[首發于智駕最前沿微信公眾號]在自動駕駛的感知系統中，毫米波雷憑借其全天候工作的特性，讓它在雨雪霧霾等惡劣天氣下依然能夠穩健地測量障礙物的距離和速度。然而，在一些討論毫米波雷達的話題中，有一個話題比較有意思，那就是毫米波雷達無法識別到行人，那這個說法準確嗎？

行人為何成了雷達眼里的隱形人？

要理解毫米波雷達是否可以探測到行人，首先要了解一個概念，那就是雷達散射截面（RCS）。簡單來說，RCS衡量的是一個物體反射電磁波的能力。物體越大、材質導電性越好、表面形狀越平整，它的RCS就越大。在道路上，汽車這種全身覆蓋金屬、體積龐大的物體，對毫米波雷達來說就像是黑夜中的探照燈，極其顯眼。

圖片源自：網絡

相比之下，人體大部分由水組成，而水對毫米波具有很強的吸收作用，反射回來的信號本就微弱。再加上行人的體積遠小于車輛，且衣物等軟質材料會進一步散射波束，導致行人在雷達眼中就像是一個若隱若現的灰度點。

這種先天性的物理差異，使得傳統毫米波雷達在捕捉行人信號時，會面臨信噪比過低的問題，稍不留神就會被淹沒在背景雜波中。

此外，毫米波雷達的波長通常在幾毫米級別。雖然它能穿透雨霧，但它對物體的形狀刻畫能力較弱。在早期的三維毫米波雷達看來，路邊的行人、電線桿或是金屬護欄，返回的信號點可能非常相似。由于缺乏高度信息和精細的分辨率，系統很難僅憑幾個孤立的反射點就斷定前方是一個正在過馬路的人。

是“看不見”還是“不敢看”？

如果說信號微弱是物理限制，那么算法過濾則是另一個人為原因。傳統毫米波雷達在檢測靜態物體時存在嚴重的權衡問題。為了防止系統因為探測到井蓋、路牌或者橋墩而頻繁觸發幽靈剎車，會設置過濾機制，將相對速度接近于零或者是回波特征不明顯的靜態目標直接過濾掉。

行人恰恰處于這種尷尬的境地。當行人靜止或者緩步橫穿馬路時，他們在雷達徑向上的速度分量非常小。如果雷達性能不足以區分路面雜波與行人的微小動向，為了保證行車的平順性和減少誤報，系統可能會將這些行人信號視為無效干擾。這也是為什么有一些老款車型的毫米波雷達雖然能測到前方有障礙物，卻選擇視而不見的主要原因。

不過，隨著信號處理技術的進步，微多普勒的技術開始應用。當行人行走時，手腳的擺動會產生不同于身體軀干的細微頻率變化。通過捕獲這些動態特征，雷達即使在信號微弱的情況下，也能通過算法判定前方是一個具備生命特征的移動目標。

4D成像技術如何讓雷達看清輪廓？

近年來，4D成像雷達的出現徹底改寫了雷達對行人感知的短板。所謂的“4D”，是指在原有的距離、速度、水平角度基礎上，增加了“高度”維度的探測。以往的雷達看世界就像是看一張沒有厚度的黑白照片，而4D成像雷達則能提供像激光雷達一樣的稠密點云。

圖片源自：網絡

通過增加發射和接收天線的數量，4D成像雷達的角分辨率得到了質的飛躍。它不再只是看到幾個孤立的點，而是能勾勒出目標的粗略輪廓。更重要的是，有了高度信息后，系統能清晰地區分出地面上的行人、空中的限高桿和路邊的護欄，極大地減少了漏檢。

目前的行，雷達點云密度的爆發式增長，一些4D數字成像雷達的點云密度已超過每秒10萬點，這種級別的分辨率使得雷達能夠像攝像頭一樣識別目標類型。這種能力的提升，意味著即使在完全黑暗或者是攝像頭被強光致盲的情況下，雷達依然能獨立完成對弱勢道路參與者的精準探測。

多傳感器融合推動自動駕駛發展？

雖然毫米波雷達在飛速進化，但在自動駕駛領域，從來沒有哪一種傳感器是萬能的。對于行人的感知依賴于多傳感器的深度融合。攝像頭擅長分類識別，能看清行人的穿著和朝向；激光雷達擅長高精度三維重建；而毫米波雷達則負責全天候的測速和冗余校驗。

圖片源自：網絡

在目前的量產方案中，4D毫米波雷達會與視覺方案進行互補。當視覺系統因為光照突變或者雨水遮擋出現感知波動時，毫米波雷達提供的距離和速度數據便成了最后一道安全防線。這種融合方案不僅提升了行人感知的準確率，也顯著降低了系統誤判帶來的安全隱患。

隨著4D雷達成本的降低和安裝量的攀升，這種技術不僅填補了純視覺方案在測距上的不足，也彌補了普通雷達對行人探測能力的缺陷。可以說，毫米波雷達無法感知行人的時代已經成為過去，取而代之的是一個更加高清、智能且全時待命的電子眼。

審核編輯 黃宇