[首發于智駕最前沿微信公眾號]自動駕駛作為當下最具顛覆性的技術之一，對環境感知精度與魯棒性的要求異常嚴苛。長期以來，毫米波雷達憑借其對惡劣天氣的天然適應性與對金屬目標的高靈敏度，成為自動駕駛感知系統中的重要傳感器。但傳統的三維（3D）毫米波雷達僅能提供目標的徑向距離、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”。

在這一盲區中，橫跨車道的高架橋、懸掛橫幅、細長電線桿與路面小障礙物往往難以區分，漠視高度差的雷達視角令車輛在關鍵時刻無法做出正確判斷。正因如此，激光雷達的不可替代性尤為明顯，但就在近幾年，因自動駕駛商用化落地加速，激光雷達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毫米波雷達應運而生。

什么是4D毫米波雷達？

要理解4D毫米波雷達的工作機理，需先了解二維到三維雷達的演進。過去的毫米波雷達主要依賴單發單收或相控陣列，借助脈沖壓縮、快速傅里葉變換（FFT）等信號處理方法，能夠分辨目標的距離與速度，并通過水平相控陣獲取方位角。然則，當回波信號在垂直方向沒有天線分布時，雷達系統便失去了對俯仰角（Elevation）的感知能力。

而4D毫米波雷達，顧名思義，就是在傳統三維（距離、方位、速度）毫米波雷達基礎上，增加了對目標高度信息的探測能力。4D毫米波雷達并非憑空出現的“黑科技”，而是利用多天線陣列（MIMO）和數字波束形成（DBF）技術，通過對回波信號的相位差和時延差進行精確計算，來估算目標在垂直方向上的角度，從而獲得高度維度的數據。相比傳統雷達，4D毫米波雷達能夠在同一次掃描中同時輸出目標的距離、方位、徑向速度以及高度信息，為復雜場景下的目標感知提供了更豐富的幾何特征。

激光雷達VS4D毫米波雷達，孰優孰劣？

在自動駕駛系統中，引入高度分辨能力，能夠有效區分不同高度但輪廓相似的物體。如傳統雷達在探測可樂瓶和細長電線桿時，由于它們的徑向截面相近，往往會被誤判為同一類障礙；而4D雷達則可通過高度差異將二者區分開來，從而在算法層面減少對有害干擾的誤過濾，并提升對低矮障礙物和空中物體（如懸掛橫幅、跨橋等）的識別能力。

與激光雷達（LiDAR）相比，4D毫米波雷達在穿透雨、霧和塵埃等惡劣環境時具備天然優勢。毫米波在77GHz頻段工作，其波長和散射特點使得它對小顆粒物的衰減相對較小，即使在能見度極低的條件下，4D雷達仍能維持較穩定的探測性能；而光學LiDAR在雨霧天氣中常常出現信號衰減或多重散射，影響測距精度和點云完整性。

在數據處理方面，4D雷達輸出的四維點云具有較高的數據密度，但與LiDAR生成的點云相比，其角度分辨率和點數仍有差距。毫米波雷達受限于天線陣列尺寸和信號帶寬，垂直分辨能力往往在1°~2°之間，遠遜于激光雷達亞度級的垂直分辨；同時，雷達點云缺乏連續曲面信息，在目標形狀重構和精細語義分割方面依舊不夠充分。

4D雷達的多天線設計和高維信號處理，也對硬件成本、功耗和算法復雜度提出了更高要求。為了實現精確的高度估計，需要配備更多的發射與接收天線單元，以及高性能的數字信號處理器；在算法端，還需結合稀疏信號恢復、恒虛警率檢測（CFAR）等技術，才能在高噪聲環境中保持可靠性。這些都讓4D雷達系統的開發和量產比傳統雷達更具挑戰。

毫米波雷達的干擾問題也不容忽視。隨著車聯網（V2X）和車載雷達的普及，不同車輛間、車輛與基礎設施之間的頻譜共用導致互相干擾的風險加大。雖然通過時分多址（TDMA）、頻分多址（FDMA）或編碼分集等手段可以緩解，但在復雜交通場景中，要始終保持高度測量的穩定性仍然需要進一步的標準化和協同技術。

在實際應用中，多家自動駕駛廠商已有所動作，Waymo在其第五代自動駕駛套件中布局了4D毫米波雷達以提升全天候感知能力；Mobileye的創始人AmnonShashua也曾公開承認了4D毫米波雷達的優勢；而特斯拉在2021年被社區發現其Autopilot算法接口中新增了雷達設備接口，這都說明行業對4D雷達的重視已超越概念階段。不過，不同廠商的技術路線尚未完全統一，如何在視覺、雷達、激光多傳感器融合中找到最佳配比，仍是自動駕駛感知層的核心課題。

最后的話

總的來說，4D毫米波雷達在高度分辨、全天候穩定性和成本效益上具有明顯優勢，為彌補傳統雷達短板提供了切實可行的方案。但其在分辨率、點云質量、干擾抗性及系統復雜度方面的不足，也意味著它難以完全取代LiDAR，而更可能成為與攝像頭、激光雷達協同的關鍵一環。未來的自動駕駛系統，更可能是在多源傳感融合與算法優化的共同推動下，將4D雷達的優勢充分發揮，而不是單一依賴某一種傳感器。

審核編輯 黃宇