隨著自動駕駛技術的快速發展，自動駕駛的研發逐漸形成一整套的流程，包括數據采集，清洗標注，算法訓練，仿真測試到量產等各技術環節。通過復雜的步驟從原始數據中提出高價值的信息，其中對原始數據的精準采集是實現車輛環境感知的基石。毫米波雷達因其出色的測距、測速能力以及對惡劣天氣的魯棒性，成為必要的傳感器之一。

本文將以4D毫米波雷達ARS548為例，分享毫米波雷達如何快速實現數據采集，可視化及存儲策略。關于毫米波雷達的特性可進一步了解文章《毫米波雷達技術解析》。

一、ARS548毫米波雷達概述

ARS548是 4D高分辨率成像毫米波雷達（4D High Resolution Radar），如圖1所示。它能夠有效的測量距離（Range），速度（Velocity），水平角度（Azimuth）和俯仰角度或高度（Elevation）四個維度的信息，具備感知目標三維空間位置能力。具備以下特性：

圖1：ARS548（圖片來源于網絡）

1. 探測距離與視場角：最大探測距離可達300米，水平視場角為±60°，垂直視場角為±4°至±14°。

2. 數據輸出：支持最多800個Detection和50個Object的同時輸出，測量周期為50ms至100ms可調。

3. 接口：采用100 BASE-T1接口，支持通過車載以太網轉換器與標準以太網設備進行通信。

4. 通信協議：數據通過UDP協議傳輸，使用多播地址方式進行數據傳輸。

二、硬件集成

為了能快速采集到毫米波雷達的數據，需要對其進行硬件集成與連接，如圖2所示。

圖2：Radar 硬件連接方案

以同時連接3個毫米波雷達為例，整個系統均支持12V的供電運行，可快速實現各設備穩定供電運行。在數據鏈路采集上，需要將車載以太網接口的數據轉換到標準以太網，這一轉換過程涉及以下步驟：

1. 網口轉換：使用如康謀NETLion100轉換器，將車載以太網信號轉換為標準以太網信號。NETLion100集成了網絡分線器(Tap)和雙介質轉換器于一身，支持BroadR-Reach®網絡信號與100BASE-TX以太網之間的雙向轉換，并提供LED信號實時顯示數據傳輸質量，可快速進行數據轉換和分析。

2. 數據傳輸原理：雷達數據以UDP包的形式發送至規定的多播地址，康謀BRICK plus設備通過網絡接口接收這些數據包。BRICKplus提供廣泛的接口支持多個傳感器同時連接，實現高帶寬數據的采集、處理和記錄。

3. 采集與監控：在BRICK plus端，可以使用Wireshark等網絡分析工具來捕獲和分析從雷達發送的數據包，檢查數據包是否正確傳輸。

三、軟件開發

為了采集到毫米波雷達輸出的點云數據，需要理解數據的傳輸形式并能夠實時解析。具體來說需要解決如下的問題：

1. 數據采集：實時從ARS548雷達獲取原始數據，這要求系統能夠與雷達硬件接口進行高效通信，并且能夠處理高頻率的數據流。

2. 數據解析：將原始數據轉換為可讀的格式，如目標的距離、速度和角度。需要對雷達數據包進行解碼，并提取出有用的信息。

3. 數據可視化：將解析后的數據以圖形化的方式展示，便于分析和監控。需要實時更新數據顯示。

ROS提供了模塊化的節點系統，便于管理和擴展。每個節點可以獨立開發和測試，使得系統的整體復雜性得到有效管理。十分契合我們對問題的拆解以及功能節點的完成。此外采用ROS的發布/訂閱模型可以實時采集傳輸的雷達數據。

對于單個毫米波雷達的采集，解析和可視化，可以通過在ROS中對應創建3個節點來實現。3個節點分別負責Radar設備接收UDP數據，解析并發布ROS消息，以及將雷達檢測和對象信息轉換為可視化Marker消息。

針對3（多）個毫米波雷達的同時采集，我們采用每個節點同時發布和訂閱多個topic數據實現同時采集和傳輸。并且為了實現多個雷達數據的同時顯示，采用Foxglove進行可視化呈現，呈現效果如圖3所示：

圖3 ：Radar 可視化

隨后，采用ROSbag進行數據存儲，能夠確保數據的完整性和準確性。

四、總結

通過集成高性能的硬件設備和采用ROS框架，實現了毫米波雷達數據的高效采集、實時處理和直觀可視化，同時支持多雷達系統的數據同步采集和存儲，提供了一個穩定、靈活且可擴展采集方案。