[首發(fā)于智駕最前沿微信公眾號(hào)]自動(dòng)駕駛作為當(dāng)下最具顛覆性的技術(shù)之一，對(duì)環(huán)境感知精度與魯棒性的要求異常嚴(yán)苛。長(zhǎng)期以來(lái)，毫米波雷達(dá)憑借其對(duì)惡劣天氣的天然適應(yīng)性與對(duì)金屬目標(biāo)的高靈敏度，成為自動(dòng)駕駛感知系統(tǒng)中的重要傳感器。但傳統(tǒng)的三維（3D）毫米波雷達(dá)僅能提供目標(biāo)的徑向距離、方位角和速度信息，卻在俯仰方向上缺少分辨力，形成了所謂的“平面盲區(qū)”。

在這一盲區(qū)中，橫跨車道的高架橋、懸掛橫幅、細(xì)長(zhǎng)電線桿與路面小障礙物往往難以區(qū)分，漠視高度差的雷達(dá)視角令車輛在關(guān)鍵時(shí)刻無(wú)法做出正確判斷。正因如此，激光雷達(dá)的不可替代性尤為明顯，但就在近幾年，因自動(dòng)駕駛商用化落地加速，激光雷達(dá)的高成本讓眾多車企尋找可行的替代方案，正是在這樣的背景下，4D毫米波雷達(dá)應(yīng)運(yùn)而生。

什么是4D毫米波雷達(dá)？

要理解4D毫米波雷達(dá)的工作機(jī)理，需先了解二維到三維雷達(dá)的演進(jìn)。過(guò)去的毫米波雷達(dá)主要依賴單發(fā)單收或相控陣列，借助脈沖壓縮、快速傅里葉變換（FFT）等信號(hào)處理方法，能夠分辨目標(biāo)的距離與速度，并通過(guò)水平相控陣獲取方位角。然則，當(dāng)回波信號(hào)在垂直方向沒(méi)有天線分布時(shí)，雷達(dá)系統(tǒng)便失去了對(duì)俯仰角（Elevation）的感知能力。

而4D毫米波雷達(dá)，顧名思義，就是在傳統(tǒng)三維（距離、方位、速度）毫米波雷達(dá)基礎(chǔ)上，增加了對(duì)目標(biāo)高度信息的探測(cè)能力。4D毫米波雷達(dá)并非憑空出現(xiàn)的“黑科技”，而是利用多天線陣列（MIMO）和數(shù)字波束形成（DBF）技術(shù)，通過(guò)對(duì)回波信號(hào)的相位差和時(shí)延差進(jìn)行精確計(jì)算，來(lái)估算目標(biāo)在垂直方向上的角度，從而獲得高度維度的數(shù)據(jù)。相比傳統(tǒng)雷達(dá)，4D毫米波雷達(dá)能夠在同一次掃描中同時(shí)輸出目標(biāo)的距離、方位、徑向速度以及高度信息，為復(fù)雜場(chǎng)景下的目標(biāo)感知提供了更豐富的幾何特征。

激光雷達(dá)VS4D毫米波雷達(dá)，孰優(yōu)孰劣？

在自動(dòng)駕駛系統(tǒng)中，引入高度分辨能力，能夠有效區(qū)分不同高度但輪廓相似的物體。如傳統(tǒng)雷達(dá)在探測(cè)可樂(lè)瓶和細(xì)長(zhǎng)電線桿時(shí)，由于它們的徑向截面相近，往往會(huì)被誤判為同一類障礙；而4D雷達(dá)則可通過(guò)高度差異將二者區(qū)分開(kāi)來(lái)，從而在算法層面減少對(duì)有害干擾的誤過(guò)濾，并提升對(duì)低矮障礙物和空中物體（如懸掛橫幅、跨橋等）的識(shí)別能力。

與激光雷達(dá)（LiDAR）相比，4D毫米波雷達(dá)在穿透雨、霧和塵埃等惡劣環(huán)境時(shí)具備天然優(yōu)勢(shì)。毫米波在77GHz頻段工作，其波長(zhǎng)和散射特點(diǎn)使得它對(duì)小顆粒物的衰減相對(duì)較小，即使在能見(jiàn)度極低的條件下，4D雷達(dá)仍能維持較穩(wěn)定的探測(cè)性能；而光學(xué)LiDAR在雨霧天氣中常常出現(xiàn)信號(hào)衰減或多重散射，影響測(cè)距精度和點(diǎn)云完整性。

在數(shù)據(jù)處理方面，4D雷達(dá)輸出的四維點(diǎn)云具有較高的數(shù)據(jù)密度，但與LiDAR生成的點(diǎn)云相比，其角度分辨率和點(diǎn)數(shù)仍有差距。毫米波雷達(dá)受限于天線陣列尺寸和信號(hào)帶寬，垂直分辨能力往往在1°~2°之間，遠(yuǎn)遜于激光雷達(dá)亞度級(jí)的垂直分辨；同時(shí)，雷達(dá)點(diǎn)云缺乏連續(xù)曲面信息，在目標(biāo)形狀重構(gòu)和精細(xì)語(yǔ)義分割方面依舊不夠充分。

4D雷達(dá)的多天線設(shè)計(jì)和高維信號(hào)處理，也對(duì)硬件成本、功耗和算法復(fù)雜度提出了更高要求。為了實(shí)現(xiàn)精確的高度估計(jì)，需要配備更多的發(fā)射與接收天線單元，以及高性能的數(shù)字信號(hào)處理器；在算法端，還需結(jié)合稀疏信號(hào)恢復(fù)、恒虛警率檢測(cè)（CFAR）等技術(shù)，才能在高噪聲環(huán)境中保持可靠性。這些都讓4D雷達(dá)系統(tǒng)的開(kāi)發(fā)和量產(chǎn)比傳統(tǒng)雷達(dá)更具挑戰(zhàn)。

毫米波雷達(dá)的干擾問(wèn)題也不容忽視。隨著車聯(lián)網(wǎng)（V2X）和車載雷達(dá)的普及，不同車輛間、車輛與基礎(chǔ)設(shè)施之間的頻譜共用導(dǎo)致互相干擾的風(fēng)險(xiǎn)加大。雖然通過(guò)時(shí)分多址（TDMA）、頻分多址（FDMA）或編碼分集等手段可以緩解，但在復(fù)雜交通場(chǎng)景中，要始終保持高度測(cè)量的穩(wěn)定性仍然需要進(jìn)一步的標(biāo)準(zhǔn)化和協(xié)同技術(shù)。

在實(shí)際應(yīng)用中，多家自動(dòng)駕駛廠商已有所動(dòng)作，Waymo在其第五代自動(dòng)駕駛套件中布局了4D毫米波雷達(dá)以提升全天候感知能力；Mobileye的創(chuàng)始人AmnonShashua也曾公開(kāi)承認(rèn)了4D毫米波雷達(dá)的優(yōu)勢(shì)；而特斯拉在2021年被社區(qū)發(fā)現(xiàn)其Autopilot算法接口中新增了雷達(dá)設(shè)備接口，這都說(shuō)明行業(yè)對(duì)4D雷達(dá)的重視已超越概念階段。不過(guò)，不同廠商的技術(shù)路線尚未完全統(tǒng)一，如何在視覺(jué)、雷達(dá)、激光多傳感器融合中找到最佳配比，仍是自動(dòng)駕駛感知層的核心課題。

最后的話

總的來(lái)說(shuō)，4D毫米波雷達(dá)在高度分辨、全天候穩(wěn)定性和成本效益上具有明顯優(yōu)勢(shì)，為彌補(bǔ)傳統(tǒng)雷達(dá)短板提供了切實(shí)可行的方案。但其在分辨率、點(diǎn)云質(zhì)量、干擾抗性及系統(tǒng)復(fù)雜度方面的不足，也意味著它難以完全取代LiDAR，而更可能成為與攝像頭、激光雷達(dá)協(xié)同的關(guān)鍵一環(huán)。未來(lái)的自動(dòng)駕駛系統(tǒng)，更可能是在多源傳感融合與算法優(yōu)化的共同推動(dòng)下，將4D雷達(dá)的優(yōu)勢(shì)充分發(fā)揮，而不是單一依賴某一種傳感器。

審核編輯 黃宇