news 2026/5/1 7:25:04

超声波雷达(USS)介绍

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
超声波雷达(USS)介绍

概述

超声波雷达传感器系统(USS,Ultrasonic Sensor System),基于超声波接收与发射,来实现物体检测,是一种利用超声波进行近距离测距与环境感知的核心技术,广泛应用于汽车、机器人、工业自动化等领域,尤其在自动驾驶与辅助驾驶中作为短距离感知的关键传感器。
超声波雷达具有不受天气影响、结构简单、生产成本低、检测精度高等优势。

结构组成

USS通常由天线、控制器、超声波发射器、超声波接收器、信号处理器等组件构成。其中,超声波发射器和接收器为车载超声波雷达的核心组件,能够将超声波转化为机械能以及电信号。

基本原理

当电压加载在压电晶体上时,会引起共振发射高于20kHz的机械波(超声波);在没有施加电压时,压电晶体接收到外界特定振动将产生共振,会把机械能转化为电信号。通过计算超声波的往返时间,再结合温度补偿后的声速,即可计算出物体的距离。
因此,USS的工作原理可以简单概括为:通过”发射 - 反射 - 接收“超声波往返过程,并基于飞行时间法(ToF, Time of Flight)来计算距离。距离计算公式为:
L=v∗t/2 L =v*t/2L=vt/2

参考含义描述
L物体的距离
v超声波在空气中的传播速度
(标准条件下约343m/s;随温度变化:v=331+0.6*T,T 为环境温度℃)
t超声波从发射到接收回波的往返时间,单位:秒(s)

目前,超声波雷达的测距距离基本在5m内。

定频方案

定频,是指超声波雷达按照同一频率发射。
扫频测距方案实现简单、成本较低,适用于测量场景中反射障碍物数量较少的情况。

扫频方案

扫频,是指超声波雷达发送扫频信号,接收反射信号后根据频率变化计算距离的方案。
扫频测距方案可以避免定频测距方案中因反射信号衰减等原因导致的误差,适用于复杂环境下的距离测量,如房间内有多个障碍物、并且距离差异较大的场景。同时,扫频测距方案可以通过获取反射信号谱进行目标识别和特征提取。另外,扫频模式实现了对超声波的编码技术,解决了同频干扰的问题。

关键参数指标

工作频率

目前,分为40kHz, 48kHz和58kHz三种。频率越高,能量越集中,发散角越小,传播距离越远,灵敏度越高。考虑到兼顾FOV(探测角度),车载中一般选用48kHz的USS,可以保证一定FOV,减少漏报的同时保证一定传输距离。

声压

表征超声波强度。声压越大,强度越高,测距越强。
发射声压级(dB)=20lg(P/Pref)。其中,P为声压有效值,Pref为参考声压值,空气中取2*(10^-5)Pa。因此,当知道XX距离下的声压级,即可推算出XX距离的声压值。

接收灵敏度

接收探头在声波激励下共振产生电流的能力。
灵敏度(dB)=20lg(S/Sref)。其中,S和Sref单位为(V/pa)。如灵敏度为-72dB(0dB=10V/Pa)的探头,压强为1Pa的超声波所能产生的电信号幅度为2.51mV。这里Sref为0dB对应的10V/Pa。机电耦合系数大,灵敏度高。

余振

压电陶瓷起振后,电压停止后一定会有余振。如果探头在余振期间接收到被障碍物反射回来的回波信号,回波将与余振混在一起而无法区分。因此,会形成测距的盲区。
测距盲区公式为:(声速*余振长度)/2。如以1.6ms的余振长度为例,假设声速为343m/s,则测距盲区为0.272m。

供应商和产品

全球车载超声波雷达主要生产商包括美国罗克韦尔自动化公司(Rockwell Automation)、美国德州仪器公司(TI)、美国霍尼韦尔国际公司(Honeywell International)、法国法雷奥集团(Valeo)、德国罗伯特·博世有限公司(BOSCH)、日本株式会社村田制作所(muRata)等。德州仪器为全球最大车载超声波雷达供应商,市场占比达到近20%。
在本土方面,近年来伴随本土企业持续发力,我国车载超声波雷达市场国产化进程有所加快。豪恩汽电、同致电子、纵目科技、佑航科技、保隆科技、奥迪威等为我国车载超声波雷达市场主要参与者。奥迪威推出的AK2车载超声波传感器具有抗干扰能力强、探测距离远、检测速度快等优势,产品已在L2级别以上自动驾驶车辆中获得应用。

总结

超声波雷达以其低成本、高可靠性、近距离高精度的特点,成为短距离环境感知的首选技术,尤其在汽车领域不可或缺。车载超声波雷达在汽车高速横向辅助系统、倒车系统、前方防碰撞预警系统、自动泊车辅助系统、变道辅助系统中应用广泛。虽然超声波雷达存在探测距离有限等缺点,但通过与其他传感器融合,已成为自动驾驶与智能驾驶的重要组成部分,未来将持续在更多场景中发挥核心作用。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 16:45:48

全志芯片介绍与开发

在嵌入式Linux开发领域,Allwinner(全志) 和 sunxi 是两个紧密关联但含义不同的关键概念。我将从技术底层为你厘清二者的区别与联系,并解析其在开发中的作用。 一、核心概念解析 1. Allwinner(全志科技) 定…

作者头像 李华
网站建设 2026/5/1 7:24:03

AI率超标的根本原因,理解这个你才能降下去AI率

一、为什么手动降重总翻车?学术党必知的3大痛点“明明查重率达标了,导师却说论文有AI味要求重写!”——这是不是你的真实写照?很多同学误以为同义词替换调整句式就能蒙混过关,结果陷入三大困局:❌ 痛点1&am…

作者头像 李华
网站建设 2026/4/29 20:00:25

YOLOv8镜像支持RADIUS认证企业级接入

YOLOv8镜像集成RADIUS认证:企业级AI开发环境的安全实践 在人工智能加速落地的今天,越来越多的企业将YOLO系列目标检测模型部署于智能制造、智慧安防和自动驾驶等关键场景。然而,一个常被忽视的问题是:强大的算法能力背后&#xff…

作者头像 李华
网站建设 2026/5/1 7:23:38

YOLOv8推理时如何实现多线程并发?

YOLOv8推理时如何实现多线程并发? 在智能监控、工业质检和自动驾驶等实时性要求极高的场景中,目标检测模型不仅要“看得准”,更要“跑得快”。YOLOv8作为当前最主流的目标检测框架之一,凭借其高精度与低延迟的特性,已成…

作者头像 李华
网站建设 2026/4/25 4:38:24

空间权重矩阵构建难题,90%的数据分析师都踩过的坑!

第一章:空间权重矩阵构建难题,90%的数据分析师都踩过的坑!在空间数据分析中,空间权重矩阵(Spatial Weight Matrix, SWM)是连接地理单元之间关系的核心工具。然而,许多数据分析师在构建该矩阵时&…

作者头像 李华
网站建设 2026/4/27 0:33:30

YOLOv8在野生动物迁徙研究中的应用

YOLOv8在野生动物迁徙研究中的应用 在非洲大草原的黎明时分,红外相机陷阱悄然记录下成群角马穿越河流的画面。这些影像本应是生态学家研究迁徙规律的宝贵资料,但面对每年数百万张照片,人工筛查几乎成了不可能完成的任务——直到深度学习技术…

作者头像 李华