[首發于智駕最前沿微信公眾號]4D毫米波雷達在自動駕駛中的應用越來越普遍，毫米波雷達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，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”。

圖片源自網絡

4D毫米波雷達通常結合了頻率調制連續波（FMCW）與MIMO（多輸入多輸出）天線陣列的方案。FMCW用于測量目標與雷達之間的距離和徑向速度；通過在時間和頻率上設計合適的波形并進行脈沖間相干處理，可以從回波中分離出速度信息。MIMO設計則將多個發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。再結合數字信號處理（如FFT、波束形成、譜峰檢索等），系統就能輸出帶有三維角度信息和速度信息的目標點云或目標列表，即所謂的“4D點云”或“4D檢測結果”。

需要注意的是，這種雷達并不是直接“看到”物體的細節，而是根據電磁波的反射強度、相位和頻移進行推斷。因此，毫米波雷達輸出的數據與激光雷達那種密集點云在視覺上有所不同，但它在應對惡劣天氣和測量速度方面具有天然優勢。

4D毫米波雷達在感知中能做什么？

將4D毫米波雷達置于自動駕駛的感知系統中，它能發揮直接且實用的作用。4D毫米波雷達對遠距離移動目標的檢測和速度估計非常可靠，適合用于碰撞預警、巡航控制、盲區監測以及高速場景下的目標跟蹤。由于雷達可以直接測量徑向速度（多普勒頻移），無需像視覺系統那樣依賴多幀計算來估算速度，因此在判斷來車是否靠近、相對速度是否危險時更具優勢。

圖片源自網絡

現階段4D毫米波雷達的角度分辨率已有明顯提升，能夠區分緊鄰的目標，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），這對復雜交通場景至關重要。4D毫米波雷達天生對霧、雨、雪、灰塵等有較強的穿透能力，能在能見度差的情況下繼續提供可靠的距離和速度信息，這恰是相機和激光雷達的短板。

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

4D毫米波雷達的關鍵性能指標

要理解4D毫米波雷達的能力與局限，需要關注幾個關鍵指標。距離分辨率直接取決于4D毫米波雷達的帶寬配置。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，要細致分辨近距離相鄰的小目標，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。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，天線數量不可能無限增加，因此4D毫米波雷達的角分辨率通常仍不及大尺寸的激光雷達。

速度分辨率的性能取決于脈沖重復策略、幀結構設計以及信號相干性保持能力。4D毫米波雷達能直接提供徑向速度，這在動態場景中極具價值；但需注意這是沿4D毫米波雷達到目標連線方向的速度分量，對于橫向移動或復雜軌跡，僅憑徑向速度需結合角度信息與多幀跟蹤才能準確解釋。

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

與激光雷達（LiDAR）比較，各自擅長與短板在哪里？

激光雷達的優勢在于能生成高密度、高精度的3D點云，其空間分辨率和角度精度都很高，非常適合精細建圖、點云分割和精確定位。激光雷達能較直觀地呈現物體形狀，便于后續進行語義理解或邊界估計，在靜態物體檢測和低速復雜場景中表現出色。

圖片源自網絡

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

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

因此，在任務指向上，兩者具有明顯的互補性：如果目標是高速路上穩定的目標跟蹤與速度判斷，雷達是極佳選擇；而如果需要構建高精地圖、實現精確的車輛與障礙物相對定位，或識別小尺寸靜態目標，激光雷達則更具優勢。

4D雷達能不能取代激光雷達？

關于4D毫米波雷達能否替代激光雷達，其實很難直接給出明確答案，只能說在某些功能上，4D毫米波雷達已經能夠替代激光雷達；但在實現完全自主、在所有場景下都可靠地進行語義理解與精確定位的高級自動駕駛任務中，目前4D毫米波雷達還難以單靠自身完全取代激光雷達。

如對于自適應巡航、車道居中（需結合車載慣性或視覺輔助）、盲點監測、緊急制動和高速目標預警等基礎駕駛輔助功能，依靠4D雷達聯合攝像頭完全可以實現，并具備實用穩定性。在這些場景中，4D毫米波雷達的穿透能力和速度分辨能力為系統提供了強大的魯棒性和安全邊際。

圖片源自網絡

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

除了技術方面，其實還需要考慮成本和產業鏈因素。高性能激光雷達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毫米波雷達要達到與LiDAR相近的空間分辨率，可能需要更寬的帶寬、更復雜的天線設計和更強大的信號處理，這也會帶來成本與復雜度的上升。

4D毫米波雷達部署時需要注意哪些問題？

在將4D毫米波雷達部署到車輛上時，有許多工程細節需要處理。天線與ECU的熱管理、車輛外殼遮擋、天線布局造成的盲區，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的俯仰覆蓋與旁瓣分布，進而影響對近地小目標的檢測能力。

另一個要考慮的問題是環境干擾與同頻干擾。隨著車用雷達的普及，頻譜擁擠和相互干擾已成為現實問題，系統需要在算法層面進行抗干擾設計。雷達還容易受到路面散射、多路徑反射和立體結構的干擾，這需要穩健的跟蹤與數據關聯算法來減少誤報與漏報。

在軟件方面，基于雷達的目標分類技術仍在不斷進步。傳統上雷達更偏向于檢測和跟蹤，近年來借助機器學習（尤其是深度學習），從雷達的原始回波或微多普勒特征中能夠做出更高層次的判斷（例如區分行人、車輛、騎行者）。這些方法進步迅速，但也需要大量標注數據和跨場景驗證。

最后的話

4D毫米波雷達是自動駕駛感知系統中非常重要且日益強大的一員。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，激光雷達在空間分辨率和幾何細節上的優勢目前仍難以被完全取代。真正可行且更穩妥的路線，是將4D毫米波雷達與攝像頭、激光雷達合理融合，通過軟硬件協同提升感知的魯棒性和安全性。

審核編輯 黃宇