[首發(fā)于智駕最前沿微信公眾號]4D毫米波雷達(dá)在自動駕駛中的應(yīng)用越來越普遍，毫米波雷達(dá)是指工作在毫米波頻段（普通商用汽車多使用76–81GHz范圍）的雷達(dá)，用于探測周圍物體的位置和速度。而所謂的“4D”，是指它能夠同時提供物體到車的距離、方位角（左右方向）、俯仰角（上下方向）以及相對速度等四個維度的信息。它可以告訴你“某個物體在什么位置（橫向、縱向、高度）”以及“它朝哪個方向移動、移動速度有多快”。

圖片源自網(wǎng)絡(luò)

4D毫米波雷達(dá)通常結(jié)合了頻率調(diào)制連續(xù)波（FMCW）與MIMO（多輸入多輸出）天線陣列的方案。FMCW用于測量目標(biāo)與雷達(dá)之間的距離和徑向速度；通過在時間和頻率上設(shè)計(jì)合適的波形并進(jìn)行脈沖間相干處理，可以從回波中分離出速度信息。MIMO設(shè)計(jì)則將多個發(fā)射天線和接收天線組合在一起，通過虛擬陣列合成更窄的波束，從而分辨來自不同方向的回波。再結(jié)合數(shù)字信號處理（如FFT、波束形成、譜峰檢索等），系統(tǒng)就能輸出帶有三維角度信息和速度信息的目標(biāo)點(diǎn)云或目標(biāo)列表，即所謂的“4D點(diǎn)云”或“4D檢測結(jié)果”。

需要注意的是，這種雷達(dá)并不是直接“看到”物體的細(xì)節(jié)，而是根據(jù)電磁波的反射強(qiáng)度、相位和頻移進(jìn)行推斷。因此，毫米波雷達(dá)輸出的數(shù)據(jù)與激光雷達(dá)那種密集點(diǎn)云在視覺上有所不同，但它在應(yīng)對惡劣天氣和測量速度方面具有天然優(yōu)勢。

4D毫米波雷達(dá)在感知中能做什么？

將4D毫米波雷達(dá)置于自動駕駛的感知系統(tǒng)中，它能發(fā)揮直接且實(shí)用的作用。4D毫米波雷達(dá)對遠(yuǎn)距離移動目標(biāo)的檢測和速度估計(jì)非?？煽?，適合用于碰撞預(yù)警、巡航控制、盲區(qū)監(jiān)測以及高速場景下的目標(biāo)跟蹤。由于雷達(dá)可以直接測量徑向速度（多普勒頻移），無需像視覺系統(tǒng)那樣依賴多幀計(jì)算來估算速度，因此在判斷來車是否靠近、相對速度是否危險時更具優(yōu)勢。

圖片源自網(wǎng)絡(luò)

現(xiàn)階段4D毫米波雷達(dá)的角度分辨率已有明顯提升，能夠區(qū)分緊鄰的目標(biāo)，檢測位于道路不同高度的物體（例如行人站在矮物體旁，或卡車車廂頂部的物體），這對復(fù)雜交通場景至關(guān)重要。4D毫米波雷達(dá)天生對霧、雨、雪、灰塵等有較強(qiáng)的穿透能力，能在能見度差的情況下繼續(xù)提供可靠的距離和速度信息，這恰是相機(jī)和激光雷達(dá)的短板。

當(dāng)然，4D毫米波雷達(dá)無法直接感知物體的形狀、顏色或紋理，更像是通過“聽回聲”來判斷目標(biāo)的存在和動態(tài)特性。對于某些靜止且尺寸較小的物體（例如路面上的塑料袋、薄薄的交通標(biāo)志牌或低反射角表面），4D毫米波雷達(dá)可能不夠敏感，或者產(chǎn)生不穩(wěn)定的回波。

4D毫米波雷達(dá)的關(guān)鍵性能指標(biāo)

要理解4D毫米波雷達(dá)的能力與局限，需要關(guān)注幾個關(guān)鍵指標(biāo)。距離分辨率直接取決于4D毫米波雷達(dá)的帶寬配置。理論上，距離分辨率等于光速除以兩倍帶寬。假設(shè)帶寬為4GHz，那么距離分辨率約為299,792,458m/s÷（2×4,000,000,000Hz），即約0.0375米，也就是3.75厘米。若帶寬降至1GHz，分辨率則會降至約0.15米；帶寬越小，分辨率越粗。這說明，要細(xì)致分辨近距離相鄰的小目標(biāo)，需要足夠大的帶寬。

角度分辨率則與天線陣列的物理尺寸和虛擬陣列的等效孔徑密切相關(guān)。更多的虛擬通道和更大的天線陣列能合成更窄的波束，從而提高角度分辨率。但在實(shí)踐中，受限于車身空間、天線間相互耦合、成本和散熱等因素，天線數(shù)量不可能無限增加，因此4D毫米波雷達(dá)的角分辨率通常仍不及大尺寸的激光雷達(dá)。

速度分辨率的性能取決于脈沖重復(fù)策略、幀結(jié)構(gòu)設(shè)計(jì)以及信號相干性保持能力。4D毫米波雷達(dá)能直接提供徑向速度，這在動態(tài)場景中極具價值；但需注意這是沿4D毫米波雷達(dá)到目標(biāo)連線方向的速度分量，對于橫向移動或復(fù)雜軌跡，僅憑徑向速度需結(jié)合角度信息與多幀跟蹤才能準(zhǔn)確解釋。

還有就是探測距離和靈敏度與發(fā)射功率、天線增益以及目標(biāo)的雷達(dá)散射截面（RCS）有關(guān)。金屬大車容易被探測，而體積小、材料吸收性強(qiáng)或處于低仰角的物體回波可能較弱。

與激光雷達(dá)（LiDAR）比較，各自擅長與短板在哪里？

激光雷達(dá)的優(yōu)勢在于能生成高密度、高精度的3D點(diǎn)云，其空間分辨率和角度精度都很高，非常適合精細(xì)建圖、點(diǎn)云分割和精確定位。激光雷達(dá)能較直觀地呈現(xiàn)物體形狀，便于后續(xù)進(jìn)行語義理解或邊界估計(jì)，在靜態(tài)物體檢測和低速復(fù)雜場景中表現(xiàn)出色。

圖片源自網(wǎng)絡(luò)

相比之下，4D毫米波雷達(dá)在能見度差的環(huán)境下穩(wěn)定性更好，能直接提供速度信息，成本、體積和功耗通常也更友好，且對某些材質(zhì)和遠(yuǎn)距離目標(biāo)更容易探測。毫米波雷達(dá)模塊也更容易集成到車身不同部位，也更耐用。

但毫米波雷達(dá)的角分辨率、點(diǎn)云稠密度和對小目標(biāo)的檢測能力普遍不如激光雷達(dá)。即便是提升了角度信息的4D毫米波雷達(dá)，其輸出的點(diǎn)云也較為稀疏，且可能帶有相位噪聲與旁瓣偽影，在目標(biāo)分類和精確形狀重建方面仍有難度。此外，毫米波雷達(dá)回波與金屬材質(zhì)、物體輪廓及表面角度密切相關(guān)，有時可能出現(xiàn)多徑反射或鏡像目標(biāo)，需要復(fù)雜的信號處理來濾除誤報。

因此，在任務(wù)指向上，兩者具有明顯的互補(bǔ)性：如果目標(biāo)是高速路上穩(wěn)定的目標(biāo)跟蹤與速度判斷，雷達(dá)是極佳選擇；而如果需要構(gòu)建高精地圖、實(shí)現(xiàn)精確的車輛與障礙物相對定位，或識別小尺寸靜態(tài)目標(biāo)，激光雷達(dá)則更具優(yōu)勢。

4D雷達(dá)能不能取代激光雷達(dá)？

關(guān)于4D毫米波雷達(dá)能否替代激光雷達(dá)，其實(shí)很難直接給出明確答案，只能說在某些功能上，4D毫米波雷達(dá)已經(jīng)能夠替代激光雷達(dá)；但在實(shí)現(xiàn)完全自主、在所有場景下都可靠地進(jìn)行語義理解與精確定位的高級自動駕駛?cè)蝿?wù)中，目前4D毫米波雷達(dá)還難以單靠自身完全取代激光雷達(dá)。

如對于自適應(yīng)巡航、車道居中（需結(jié)合車載慣性或視覺輔助）、盲點(diǎn)監(jiān)測、緊急制動和高速目標(biāo)預(yù)警等基礎(chǔ)駕駛輔助功能，依靠4D雷達(dá)聯(lián)合攝像頭完全可以實(shí)現(xiàn)，并具備實(shí)用穩(wěn)定性。在這些場景中，4D毫米波雷達(dá)的穿透能力和速度分辨能力為系統(tǒng)提供了強(qiáng)大的魯棒性和安全邊際。

圖片源自網(wǎng)絡(luò)

然而，當(dāng)場景切換到城市低速復(fù)雜路口、需要精確判斷行人或騎行者的姿態(tài)，或在狹窄道路中進(jìn)行微米級避障與定位時，激光雷達(dá)提供的高分辨率幾何信息仍然難以被4D毫米波雷達(dá)替代。激光雷達(dá)能更準(zhǔn)確地測量邊緣、曲面與小尺度障礙物，這對路徑規(guī)劃與軌跡生成至關(guān)重要。此外，許多自動駕駛系統(tǒng)目前依賴激光雷達(dá)進(jìn)行建圖與定位（例如基于點(diǎn)云的定位），要將這些功能完全用4D毫米波雷達(dá)替代，還需要重新設(shè)計(jì)整套定位與映射方案，這不是單一模塊能解決的。

除了技術(shù)方面，其實(shí)還需要考慮成本和產(chǎn)業(yè)鏈因素。高性能激光雷達(dá)的價格近年來已大幅下降，改變了“LiDAR一直太貴”的舊有印象；而4D毫米波雷達(dá)要達(dá)到與LiDAR相近的空間分辨率，可能需要更寬的帶寬、更復(fù)雜的天線設(shè)計(jì)和更強(qiáng)大的信號處理，這也會帶來成本與復(fù)雜度的上升。

4D毫米波雷達(dá)部署時需要注意哪些問題？

在將4D毫米波雷達(dá)部署到車輛上時，有許多工程細(xì)節(jié)需要處理。天線與ECU的熱管理、車輛外殼遮擋、天線布局造成的盲區(qū)，以及車身電磁兼容性（EMC）都是必須解決的問題。天線的安裝位置會影響雷達(dá)的俯仰覆蓋與旁瓣分布，進(jìn)而影響對近地小目標(biāo)的檢測能力。

另一個要考慮的問題是環(huán)境干擾與同頻干擾。隨著車用雷達(dá)的普及，頻譜擁擠和相互干擾已成為現(xiàn)實(shí)問題，系統(tǒng)需要在算法層面進(jìn)行抗干擾設(shè)計(jì)。雷達(dá)還容易受到路面散射、多路徑反射和立體結(jié)構(gòu)的干擾，這需要穩(wěn)健的跟蹤與數(shù)據(jù)關(guān)聯(lián)算法來減少誤報與漏報。

在軟件方面，基于雷達(dá)的目標(biāo)分類技術(shù)仍在不斷進(jìn)步。傳統(tǒng)上雷達(dá)更偏向于檢測和跟蹤，近年來借助機(jī)器學(xué)習(xí)（尤其是深度學(xué)習(xí)），從雷達(dá)的原始回波或微多普勒特征中能夠做出更高層次的判斷（例如區(qū)分行人、車輛、騎行者）。這些方法進(jìn)步迅速，但也需要大量標(biāo)注數(shù)據(jù)和跨場景驗(yàn)證。

最后的話

4D毫米波雷達(dá)是自動駕駛感知系統(tǒng)中非常重要且日益強(qiáng)大的一員。它將距離、角度和速度合并為更豐富的輸出，使惡劣天氣與高速場景下的感知更加可靠。在某些功能上，它已具備替代激光雷達(dá)的能力，尤其是在以速度和長距檢測為主的場景中。但就全面替代而言，激光雷達(dá)在空間分辨率和幾何細(xì)節(jié)上的優(yōu)勢目前仍難以被完全取代。真正可行且更穩(wěn)妥的路線，是將4D毫米波雷達(dá)與攝像頭、激光雷達(dá)合理融合，通過軟硬件協(xié)同提升感知的魯棒性和安全性。

審核編輯 黃宇