4. 雷达点云生成与目标列表

在S32R平台上，雷达信号处理链的最终交付物并不是原始ADC采样，而是两级结构化信息：点云（Point Cloud）与目标列表（Object List）。点云是CFAR检测与角度估计后的“检测级”输出，保留了每个散射中心的距离、速度、角度与信噪比；目标列表则是聚类与跟踪后的“目标级”输出，每个目标带有唯一ID、运动状态与历史轨迹。理解这两级信息的格式与接口，是后续多传感器融合能否正确接入的前提。

一、点云格式：检测级信息的字段定义

点云中的每一个点，本质上是一次CFAR过门限的检测结果，并附带该检测单元的角度估计值。在S32R的典型实现中，点云通常以结构体数组形式在DDR中组织，每个点包含以下核心字段：

• range：目标距离，单位m，由距离FFT峰值对应的距离bin换算得到，分辨率取决于带宽，例如1 GHz带宽对应约0.15 m/bin。
• velocity：径向速度，单位m/s，由多普勒FFT峰值对应的多普勒bin换算，正负号约定为“接近为正、远离为负”，需在全文与图示中保持一致。
• azimuth / elevation：方位角与俯仰角，单位度，由角度估计模块输出。方位角范围通常为±60°，俯仰角范围较小，约±15°。
• snr：检测点信噪比，单位dB，用于后续聚类加权与虚警抑制。
• rcs：雷达截面积估计值，单位dBsm，可由SNR与距离通过雷达方程反推。
• detectionId：检测点序号，用于调试与溯源。

点云数据量较大，一帧可能包含数百至数千个点。在S32R上，点云通常由硬件加速器（如BBA、SPT）或DSP核写入共享内存，再由M7核或应用层读取。接口上，点云以“帧”为单位打包，每帧附带帧号、时间戳与检测点数量，便于融合模块做时间对齐。

二、目标列表格式：跟踪级信息的字段定义

目标列表是聚类与跟踪后的输出，每个目标代表一个被持续跟踪的物理对象。与点云不同，目标列表的字段更强调运动状态与身份连续性：

• objectId：目标唯一标识，跟踪器分配，跨帧保持稳定。
• position：目标位置，通常用x、y、z表示，单位m，坐标系为车辆坐标系（x向前、y向左、z向上）。
• velocity：目标速度矢量，包含vx、vy，单位m/s。
• acceleration：目标加速度，单位m/s²，用于预测与融合。
• orientation：目标朝向角，单位度，对扩展目标有意义。
• size：目标尺寸估计，包含长度、宽度、高度，单位m。
• classification：目标类别，如轿车、卡车、行人、未知，由分类器输出。
• quality：跟踪质量，如存在概率、协方差迹，用于融合加权。
• age / hits / misses：目标存活帧数、命中次数、丢失次数，用于生命周期管理。

目标列表的接口通常以“目标数组+目标数量”形式提供，并附带帧号与时间戳。在S32R上，跟踪器可能运行在M7核或专用加速器上，目标列表通过共享内存或IPC机制传递给融合模块。

三、S32R上的实现要点与接口约定

在S32R平台上，点云与目标列表的生成涉及多个处理单元的分工。CFAR检测与角度估计通常由硬件加速器（如BBA）或DSP核完成，聚类与跟踪则可能运行在M7核或专用跟踪加速器上。因此，接口设计需要明确三个关键约定：

第一，数据所有权与内存布局。点云数据量较大，建议采用环形缓冲区（ring buffer）管理，每帧写入后由融合模块读取，避免频繁动态分配。目标列表数据量小，可直接以固定数组传递。两者都应包含帧号与时间戳，且时间戳应来自同一时基，例如S32R的STM定时器。

第二，坐标系与符号约定。点云中的角度与目标列表中的位置必须统一到车辆坐标系。建议约定：x轴向前、y轴向左、z轴向上；速度以接近雷达为正、远离为负；方位角以x轴为0°，逆时针为正。这一约定需在点云生成、聚类、跟踪和融合各环节保持一致，否则会出现目标“跳变”或“镜像”问题。

第三，数据更新频率与延迟。点云通常每帧更新，帧周期例如50 ms（20 Hz）；目标列表可能以相同或更低频率更新。融合模块需要根据时间戳做插值或预测，以补偿不同传感器之间的延迟。在S32R上，可通过共享内存+中断通知的方式实现低延迟传递，避免轮询带来的CPU开销。

四、一个可参考的接口结构体示例

以下为S32R上点云与目标列表的接口结构体示例，字段命名与类型可根据实际项目调整，但核心信息应保持一致：

typedef struct {
    uint16_t frameId;
    uint32_t timestamp;
    uint16_t numPoints;
    RadarPoint points[MAX_POINTS];
} PointCloudFrame;

typedef struct {
    float range;        // m
    float velocity;     // m/s, 接近为正
    float azimuth;      // deg, x轴为0, 逆时针为正
    float elevation;    // deg
    float snr;          // dB
    float rcs;          // dBsm
    uint16_t detectionId;
} RadarPoint;

typedef struct {
    uint16_t frameId;
    uint32_t timestamp;
    uint16_t numObjects;
    RadarObject objects[MAX_OBJECTS];
} ObjectListFrame;

typedef struct {
    uint16_t objectId;
    float x, y, z;          // m, 车辆坐标系
    float vx, vy;           // m/s
    float ax, ay;           // m/s^2
    float orientation;      // deg
    float length, width, height; // m
    uint8_t classification; // 0:未知 1:轿车 2:卡车 3:行人
    float quality;          // 0~1
    uint16_t age;
    uint16_t hits;
    uint16_t misses;
} RadarObject;

五、从点云到目标列表：信息损失与补偿

需要特别注意的是，从点云到目标列表的过程是有信息损失的。点云保留了每个散射中心的细节，而目标列表只保留聚类后的统计量。例如，一个卡车可能产生多个点云簇，聚类后合并为一个目标，其尺寸和朝向由簇的分布估计得到。如果聚类参数设置不当，可能出现“过分割”（一个目标变成多个）或“欠分割”（多个目标合并为一个）。在S32R上，可通过调整DBSCAN的邻域半径（如0.5 m）和最小点数（如3）来平衡。跟踪阶段则通过卡尔曼滤波预测与关联，进一步稳定目标ID与运动状态。

因此，融合模块在使用目标列表时，应同时关注quality、age、hits等字段，对低质量目标降低权重，对丢失目标及时剔除。点云则可用于融合模块的二次校验，例如在视觉检测到目标但雷达目标列表未输出时，可回溯点云确认是否存在弱检测。这种“点云+目标列表”双级接口设计，是S32R雷达视觉融合工程中兼顾实时性与鲁棒性的关键。