毫米波雷达算法几大难点

虽然现在车载毫米波雷达已经大规模量产，但仍存在一些问题，列举如下：

1.角精度明显低于理论值，低于暗室测量值；角精度影响目标跟踪的精度，对于某些场景的边界告警响应偏慢。

2.通道一致性较差，不能保证射频通道一致性，就无法保证检测点云的一致性，也就无法保证跟踪目标的一致性。

3.强反射物对检测的影响很大，难以在强反射物（大卡车等）附近检测出弱小目标（行人）。

4.跟踪目标模型失效，一般而言跟踪算法是建立在假设的运动模型和环境噪声条件下的，如果目标机动性高，或环境噪声未被模型覆盖，则跟踪精度降低，严重会出现目标丢失。多模型匹配和切换是一种可行的方法，但也存在响应不及时的问题。

5.算法运行时间长，系统响应慢。为了得到理论上的高精度，使用了复杂的算法 ，算法整体耗时明显增加，雷达系统从检测到输出跟踪目标的时间拉长，ADAS功能响应被拖慢。                              

6.检测点云稀疏，目标识别准确率低。可以使用一些分类训练方法提高，但和视觉算法差距明显。

解决方法是使用多传感器融合，利用不同传感器的优势，提高精度和准确度，但融合算法本身也有一些难点，工程实现仍有不少路要走。