德国大陆SRR308-21毫米波雷达数据资料，典型应用领域: - 汽车前向AEB/ACC/FCW等ADAS和自动驾驶等场景 - 起重机（RTG，RMG，STS，桥式起重机，龙门起重机）的避障防撞、作业区监测等 - 远程区域监控（适用于危险或不能进入的区域） - 目标分类 - 雨雾霾雪等复杂环境下的目标检测 - 道闸防砸检测

随着自动驾驶能力的持续提升，3D毫米波雷达已无法满足“看得更清晰”、“看得更准确”的需求，而4D毫米波雷达在3D的基础上增加目标高度数据的探测，且天线数量更多/密度更高、输出的点云图像更致密，使得毫米波雷达在探测距离、距离精度、角度分辨率、角度精度、速度精度等方面都有所提升，可有效解析目标的轮廓、类别、行为。 但受成本因素制约，3D毫米波雷达短期内无法全面升级为4D毫米波雷达。随着4D毫米波雷达技术成熟度提高、算法能力提升、量产规模加大、成本降低，会逐步从高端车型向中低端车型覆盖。

...

车载毫米波雷达DOA估计综述博文仿真代码

内容主要包括毫米波雷达测距、测速、测角的原理；雷达波形设计相关内容；速度扩展方法介绍；

阐述了如何利用24 GHz车载毫米波雷达探测技术精确测定车辆之间的距离,并结合GPS+RF轨迹跟踪技术,提前预测车辆发生碰撞的可能性;采用MEMS陀螺仪技术,准确检测出车辆行驶路况,根据不同路况建立刹车准则,通过命令控制高精度刹车机械装置做出点刹或刹车,实施主动防追尾和自动刹车的功能,实现了"失误-安全"的本质安全。

毫米波雷达测距及测速研究 matlab

FPGA+毫米波雷达模块+摄像头+显示； 实现雷达测距、测速、摄像头实时采集周围环境信息，以及实时显示系统。

智能汽车传感器的虚拟测试仿真是智能驾驶整车在环或硬件在环测试的重要一环。针对毫米波雷达的虚拟测试的需要，本文研究了传感器注入法与黑盒模拟法在毫米波雷达测试中的性能差异。为了比较两种不同方法的特点，采用在相同的交通场景中测试，通过采集目标的纵向距离和速度，横向距离和速度等来对比分析传感器注入法与黑盒模拟法在毫米波雷达测试中性能。试验结果表明，在匀速、加减速、转弯场景中，传感器注入法与黑盒模拟法表现的性能基本一致。在上下坡与弯道场景中传感器注入法性能明显优于黑盒模拟法，可以在较为苛刻的工况下满足控制算法所需信号的需要。

基于视觉和毫米波雷达的车道级定位方法 要解决的问题:针对 中、 高 速 城 市 道 路 及 高 速 公 路 场 景 的 横 向定位问题