Herausforderungen beim Design von Radar-Transceivern für ADAS/AD

Autor: Marta Martínez-Vázquez, leitende Produktmarketing-Ingenieurin, Automotive Analog Product Marketing Division – Renesas Electronics Europe GmbH

Moderne Kommunikations- und Sensortechnologien haben die Art und Weise, wie Autos entworfen werden, revolutioniert. Um die Sicherheit zu erhöhen und sich in Richtung autonomes Fahren zu bewegen, müssen neue Fahrzeuge Systeme enthalten, die mit ihrer Umgebung, Infrastruktur oder anderen Verkehrsteilnehmern interagieren können, um potenzielle Gefahrenquellen zu erkennen. Automobilsensoren sind daher der Schlüssel zur Verbesserung der Verkehrssicherheit und zum Erreichen eines hohen Maßes an autonomem Fahren. Sein Einsatz wird dazu beitragen, die Zahl der Verkehrsunfälle und Verkehrstoten auf den Straßen weltweit zu reduzieren, mit dem ultimativen Ziel der Vision 0: Null Todesfälle bei Verkehrsunfällen bis 2050.

Unter den Sensoren, die für assistiertes und autonomes Fahren in Betracht gezogen werden, hat sich Radar als äußerst sicher für ADAS-Anwendungen wie adaptive Geschwindigkeitsregelung erwiesen. Es wird erwartet, dass Radaranwendungen in Zukunft zunehmen werden, da Radar häufig in Verbindung mit anderen Erkennungstechnologien wie Lidar und Videokameras verwendet wird. Die Vor- und Nachteile der verschiedenen Sensortypen sind in der folgenden Tabelle zusammengefasst. Das vollständig autonome Fahren wird wahrscheinlich die Fusion von Daten erfordern, die aus verschiedenen Sensortechnologien stammen. Mit Sensoren, die um das Auto herum verteilt sind, wird es möglich sein, eine vollständige 360°-Abdeckung bereitzustellen und einen Sicherheitskokon um das Auto herum zu schaffen. Abbildung 1 veranschaulicht das Konzept, wenn nur Radarsensoren betrachtet werden.

Vor- und Nachteile verschiedener Sensortechnologien für automobile Anwendungen

Ein zusätzlicher Vorteil von Radar ist, dass Radarsensoren einfach hinter üblichen Autoelementen wie Stoßstangen oder Emblemen installiert werden können, sodass sie unsichtbar sind und die Ästhetik nicht beeinträchtigen. Das Frequenzband von 76 GHz bis 81 GHz wurde von den meisten Ländern als Frequenzband für Automobilradare akzeptiert. Die physische Integration wird bei hohen Betriebsfrequenzen einfacher, da die Größe der Radarantennen reduziert wird. Aufgrund von Leistungsabwägungen, höheren Verlusten und einem größeren Einfluss von Fertigungstoleranzen treten jedoch immer häufiger neue Herausforderungen auf.

Radar eignet sich auch besonders für automobile Anwendungen, da Fahrzeuge gute Reflektoren für Radarwellen sind. Es kann sowohl für „Komfort“-Funktionen, wie z. B. automatische Geschwindigkeitsregelung, als auch für hochauflösende Sensoranwendungen verwendet werden, wodurch die passive und aktive Sicherheit eines Fahrzeugs erhöht wird. Beispiele sind Toter-Winkel-Erkennung, Spurwechselassistent und Querverkehrswarnung hinten, Fußgänger- und Fahrraderkennung in der Nähe des Fahrzeugs.

Heutzutage können Radarsensoren anhand ihres Erfassungsbereichs klassifiziert werden, wie in Abbildung 2 unten gezeigt.

• Kurzstreckenradar (SRR): bis zu 50 m mit weitem Sichtfeld und hoher Auflösung
• Medium Range Radar (MRR): bis zu 100 m bei mittlerem Sichtfeld
• Langstreckenradar (LRR): 250 m oder mehr Reichweite, mit einem engeren Sichtfeld und weniger Fokus auf Auflösung

Mit der Entwicklung neuer Technologien wird die Reichweite voraussichtlich über diese Grenzen hinausgehen, während die vertikale Dimension zur Erkennung hinzugefügt wird, um ein vollständiges 3D-Bild der Umgebung zu liefern.

Abbildung 2: Reichweitenklassifizierung für Kfz-Radare

In Zukunft werden Autos mit mehreren Radarmodulen ausgestattet, um von einem zukunftsorientierten Basisradaraufbau, der grundlegendes autonomes Fahren von Level 1 bis Level 4 im NCAP (New Car Assessment Program) ermöglicht, zu gelangen. Bald werden mehr Autos mit Radarsensoren an den Enden des Autos ausgestattet sein, um autonomes Fahren Level 2+ und NCAP 4-5 in Standardautos und autonomes Fahren Level 3-4 und NCAP 5 für das Premiumsegment zu erreichen ( Abbildung 3) .

Abbildung 3: Automotive-Radar für verschiedene NCAP und Ebenen des autonomen Fahrens

Wie mit den Radardaten umgegangen wird, hängt jedoch stark von der Architektur der Fahrzeuge ab. Aktuelle Trends zu höherer Leistung von zentralen Recheneinheiten treiben auch eine Entwicklung der fahrzeuginternen E/E-Architektur hin zu einer verteilten Architektur voran. Obwohl die Migration zu einer vollständig verteilten Architektur erst in den 2030er Jahren abgeschlossen sein wird, werden Teilimplementierungen früher auf den Markt kommen. Erstens werden einige Domänencontroller für bestimmte Funktionen wie ADAS verwendet. Dann wird die Zahl der Domain-Controller steigen, es werden auch Zonen-Controller eingeführt, bevor eine vollständig zentralisierte E/E-Architektur etabliert wird, in der sich der Zentralrechner des Fahrzeugs über die Steuergeräte mit den Sensoren verbindet. Diese Entwicklung erfordert auch eine Erhöhung der Kapazität und Zuverlässigkeit von Fahrzeugnetzwerken sowie der Komplexität der Software.

Mit der Einführung neuer E/E-Architekturen könnte ein Teil der Radarverarbeitung vom Radarsensormodul (Edge Computing) auf die zentrale Zone oder ECU ausgelagert werden, was effizientere Berechnungen ermöglicht. Heute findet die gesamte Radarverarbeitung am Rand statt, mit „intelligenten Sensoren“, wie in Abbildung 4 unten gezeigt. Das bedeutet, dass mehrere unabhängige Radarmodule um das Fahrzeug herum verteilt sind, jedes mit seinen eigenen Transceiver- und Verarbeitungsfähigkeiten. Die verarbeiteten Daten, typischerweise die Objektliste, werden dann zur weiteren Verarbeitung und potenziellen Zusammenführung mit Daten anderer Sensoren an ein ADAS-Steuergerät übertragen. Mit einer richtigen Verteilung der Sensoren im Auto kann die Fahrzeugumgebung richtig wahrgenommen und Hindernisse identifiziert werden.

Abbildung 4: Intelligente Sensoren mit Kantenverarbeitung

Mit der Entwicklung zentralisierter Computerarchitekturen ist es wahrscheinlich, dass die Datenverarbeitung von einigen Radarmodulen vom Radarsensor auf eine entfernte Verarbeitungseinheit verlagert wird, entweder eine Zonen-ECU oder direkt auf den Zentralcomputer des Fahrzeugs. Die Radarmodule selbst wären dann weniger "intelligent" und würden die empfangenen Radarsignale nur begrenzt verarbeiten. Beispielsweise bestimmt das Modul die Entfernung zu den verschiedenen Objekten und liefert die Entfernungsprofile an den entfernten Prozessor. Dann empfängt es die vorverarbeiteten Daten von verschiedenen Satellitenradarmodulen und führt die restlichen Verarbeitungsschritte für jeden Datensatz durch, um die Liste der Objekte mit ihren jeweiligen Eigenschaften (Entfernung, Richtung und Geschwindigkeit) zu erstellen, um das vollständige Bild der zu erstellen Umgebung. . Die erhaltenen Ergebnisse werden dann mit den von anderen Sensoren erhaltenen Ergebnissen zusammengeführt oder kombiniert. Dieses neue Multi-Sensing-Setup wird die notwendige Genauigkeit bieten und Redundanzen entfernen, um ein hohes Maß an autonomem Fahren zu ermöglichen, wie in Abbildung 5 unten gezeigt.

Abbildung 5: Beispiel einer Radararchitektur mit Satellitenmodulen und Fernverarbeitung auf zonenbasierten ECUs

In frühen Implementierungen dieser zentralisierten Architektur kann die Vorverarbeitung von den verschiedenen Radarsensoren über das Ethernet-Backbone des Fahrzeugs an Zonen- oder zentrale ECUs übertragen werden. Wenn eine höhere Auflösung erforderlich ist und die Radarmenge zu groß ist, wie etwa für bildgebendes oder vorausschauendes Radar, kann die Radarverarbeitung immer noch auf dem Sensor selbst ausgeführt werden, um die zu übertragende Datenmenge zu reduzieren.

Die zentrale Verarbeitung von Daten entfernter Radarsensoren bietet eine Vielzahl von Vorteilen. Erstens werden die Radarmodule selbst weniger komplex, wodurch Größe und Kosten gespart und Wärmeableitungsprobleme reduziert werden. Reparaturen und Upgrades, sowohl Hardware als auch Software, werden einfacher.

Zweitens reduziert die Nutzung des vorhandenen Netzwerks des Autos, also des Ethernet-Backbones, auch die Verkabelungskosten und das Gewicht. Darüber hinaus werden über Ethernet übertragene Daten in einem Format verfügbar sein, das das Speichern und Arbeiten erleichtert.

Schließlich öffnet die Verarbeitung der Daten in den Steuergeräten des Fahrzeugs die Tür zu mehr Effizienz und anspruchsvolleren und komplexeren Vorgängen. Die Erkennungsfähigkeiten können verbessert werden, indem die Datenfusion mit Informationen implementiert wird, die aus anderen Erkennungstechnologien wie Kameras oder Lidar stammen. Maschinelles Lernen und künstliche Intelligenz können für fortschrittliche Sensorik und Vorhersage in Betracht gezogen werden, wodurch ein höheres Maß an autonomem Fahren ermöglicht wird.

Es wird erwartet, dass sowohl Edge-Verarbeitung als auch zentralisiertes Computing für einige Jahre nebeneinander existieren werden. Die Migration zu E/E-Architekturen mit zentralisiertem Computing erfordert den Zugriff auf Hochgeschwindigkeitsverbindungen im gesamten Fahrzeug, was zur Verwendung unterschiedlicher Standards für den Datenaustausch führen kann. In jedem Fall sind zusätzliche Sicherheitsmaßnahmen erforderlich, um die Integrität und Sicherheit der übertragenen Daten zu gewährleisten. Die erhöhte Anzahl von Radarmodulen im Auto selbst und in anderen Fahrzeugen, die alle Funkwellen senden und empfangen, kann ebenfalls zu Interferenzproblemen führen, die gelöst werden müssen.

Renesas arbeitet daran, innovative Lösungen für die Fahrzeuge der Zukunft bereitzustellen. Renesas hat gerade seinen ersten Millimeterwellen-Radar-Transceiver für Kraftfahrzeuge, den RAA270205, vorgestellt, um seine Erkennungslösungen für ADAS zu erweitern. Renesas zielt darauf ab, innovative Komponenten für Radarmodule mit Radar-Transceivern für Bildverarbeitung, Zentralverarbeitung und Bildgebungsanwendungen zusammen mit ECUs auf Basis der R-Car Gen4-Serie anzubieten.