ADAS y sensórica vehicular: física del radar milimétrico, visión periférica y latencia en la frenada automática de emergencia
Authors/Creators
Description
Los sistemas avanzados de asistencia a la conducción convierten mediciones físicas en decisiones que deben ejecutarse dentro de un margen temporal limitado. Este artículo explica los principios del radar de onda milimétrica, la generación de imágenes de visión periférica y la influencia de la latencia en la frenada automática de emergencia. Se desarrolla una revisión narrativa de documentación técnica de fabricantes y de un estudio experimental sobre radar, acompañada de cálculos reproducibles. Se distinguen resolución, exactitud y capacidad de detección, así como frecuencia de actualización y antigüedad de la información. La expresión comercial visión de 540 grados se interpreta como la combinación de vistas del entorno y una representación del suelo, sin asumir observación óptica simultánea de zonas ocultas. Los ejemplos cuantifican la resolución radial ideal de un radar FMCW y las distancias recorridas durante distintos retardos de reacción. También muestran que reducir el tiempo de inferencia de una red neuronal no elimina los tiempos de adquisición, comunicación, validación y aplicación de los frenos. La síntesis propone evaluar el sistema completo mediante marcas de tiempo, escenarios de percepción y mediciones de desaceleración, incluyendo condiciones adversas y falsas activaciones. No se presentan ensayos propios, tiempos medidos de chips comerciales ni promesas de prevención universal de colisiones.
Notes (Spanish)
Files
adas-radar-milimetrico-latencia-frenada-automatica.pdf
Additional details
References
- Bosch Mobility. (s. f.). Automatic emergency braking. https://www.bosch-mobility.com/en/solutions/assistance-systems/automatic-emergency-braking/
- Bosch Mobility. (s. f.). Sensor data fusion. https://www.bosch-mobility.com/en/solutions/sensors/sensor-data-fusion/
- Dham, V. (2017, revisión de febrero de 2020). Programming Chirp Parameters in TI Radar Devices. Texas Instruments, SWRA553A. https://www.ti.com/lit/an/swra553a/swra553a.pdf
- Gao, X., Roy, S., Xing, G., y Jin, S. (2023). Perception Through 2D-MIMO FMCW Automotive Radar Under Adverse Weather. Prepublicación, arXiv:2104.01639, versión 4; depósito original de 2021. https://doi.org/10.48550/arXiv.2104.01639
- Appia, V., Hariyani, H., Sivasankaran, S., Liu, S., Chitnis, K., Mueller, M., Batur, U., y Agarwal, G. (2015). Surround view camera system for ADAS on TI's TDAx SoCs. Texas Instruments, SPRY270A. https://www.ti.com/lit/wp/spry270a/spry270a.pdf
- Geely El Salvador. (2025, 29 de diciembre). Cámara panorámica de 540°. Descripción comercial de la combinación de vistas. https://www.geely.com.sv/camara-panoramica-de-540-2/
- Land Rover. (s. f.). Discovery. Nota de producto sobre ClearSight Ground View: imagen no en vivo. https://www.landrover.com/discovery/discovery/index.html
- Alarcon, N. (2019, 3 de octubre). How DRIVE AGX, CUDA and TensorRT Achieve Fast, Accurate Autonomous Vehicle Perception. NVIDIA Technical Blog. https://developer.nvidia.com/blog/how-drive-agx-cuda-and-tensorrt-achieve-fast-accurate-autonomous-vehicle-perception/
- Rao, S. (2017). Introduction to mmWave Sensing: FMCW Radars. Texas Instruments. Material formativo sobre estimación de distancia, velocidad y ángulo. https://www.ti.com/content/dam/videos/external-videos/zh-tw/2/3816841626001/5415528961001.mp4/subassets/mmwaveSensing-FMCW-offlineviewing_0.pdf