[首發于智駕最前沿微信公眾號]在自動駕駛系統的感知硬件中，激光雷達與車載攝像頭是眾多車企的核心選擇。但由于激光雷達成本高昂，且其探測的信息對于決策系統來說非常重要，便有技術提出可以用毫米波雷達作為替代方案。傳統毫米波雷達因無法有效探測目標的高度信息而存在短板，為克服這一問題，具備俯仰角測高能力的4D毫米波雷達應運而生。即便如此，激光雷達在自動駕駛中的作用似乎依舊不可替代。

毫米波雷達是如何工作的？

要討論毫米波雷達是否可以替代激光雷達，得先搞清楚毫米波雷達是怎么運作的。毫米波雷達，顧名思義，發射的是波長在毫米級別的電磁波。它向外界發射波束，遇到物體后，波會反射回來，雷達接收到這些回波后，通過計算發射和接收的時間差，就能估算出物體的大致距離。借助相位變化或頻率偏移（也就是多普勒效應），毫米波雷達還能測出物體的速度。通過多天線陣列和波束成形技術，它還能判斷目標的方位角。簡單理解下，毫米波雷達就是靠“波的時間”和“波的頻率/相位變化”來感知目標的位置和速度的。

這套機制讓毫米波雷達對運動非常敏感，能直接輸出速度信息，這在車輛動態感知中特別有用，可以依托毫米波雷達直接判斷一個物體是靜止的，還是在移動。由于毫米波穿透力強，在雨、霧、灰塵中的衰減比激光小得多，惡劣天氣下依然能穩定探測回波，因此被廣泛用于汽車的輔助感知系統。

毫米波雷達主要從電磁波回波中提取目標的距離、速度及散射特性等參數，且與激光雷達相比，毫米波雷達難以提供高密度的空間幾何信息。簡言之，毫米波雷達的優勢在于判斷“有無目標、距離遠近、移動快慢”，但在精確描繪物體外形、輪廓與細節方面則相對薄弱，這也限制了其更廣泛的應用。

激光雷達的工作特點和優勢

激光雷達（LiDAR）采用短脈沖激光或掃描激光束照射周圍環境，通過測量光脈沖往返的時間（即“飛行時間”）來獲取精確距離。和毫米波相比，激光的波長更短，光束更集中，發散角小，因此激光雷達能將能量聚焦在更小的角度范圍內，從而實現更高的角分辨率和更密集的點云。高密度點云帶來的好處就是能清晰呈現如行人的輪廓、車門的邊緣、路緣石的細節等三維幾何結構，這對目標分類、精確定位和場景理解非常有用。

激光雷達在測距精度和角分辨率上的優勢，賦予了它強大的幾何感知能力，能生成稠密且結構化的三維點云，便于進行精確分割、邊界檢測和形狀推斷；且在靜態或慢速場景中，激光能準確刻畫物體外形，這對高精地圖構建、定位以及精細語義分割非常關鍵。

當然，激光雷達也有短板，由于波長短，遇到雨、霧、雪時光子容易被散射，導致回波質量下降；強光直射時也可能出現飽和或誤報的問題。此外，激光雷達在成本、體積和可靠性等方面也存在問題，但隨著固態化和量產化的推進，這些問題正在逐步改善。從感知能力來看，激光雷達的“空間分辨率”和“點云結構化程度”是毫米波雷達難以比擬的。

毫米波雷達的局限性在哪里？

搞清楚原理和能力后，就更容易理解為什么毫米波雷達無法完全取代激光雷達了。毫米波雷達的橫向（角度）分辨率受限于天線陣列的物理尺寸和波長，要想把角分辨率做到激光那樣精細，需要很大或很復雜的天線陣列，這會帶來成本和功耗的壓力。縱向（距離）分辨率雖然可以通過擴頻、調頻連續波等技術進行提升，但在點云密度和形狀還原能力上，仍與激光雷達的密集點云有差距。毫米波雷達能做到的只是告訴你“哪里有東西、它在做什么”，但很難精確還原物體的外形輪廓，難以支撐需要精細幾何信息的決策。

毫米波雷達對目標的電磁散射響應也很敏感，不同材料和角度對毫米波的反射差異很大，容易出現鏡面反射或盲區。像是塑料板、纖維網、行李箱邊緣等非金屬薄物體在特定角度下對毫米波幾乎“隱身”，而激光由于波長更短、能量更集中，反射回波會更加穩定。而激光在雨霧中容易產生大量散射噪聲，造成點云“白霧”，但毫米波雷達在這些天氣下卻能更可靠地探測遠處車輛或障礙。正是因為兩者對材料和天氣的敏感度不同，導致無法簡單替換。

自動駕駛汽車不僅需要知道“有東西”，還要識別“是什么東西”以及“它是什么形狀”。激光點云直接提供幾何信息，結合語義算法，能比較可靠地區分行人、自行車、車輛、欄桿等目標。毫米波雷達的回波相對稀疏或模糊，雖然能借助微多普勒或回波強度等特征進行一定程度的判別，但在復雜場景和近距離細節識別上，仍難以達到激光雷達的水平。如果決策邏輯依賴邊緣檢測、輪廓擬合或精細空間分割，單靠毫米波雷達就很難做到穩定可靠。

自動駕駛系統需要冗余和可解釋的感知鏈路。激光雷達提供的是直觀、易于理解的三維測量結果，便于調試和驗證。毫米波雷達的回波特征則需要復雜的信號處理和算法解讀，如多徑反射造成的虛假目標等故障模式還不易直觀排查，這也導致了毫米波雷達的局限性。從功能安全和法規合規的角度考慮，基于直觀幾何信息做出判斷的傳感器更容易界定行為邊界，這也是高級別自動駕駛系統仍保留激光雷達作為關鍵感知源的原因之一。

近年來，毫米波雷達正向“成像雷達”的方向演進，MIMO、頻譜擴展、深度學習等新技術正不斷提升其角分辨率和點云密度，但要完全彌補與激光雷達的差距，需要在天線、射頻、帶寬、算力等多個方面同步實現重大突破，同時還要控制成本、保障可靠性。這并非不可能，但短期內難以實現全面替代。

最后的話

從毫米波雷達的原理出發，我們可以看到它在測速、惡劣天氣魯棒性、成本和集成便利性上的優勢，但在角分辨率、細節幾何還原和語義區分能力上的局限，使其無法獨立滿足自動駕駛對所有空間感知的需求。智駕最前沿以為，現階段更穩妥的硬件配置路徑還是使用感知融合的方案，用毫米波雷達保障低能見度下的基礎安全感知，用激光雷達提供精細的三維幾何構建，再用視覺信息輔助語義理解。三者協同，才能在復雜交通環境中妥善處理“看得見”“判得準”“該不該動”等問題。

審核編輯 黃宇