Zusammenfassung:
Im Bereich der intelligenten Verkehrssysteme (IVS) leiden herkömmliche Kombinationen aus Einzelradar und Kontrollpunktkameras unter hohen Kosten und Schwierigkeiten bei der Datenfusion. Das Radar-Visual-Integrationssystem, das Millimeterwellenradar und Kameras integriert, optimiert die Kosten und vertieft die Datenfusion und wird allmählich zu einem Schlüsselgerät in der Wahrnehmungsebene von ITS. In diesem Beitrag wird der Einsatz der RF-Chip-Kaskadierungstechnologie erörtert, wobei die AWR2243-Dual-Chip-Lösung zur Verbesserung der Millimeterwellen-Radarleistung ausgewählt wurde. In Verbindung mit professionellen Sicherheitschips wird ein Radar-Visualisierungssystem mit Fernerkennungsfähigkeiten entwickelt. Auf der Ebene der Algorithmen wird eine Multisensor-Fusionsstrategie eingesetzt, und der YOLOv8n-Zielerkennungsalgorithmus wird durch die Einführung des RepViT-Backbone-Feature-Extraktionsnetzwerks und die Verwendung der SIoU-Verlustfunktion zur Optimierung der Bounding-Box-Regressionsgenauigkeit verbessert. Das verbesserte Modell reduziert die Anzahl der Parameter um 24%, schrumpft die Modellgröße um 22% und verbessert die Berechnungseffizienz bei gleichbleibend hoher Genauigkeit erheblich. In Tests mit realen Verkehrsszenarien erreicht das System eine 360°-Überwachung von Verkehrskreuzungen mit einer maximalen Erfassungsreichweite von 350 Metern und einer Erfassungsgenauigkeit von über 97%. Damit erfüllt es die Designanforderungen für Radar-Visualisierungssysteme mit großer Reichweite und zeigt starke technische Anwendungsaussichten.

1. Einleitung
Mit der zunehmenden Verstädterung und der steigenden Zahl von Fahrzeugen sind die Straßenverkehrsbedingungen komplexer geworden. Intelligente Verkehrssysteme (IVS), die die Effizienz des Verkehrsmanagements und die Sicherheit verbessern, erhalten immer mehr Aufmerksamkeit in Bezug auf die technologische Entwicklung. Unter den verschiedenen Sensoren zur Verkehrswahrnehmung kombiniert das Radar-Visual-Integrationssystem die Vorteile von Millimeterwellen-Radar und Videokameras. Diese Fusion bietet die präzise Entfernungs- und Geschwindigkeitsmessung des Radars, die von Licht- und Wetterbedingungen unbeeinflusst ist, und die intuitive Zielerkennung der Kamera sowie umfangreiche Informationen. Im Vergleich zu herkömmlichen separaten Radar- und Kamerainstallationen bietet das Radar-Visual-Integrationssystem erhebliche Vorteile bei den Hardwarekosten, der Datensynchronisation und der Systemintegration und ermöglicht eine effizientere Wahrnehmung des Verkehrszustands und der Ereigniserkennung.

In den letzten Jahren haben sich die Millimeterwellen-Radartechnologie und Radar-Visual-Fusion-Systeme rasant entwickelt. Millimeterwellen-Radar nutzt den Doppler-Effekt, um die Geschwindigkeit und die Entfernung des Ziels zu ermitteln, und seine Leistung wird von Faktoren wie dem Betriebsfrequenzband, der Chiparchitektur und dem Antennendesign beeinflusst. Basierend auf der Erfassungsdistanz wird das Millimeterwellenradar in Nah- und Fernradar unterteilt. Für die Datenverarbeitung werden häufig FPGA- oder FPGA+DSP-Architekturen verwendet, um Verarbeitungsgeschwindigkeit und Systemflexibilität in Einklang zu bringen. In Bezug auf die Frequenzbänder sind 24GHz und 77GHz Radar weit verbreitet. Das 77-GHz-Band eignet sich aufgrund der kürzeren Wellenlänge, der kleineren Antennengröße, des größeren Erfassungsbereichs und der höheren Auflösung besonders für Verkehrsüberwachungsszenarien mit großer Reichweite.

Es gibt jedoch nur wenige Studien zum Design von Radar-Visual-Integrationssystemen, und die meisten Lösungen haben Probleme mit der Erfassungsreichweite oder den Kosten. Um diese Probleme anzugehen, wird in diesem Beitrag eine Lösung für die Entwicklung eines Radar-Visual-Integrationssystems mit weitreichenden Erkennungsfähigkeiten vorgeschlagen, das auf einem 77-GHz-Millimeterwellenradar und einer RF-Chip-Kaskadentechnologie basiert. Der Beitrag beschreibt die Hardware-Architektur und die Algorithmus-Optimierungsstrategien und testet die Machbarkeit und Zuverlässigkeit des Systems.

2. Überblick über den Systementwurf

Das radar-visuelle Integrationssystem ist in zwei Hauptteile unterteilt: Radar und Video. Der Videoteil umfasst den Hauptsteuerchip und das Bilderfassungsmodul, das einen 5MP-Sensor verwendet, um die Bildqualität zu gewährleisten. Der Radarbereich verwendet die AWR2243-Dual-Chip-Kaskadenlösung, um eine Antennengruppe mit 6 Sende- und 8 Empfangsantennen zu bilden, wobei Synchronisationssignale die Zusammenarbeit im Master-Slave-Modus ermöglichen. Zur Verbesserung der HF-Signalqualität verwendet das System einen speziellen Power-Management-Chip für die Stromversorgung der HF-Chips. Der Video-DSP steuert den Sensor zur Erfassung von Videodaten und integriert intern die Radar- und Videodatenfusion.

2.1 Gestaltung der Videosektion
Die Videosektion verwendet einen professionellen Sicherheitschip (H13403V100), der über das MIPI-Protokoll mit dem 5MP-Sensor verbunden ist und die Erfassung und Übertragung von hochauflösenden Videodaten ermöglicht. Dieser Chip bietet leistungsstarke Bildverarbeitungs- und Datenplanungsfunktionen und unterstützt Multisensor-Fusionsalgorithmen.

2.2 RFchip-Modulentwurf
Die Kaskadierung von Millimeterwellenradar-HF-Chips ist eine effektive Methode zur Verbesserung der Systemleistung. Durch die Synchronisierung mehrerer RF-Chips können Sendeleistung und Empfangsempfindlichkeit verbessert werden, was zu einer besseren Erfassungsreichweite und Winkelauflösung führt. Der AWR2243 wurde als Kern-HF-Chip ausgewählt, der im Frequenzband von 76-81 GHz arbeitet und sich durch hohe Integration und hervorragende HF-Leistung auszeichnet. Ein einzelner AWR2243 unterstützt 3 Sende- und 4 Empfangsantennen. Durch die Kaskadierung von zwei Chips kann diese Zahl auf 6 Sende- und 8 Empfangsantennen erweitert werden, was die Systemflexibilität und die Erkennungsgenauigkeit erheblich verbessert.

2.3 Entwurf des Radardatenerfassungsmoduls
Für die Radardatenerfassung wird die Lösung AM2732 DSP + FPGA verwendet. Der AM2732 steuert die Master-Slave-AWR2243-Chips über die SPI-Schnittstelle, empfängt LVDS-Daten von den Front-End-Sensoren und führt grundlegende Verarbeitungen wie die Messung von Zielentfernung und Geschwindigkeit durch. Der FPGA ist für die Erfassung und Weiterleitung der Radardaten, die Übertragung der Daten an die Videokontrollkarte über das LVDS-Protokoll und die Fusion von Radar- und Bilddaten im Haupt-DSP zuständig.

3. Algorithmusentwurf

Das Herzstück des Radar-Visual-Integrationssystems ist der Multisensor-Fusionsalgorithmus. Das System implementiert die Radarpunktwolken- und Videobildfusionsverarbeitung im Haupt-DSP, einschließlich Zielerkennung, Verfolgung und Datenzuordnung.

3.1 Radar-Zielerfassung
Bei der Radar-Zielerfassung kommt der DBSCAN-Clusteralgorithmus zum Einsatz, der Stichproben auf der Grundlage der Dichte unterteilt und so nicht-sphärische, verteilte Zielpunkte erkennt, die sich für die Erkennung mehrerer Ziele und Formen in Verkehrsszenarien eignen.

3.2 Erkennung von Bildzielen
Die Erkennung von Bildzielen basiert auf dem YOLOv8n-Modell, das Backbone-, Neck- und Head-Komponenten umfasst. Um die Erkennungsgenauigkeit und Modelleffizienz weiter zu verbessern, wird in dieser Arbeit das RepViT-Backbone-Netzwerk eingeführt und die SIoU-Verlustfunktion zur Optimierung der Bounding-Box-Regression verwendet.

4. Schlussfolgerung

In diesem Beitrag wird ein System zur Integration von Radar und Sichtgeräten mit großer Reichweite vorgestellt, das auf der AWR2243-Dual-RF-Chip-Kaskadentechnologie basiert. Das System verbessert die Antennenleistung durch Hardware-Kaskadierung, kombiniert mit Multi-Sensor-Fusionsalgorithmen und einem verbesserten YOLOv8n-Erkennungsmodell. Das System erreicht eine Erkennungsgenauigkeit von über 97% mit einer maximalen Erkennungsreichweite von 350 Metern und erfüllt damit die Anforderungen der Verkehrsüberwachung über große Entfernungen in ITS-Szenarien. Die Testergebnisse bestätigen die Stabilität und Zuverlässigkeit des Systems und bieten einen hohen technischen Anwendungswert.