 2\sigma noise', ...
    'Pass car error', 'Pass car 2\sigma noise', 'Location', 'northwest');

Измерения продольной скорости

Для РЛС, обращенной вперед, продольная скорость тесно связана с измерениями дальности РЛС. На предыдущем графике слева показаны ошибки в продольной скорости радара для сценария проезжающего транспортного средства. Поскольку радар может точно измерять продольную скорость по доплеровскому сдвигу частоты, наблюдаемому в энергии сигнала, принимаемого от обоих автомобилей, ошибки скорости для обоих транспортных средств (показанные в виде точек) малы. Однако, когда проезжающий автомобиль попадает в поле зрения радара через 3 секунды, измерительный шум проезжающего автомобиля (показанный с использованием сплошных желтых линий) изначально велик. Шум затем уменьшается до тех пор, пока автомобиль не сливается в правую полосу за ведущим автомобилем за 7 секунд. Когда автомобиль проходит мимо эго-транспортного средства, продольная скорость проезжающего мимо автомобиля включает как радиальные, так и нерадиальные компоненты. Радар раздувает сообщенный шум продольной скорости, чтобы показать, что он не может наблюдать нерадиальные компоненты скорости проезжающего автомобиля, когда он проходит мимо эго-транспортного средства.

Измерения поперечной скорости

Для радиолокатора, обращенного вперед, измеренная поперечная скорость соответствует нерадиальной составляющей скорости цели. На предыдущем графике справа показаны ошибки измерения поперечной скорости проходящего автомобиля, которые отображаются в виде желтых точек. Неспособность радара измерить боковую скорость вызывает большую ошибку во время маневра изменения полосы движения проезжающего автомобиля между 5 и 7 секундами. Однако радар сообщает о большом шуме поперечной скорости (показанном сплошными линиями), указывая, что он не может наблюдать скорость вдоль поперечного размера.

Обнаружение пешеходов и транспортных средств

Радар «видит» не только физические размеры объекта (длину, ширину и высоту), но и чувствителен к электрическому размеру объекта. Электрический размер объекта называется его радиолокационным сечением (RCS) и обычно задается в единицах децибел квадратных метров (dBsm). RCS объекта определяет, насколько эффективно он отражает электромагнитную энергию, полученную от радара, обратно к датчику. Значение RCS объекта зависит от многих свойств, включая размер объекта, его форму и тип содержащихся в нем материалов. RCS объекта также зависит от частоты передачи радара. Это значение может быть большим для транспортных средств и других металлических объектов. Для типичных автомобильных радиолокационных частот около 77 ГГц автомобиль имеет номинальную RCS приблизительно 10 квадратных метров (10 дБсм). Однако неметаллические объекты обычно имеют гораздо меньшие значения. -8 дБсм - это разумная RCS для связи с пешеходом. Это значение соответствует эффективному электрическому размеру всего 0,16 квадратных метра. В ADAS или автономной системе управления радар должен быть способен генерировать обнаружения на обоих этих объектах.

Сценарий движения FCW с участием пешехода и транспортного средства

Вернуться к предыдущему сценарию FCW, добавив пешехода, стоящего на тротуаре рядом с остановившимся транспортным средством. В течение испытания FCW расстояние от радара до целевого транспортного средства и пешехода охватывает широкий диапазон значений. Сравнение измеренного отношения сигнал/шум (ОСШ) радара, сообщенного для обнаружений испытуемого транспортного средства и пешеходов на испытываемых дальностях, показывает, как изменяются характеристики обнаружения радара как с дальностью обнаружения, так и с типом объекта.

% Create FCW test scenario
initialDist = 150;  % m
finalDist = 1;      % m
initialSpeed = 50;  % kph
brakeAccel = 3;     % m/s^2
withPedestrian = true;
[scenario, egoCar] = helperCreateSensorDemoScenario('FCW', initialDist, initialSpeed, brakeAccel, finalDist, withPedestrian);

Конфигурирование характеристик радиолокационного обнаружения

Характеристики обнаружения радара обычно определяются вероятностью обнаружения опорной цели, которая имеет RCS 0 дБсм на определенном диапазоне. Создайте дальний радар, который обнаруживает цель с RCS 0 дБсм на дальности 100 метров, с вероятностью обнаружения 90%.

% Configure radar's long-range detection performance
release(radarSensor);
radarSensor.ReferenceRange = 100; % m
radarSensor.ReferenceRCS = 0;     % dBsm
radarSensor.DetectionProbability = 0.9;

% Use actor profiles for the passing car scenario
radarSensor.Profiles = actorProfiles(scenario);

Выполните сценарий для сбора радиолокационных обнаружений и данных об истинности земли. Храните их для автономного анализа.

snapTime = 8; % Simulation time to take snapshot for publishing
metrics = helperRunSensorDemoScenario(scenario, egoCar, radarSensor, snapTime);

Постройте график SNR обнаружений как для целевого транспортного средства, так и для пешехода.

helperPlotSensorDemoDetections(metrics, 'snr', 'range', [0 160]);
legend('Vehicle', 'Pedestrian');

Этот сюжет показывает влияние RCS объекта на способность радара «видеть» его. Обнаружения, соответствующие стационарному испытуемому транспортному средству, показаны красным цветом. Обнаружения от пешехода показаны желтым цветом.

Испытуемое транспортное средство обнаруживается в самом дальнем диапазоне, включенном в это испытание, но обнаружение пешехода становится менее последовательным вблизи 70 метров. Это различие между дальностью обнаружения этих двух объектов происходит потому, что испытываемое транспортное средство имеет значительно большую RCS (10 дБсм), чем пешеход (-8 дБсм), что позволяет радару обнаруживать транспортное средство на больших расстояниях, чем пешеход.

Испытуемое транспортное средство также обнаруживается на самом близком расстоянии, включенном в это испытание, но радар перестает генерировать обнаружения на пешеходе вблизи 20 метров. В этом сценарии целевое транспортное средство размещается непосредственно перед РЛС, но пешеход смещается от линии визирования РЛС. Около 20 метров пешеход уже не находится внутри поля зрения РЛС и не может быть обнаружен РЛС.

Вернуться к этому сценарию для автомобильной РЛС средней дальности, чтобы проиллюстрировать влияние на характеристики обнаружения РЛС. Моделирование РЛС средней дальности для обнаружения объекта с RCS 0 дБсм на опорном диапазоне 50 метров, с вероятностью обнаружения 90%.

% Configure radar for a mid-range detection requirement
release(radarSensor);
radarSensor.ReferenceRange = 50; % m
radarSensor.ReferenceRCS = 0;    % dBsm
radarSensor.DetectionProbability = 0.9;

Кроме того, для улучшения обнаружения объектов на близких дальностях, смещенных от линии визирования РЛС, азимутальное поле зрения РЛС средней дальности увеличивают до 90 градусов. Разрешение радара по азимуту устанавливается на 10 градусов для более быстрого поиска этой большой зоны покрытия.

% Increase radar's field of view in azimuth and elevation to 90 and 10 degrees respectively
radarSensor.FieldOfView = [90 10];

% Increase radar's azimuth resolution
radarSensor.AzimuthResolution = 10;

Выполните испытание FCW с использованием РЛС средней дальности и ОСШ для обнаружения с целевого транспортного средства и пешехода. Постройте график SNR.

% Run simulation and collect detections and ground truth for offline analysis
metrics = helperRunSensorDemoScenario(scenario, egoCar, radarSensor);

% Plot SNR for vehicle and pedestrian detections
helperPlotSensorDemoDetections(metrics, 'snr', 'range', [0 160]);
legend('Vehicle', 'Pedestrian');

Для РЛС средней дальности обнаружение как транспортного средства, так и пешехода ограничено более короткими дальностями. С помощью дальнего радара транспортное средство обнаруживается на полную испытательную дальность, но теперь обнаружение транспортного средства становится ненадежным на 95 метров. Аналогично, пешеход обнаруживается надежно только до 35 метров. Однако расширенное поле зрения РЛС средней дальности по азимуту позволяет обнаруживать на пешеходе 10-метровый диапазон истинности земли от датчика, что значительно улучшает охват по сравнению с дальнобойным РЛС.

Обнаружение близко расположенных целей

Когда несколько целей занимают ячейку разрешения радара, группа близко расположенных целей сообщается как одно обнаружение. Сообщаемое местоположение является центроидом местоположения каждой участвующей цели. Такое объединение нескольких целей в одно обнаружение является обычным явлением на больших дальностях, поскольку площадь, охватываемая разрешением радара по азимуту, растет с увеличением расстояния от датчика.

Создайте сценарий с двумя мотоциклами, движущимися бок о бок перед эго-транспортным средством. Этот сценарий показывает, как радар объединяет близко расположенные цели. Мотоциклы находятся на расстоянии 1,8 метра друг от друга и движутся на 10 км/ч быстрее, чем эго-автомобиль.

На протяжении всего сценария расстояние между мотоциклами и эго-транспортным средством увеличивается. Когда мотоциклы находятся близко к радару, они занимают разные ячейки радиолокационного разрешения. К концу сценария, после того как расстояние между радаром и мотоциклами увеличилось, оба мотоцикла занимают одни и те же ячейки разрешения радара и объединяются. Ошибки РЛС в продольном и боковом положении показывают, когда этот переход происходит во время сценария.

duration = 8;         % s
speedEgo = 50;        % kph
speedMotorcycles = 60; % kph
distMotorcycles = 25;  % m
[scenario, egoCar] = helperCreateSensorDemoScenario('Side-by-Side', duration, speedEgo, speedMotorcycles, distMotorcycles);

% Create forward-facing long-range automotive radar sensor mounted on ego vehicle's front bumper
radarSensor = drivingRadarDataGenerator(...
    'SensorIndex', 1, ...
    'TargetReportFormat', 'Detections', ...
    'MountingLocation', [egoCar.Wheelbase+egoCar.FrontOverhang 0 0.2], ...
    'Profiles', actorProfiles(scenario));

% Run simulation and collect detections and ground truth for offline analysis
snapTime = 5.6; % Simulation time to take snapshot for publishing
metrics = helperRunSensorDemoScenario(scenario, egoCar, radarSensor, snapTime);

Постройте график ошибок РЛС в продольном и боковом положении. Анализируя ошибки положения, сообщаемые для каждого мотоцикла, можно определить дальность, где радар больше не может различать два мотоцикла как уникальные объекты.

helperPlotSensorDemoDetections(metrics, 'position', 'range', [-3 3], true);
subplot(1,2,2);
legend('Left error', 'Right error', 'Merged error');

Детекторы генерируются сзади и вдоль внутренней стороны каждого мотоцикла. Красные ошибки - от левого мотоцикла, желтые ошибки - от правого мотоцикла, а фиолетовые точки показывают обнаружения, которые сливаются между двумя мотоциклами. Мотоциклы разделены расстоянием 1,8 метра. Каждый мотоцикл смоделирован так, чтобы иметь ширину 0,6 метра и длину 2,2 метра. Внутренние стороны мотоциклов находятся всего в 1,2 метрах друг от друга.

Обнаружение внутренней стороны

Детекции генерируются из точек вдоль внутренней стороны каждого мотоцикла. Детекторы начинаются с ближайшего края и отбираются по дальности в соответствии с разрешающей способностью РЛС 2,5 метра и положением мотоцикла относительно РЛС. Расположение границы ячейки диапазона приводит к обнаружению, которое происходит либо на среднем, либо на дальнем краю внутренней стороны мотоцикла. Также генерируется обнаружение от ближайшего края мотоцикла. Это перемещение через границы ячейки разрешения дальности радара создает 3 полосы продольных ошибок положения, видимых на предыдущем графике слева. Общая продольная протяженность, охватываемая этими 3 полосами, составляет 2,2 метра, что соответствует длине мотоциклов.

Поскольку внутренние стороны мотоциклов разделены всего 1,2 метра, все эти отобранные точки попадают в общую ячейку азимутального разрешения и объединяются радаром. Центроид этих слитых точек лежит в середине двух мотоциклов. Центроидализация объединенных детекторов производит боковое смещение с величиной 0,9 метра, что соответствует половине расстояния между мотоциклами. На графике ошибки бокового положения справа все объединенные обнаружения (показаны фиолетовым цветом) имеют это смещение.

Обнаружение на задней стороне

Детекторы, генерируемые с задней стороны каждого мотоцикла, находятся на расстоянии (1,8 м) дальше, чем выборочные точки вдоль внутренних сторон (1,2 м).

В начале сценария мотоциклы находятся на расстоянии 25 метров от эго-автомобиля. На этом близком расстоянии обнаружения с задних сторон лежат в различных ячейках азимутального разрешения, и радар их не сливает. На предыдущих графиках погрешности продольного и бокового положения эти отдельные задние датчики показаны как красные точки (левый мотоцикл) и желтые точки (правый мотоцикл). Для этих несвязанных обнаружений ошибки продольного положения с задних сторон компенсируются задним свесом мотоциклов (0,37 м). Ошибки бокового положения с задних сторон не проявляют какого-либо смещения. Этот результат согласуется с ошибками позиции, наблюдаемыми в сценарии FCW.

Резюме

Этот пример продемонстрировал, как моделировать выходные данные автомобильных радаров с помощью синтетических детекторов. В частности, он представил, как drivingRadarDataGenerator модель: