RADAR
RADAR(Radio Detection and Ranging)は電波 — 自動車用センサではミリ波(mmWave) — を発信し、その反射を計測する。各検出について、距離と、ドップラー効果のおかげで動径方向の速度(ターゲットがセンサに向かって、または離れる方向にどれだけ速く動いているか)を返す。この検出ごとの速度は、カメラやLiDARが直接提供しないものである。
外部センサの中でRADARが占める位置は以下の通り。
| 特性 | RADAR | LiDAR | カメラ |
|---|---|---|---|
| 雨/霧/砂塵/雪 | 頑健 | 劣化する | 劣化する |
| 暗闇 | 動作する | 動作する | 失敗する(パッシブRGB) |
| 角度分解能 | 低い | 高い | 高い |
| 直接的な速度計測 | できる(ドップラー) | できない | できない |
| 計測密度 | 疎で雑音が多い | 密 | 密 |
これらの弱点は、RADARの使われ方を形作る。返ってくる信号は疎であり、マルチパス反射やゴーストターゲットで乱雑になり、角度分解能はLiDARよりもはるかに劣る — そのため、生のRADARスキャンは詳細なマッピングの基盤としては貧弱である。代わりに、RADARはほぼ常にセンサ融合への1つの入力として使われる。そのレンジ・ドップラー検出は、ホイールオドメトリ、IMU、カメラ、またはLiDARのデータと組み合わされ、古典的には拡張カルマンフィルタ(そして今日ではファクターグラフバックエンドも増えている)を通じて融合される。ドップラー速度は特に価値が高い — 静的な世界の検出が十分な数あれば、センサ自身の自己速度を単一スキャンから推定でき、動く物体をマッピング前に静的な背景から分離できる。
現代の4Dイメージングレーダーは、仰角とはるかに密な点群を追加し、RADAR単体のオドメトリ/SLAM(スピニング式・自動車用の両方)は活発な研究領域である。これは、まさにカメラやLiDARが失敗する場面 — 火災の煙、埃っぽい鉱山、悪天候、長距離の高速道路走行 — で有用だからである。
計測がどのように得られるか(FMCWを一段落で)
自動車用RADARは通常FMCW(frequency-modulated continuous wave、周波数変調連続波)方式である。センサは周波数が線形にランプする「チャープ」を発信し、その反射を発信信号と混合する。距離は2つの信号間のビート周波数(往復遅延に比例)にエンコードされ、動径方向の速度は連続するチャープ間で観測されるドップラーシフトにエンコードされる — 波長 に対して、動径速度 で接近するターゲットは反射を だけシフトさせる。角度はアンテナアレイ(受信機間の位相差)から得られる。これがまさに角度分解能が弱点である理由である。それは物理的な開口サイズ(バンパー装着型センサではわずか数センチメートル)に制限される。チャープデータを処理することで、速度情報付きの疎な「点群」として届くレンジ・ドップラー・角度検出が得られる。
ドップラー自己速度: 無償のオドメトリ計測
ドップラーチャンネルは、単一のRADARスキャンを驚くほど有益にする。単位方向 に沿って見た世界の静止点について、速度 で移動するセンサから見ると、計測される動径速度は
各静止検出は の3つの未知数に関する1つの線形方程式を与える。3つ以上の十分に分散した静止検出があれば、最小二乗法によって単一スキャンから完全な自己速度を復元できる。対応関係やスキャンマッチングは不要である。動く物体はこの方程式に違反するため、これをRANSACの内部で実行すると2つの仕事を同時に行える。静的な世界の合意集合から自己運動を推定し、かつ外れ値を動く物体としてラベル付けする — これはカメラやLiDARのパイプラインがはるかに苦労して実現する、きれいな動的/静的分離である。この「ドップラーオドメトリ」は、RADAR-慣性オドメトリの標準的な出発点である。
よくある落とし穴
- RADARの点をLiDARの点のように扱う — RADARの検出はレンジ・ドップラー・角度スペクトル中で処理されたピークであり、表面のサンプルではない。RADARの「点群」に対して単純なICPを行うと、疎さ、雑音、そして巨大な角度不確かさに苦しむことになる。
- マルチパスとゴーストターゲット — 電波はガードレール、トラック、トンネルの壁で反射し、実際の物体の後ろや横に検出を生成する。頑健な関連付けと外れ値のゲーティングは必須である。
- ドップラーが動径方向のみであることを忘れる — 視線に対して垂直に動くターゲットのドップラーはゼロになる。接線方向の運動は単一スキャンでは見えない。
- 異方性雑音 — 距離は方位(および存在する場合は仰角)よりもはるかに正確に計測される。等方的な共分散を用いると、センサの最良軸を無駄にし、最悪軸を過信することになる。
- 外部パラメータと取り付け誤差 — 上記の自己速度方程式は、センサの方向ベクトルが正しいことを前提としている。わずかな取り付け角の誤差はすべての速度推定にバイアスをかけるため、RADARの外部キャリブレーションはカメラ-IMUキャリブレーションと同じくらい重要である。
SLAMにおける意義
RADARは全天候型センサである。知覚が雨、霧、砂塵、暗闇の中でも動作し続けなければならないとき、しばしば有用なデータを返す唯一の外部センサとなる。自動車や現場ロボティクスに携わるSLAMエンジニアにとって、これはRADAR融合 — そしてその独特な雑音特性とドップラー計測を理解すること — が今後ますます求められるスキルになることを意味する。