它不是一款只输出固定结果的封闭式传感器，而是一套面向研究与开发场景的毫米波雷达感知平台。通过配套上位机工具、ADC 数据采集、点云数据输出、Python 可视化示例、MATLAB 信号处理示例和社区文档，开发者可以围绕毫米波雷达底层数据链路开展雷达信号处理、点云算法、目标检测、轨迹分析、多传感器融合和场景数据采集等实验。

CTSAI-A100 希望让更多开发者真正进入毫米波雷达的数据世界，从“看见目标结果”进一步走向“理解数据如何产生、如何处理、如何用于算法研究”。

项目亮点

1. 面向研究与开发的毫米波雷达硬件

CTSAI-A100 面向开发者开放硬件使用和数据采集能力，适合用于科研实验、教学实践、算法验证、原型开发和场景共创。

它可以作为毫米波雷达学习、实验和算法开发的入口，帮助用户理解从雷达信号到点云、目标和场景分析的完整链路。

2. 支持 ADC 数据采集

项目配套 ADC 数据采集工具，支持开发者采集雷达底层 ADC 数据。

基于 ADC 数据，用户可以进一步开展：

• Range FFT 距离向处理

• Doppler FFT 速度向处理

• Range-Doppler Map 分析

• CFAR 目标检测

• 角度估计

• 微多普勒分析

• 雷达信号处理算法研究

这对于高校实验、研究生课题、雷达算法学习和底层感知研究具有较高价值。

3. 支持点云数据查看、采集与回放

通过 RadarTools 上位机工具，用户可以查看 CTSAI-A100 输出的原始点、跟踪点、目标距离、速度和角度等信息，并完成点云数据采集与回放。

点云数据可用于：

• 点云聚类

• 目标检测

• 目标跟踪

• 轨迹分析

• 场景理解

• 多传感器融合验证

4. 提供 Python 可视化示例

项目提供 Python 雷达数据可视化示例，帮助开发者快速读取示例数据并进行目标点显示、聚类展示、轨迹绘制和基础分析。

对于刚接触毫米波雷达数据的开发者来说，Python 示例可以作为理解数据结构和开展算法开发的起点。

5. 提供 MATLAB 信号处理示例方向

CTSAI-A100 社区项目将逐步补充 MATLAB ADC 数据处理、LFMCW 雷达仿真、2D-FFT、MTI、CFAR 等示例内容，面向高校教学、科研实验和雷达算法验证场景。

这类示例可以帮助用户从理论信号、仿真回波、差频处理、2D-FFT 到实测数据分析建立完整认知。

6. 支持社区共创任务

SuperRadar 社区会围绕 CTSAI-A100 持续发布文档完善、示例代码、场景数据、雷达仿真、Python 可视化、MATLAB 信号处理等共创任务。

开发者可以通过 GitHub Issue 和 Pull Request 参与贡献，共同完善毫米波感知开放生态。

可以用它做什么

CTSAI-A100 适合以下方向的开发、研究与实验：

毫米波雷达信号处理

基于 ADC 数据研究 FMCW / LFMCW 雷达信号处理流程，包括距离向处理、速度向处理、目标检测、角度估计和杂波抑制等。

点云算法开发

基于雷达点云数据开展聚类、筛选、目标识别、目标跟踪、轨迹分析和场景理解。

多传感器融合研究

将毫米波雷达与摄像头、IMU、RTK、激光雷达等传感器结合，用于多源感知融合、时间同步、空间标定和融合算法验证。

机器人环境感知

用于移动机器人、巡检机器人、仓储机器人、人形机器人等方向的障碍物感知、动态目标检测和环境建模实验。

低空目标感知

面向无人机、低空小目标、慢速目标或动态目标开展感知实验，探索毫米波雷达在低空经济方向的应用潜力。

智能交通与园区感知

用于道路目标检测、行人/车辆/非机动车感知、园区通道监测、周界感知和场景数据采集。

高校教学与科研实验

适合作为毫米波雷达课程实验、研究生课题、信号处理教学、传感器融合课程和创新实践项目的硬件基础。

开发资源

项目将围绕 CTSAI-A100 提供以下资源：

快速上手

首次使用 CTSAI-A100 ，可以按以下路径开始：

• 阅读快速开始文档，了解硬件连接、工具下载和基础流程。

安装 USB-CAN FD 驱动，并确认电脑能够识别设备。

• 连接 CTSAI-A100 硬件，完成供电和 CAN 通信接线。

启动 RadarTools 上位机，点击 Start 查看原始点和跟踪点。

使用上位机采集点云数据，并尝试点云回放。

使用 ADC 采集工具采集原始 ADC 数据。

• 使用 Python 示例读取和可视化雷达数据。

• 使用 MATLAB 示例或社区任务进一步理解雷达信号处理链路。

• 在 GitHub Issue 中反馈问题，或参与社区共创任务。

典型应用场景示例

场景一：行人目标感知

基于 CTSAI-A100 采集行人静止、慢走、靠近、远离、横穿等场景数据，分析行人在距离、速度和点云分布上的表现。

场景二：自行车 / 电动车目标感知

采集低速非机动车目标数据，分析其在 Range-Doppler Map 和目标跟踪结果中的表现，探索毫米波雷达在低速目标感知中的应用价值。

场景三：机器人环境感知

将 CTSAI-A100 接入机器人实验平台，用于动态目标检测、障碍物感知、环境建模和多传感器融合验证。

场景四：低空目标感知

围绕无人机、低空小目标、慢速飞行目标开展数据采集与处理实验，探索低空场景下的毫米波感知方法。

场景五：园区 / 周界感知

在园区道路、通道、门岗、边界区域采集行人、车辆、非机动车等目标数据，分析复杂背景下的感知效果和研究问题。

项目适合谁

CTSAI-A100 适合：

• 毫米波雷达初学者

• 嵌入式与物联网开发者

• 机器人与智能硬件开发者

• 雷达信号处理研究者

• 点云算法和目标检测开发者

• 高校老师、研究生和科研团队

• 多传感器融合方向开发者

• 对低空经济、智能交通和工业感知感兴趣的团队

开源与授权说明

CTSAI-A100 相关资源可能包含文档、示例代码、示例数据和工具软件。不同资源可能采用不同授权方式，具体以对应仓库或文件中的 License 说明为准。

关于 SuperRadar

SuperRadar 是由承泰科技发起并长期支持的开放毫米波感知技术社区，聚焦毫米波雷达、AI 感知、多传感器融合、机器人、低空经济、智能交通、工业安全与高校科研等方向。

我们希望通过开放硬件、开放数据、开发工具、技术文档、示例工程和真实场景实践，降低毫米波雷达技术的研究与应用门槛，帮助更多开发者进入毫米波感知的底层数据链路，共同探索智能感知的更多可能性。