传感器篇（三）——4D毫米波雷达

目录

一 概要

二 原理

三 对比

四 产品

五 结论

        如今，马路上的智能驾驶汽车越来越多，从自动跟车到自动泊车，这些炫酷功能的背后，离不开传感器的 “火眼金睛”。当激光雷达因高昂成本引发争议，传统毫米波雷达又稍显 “力不从心” 时，一款全新的黑科技传感器 ——4D 毫米波雷达，正悄然登上舞台，它究竟藏着怎样的奥秘？又将给智能驾驶带来哪些颠覆性的改变？今天，咱们就一起来揭开它的神秘面纱！

一 概要

二 原理

        4D 毫米波雷达，简单来说，就是能在速度、距离、水平角度、垂直高度四个维度，对目标物体进行探测的雷达。它的工作原理基于毫米波技术，通过发射毫米级的电磁波（波长在 1 到 10 毫米之间，频率范围在 24 到 300 兆赫兹之间），与周围物体接触后，这些电磁波会发生反射，4D 毫米波雷达接收这些反射波，通过反射波的时间差，从而精确计算物体的运动状态。

        在这个过程中，多普勒效应起到了关键作用。当物体与车载传感器相对运动时，反射波的频率会发生变化。物体靠近车辆的时候，频率会增高；物体远离车辆的时候，频率会降低。通过测量反射波的频率差，就可以得到目标物的速度。

        另外，4D 毫米波雷达还利用相位法测角原理，通过多个接收天线，并计算它们之间反射波的相位差，确定目标的方位角。

        与传统毫米波雷达不同的是，4D 毫米波雷达还能探测目标的俯仰角，即高度信息。它的接收天线呈水平直线排列，并且利用了 MIMO（多输入多输出）技术，在垂直方向上形成了一种虚拟孔径阵列，从而实现高度方向上的测量。这一项技术，也是实现4D毫米波雷达小型化、提升高度分辨率的重要技术。

三 对比

A 与传统毫米波雷达对比

        传统的 3D 毫米波雷达，只能测量目标物体的距离、速度和方位角，缺少对高度信息的探测 。这就导致它在一些场景下会出现误判，比如难以识别道路上的井盖、减速带以及悬挂着的道路标识牌等。而 4D 毫米波雷达增加了 “高度” 这个维度的探测，能够更好地了解和绘制汽车周围的环境地图，大大提升了感知的准确性和全面性。

        在角度分辨率方面，4D 毫米波雷达也有了质的飞跃。它的角度分辨率可以达到亚度（<1°）级别，而传统车载雷达的分辨率通常只在 5 至 8 度之间。这意味着 4D 毫米波雷达能够更精确地确定目标物体的位置，即使是相邻的物体，也能清晰地区分出来。

        此外，4D 毫米波雷达还具备多模工作功能，能够在从近距离到最远 300 米的范围内同时检测目标，相比传统毫米波雷达，检测范围更广，适应性更强。

B 与激光雷达对比

        在自动驾驶领域，4D 毫米波雷达和激光雷达常常被放在一起比较。激光雷达利用激光束的原理，通过发送激光束并接收其反射信号来实现物体的探测和定位，具有非常高的空间分辨率和精度，对于探测固体和液体物体都有很好的效果。然而，激光雷达也存在一些局限性，比如它受到天气等因素的影响较大，在大雨、大雾等恶劣天气下，激光束容易被散射而无法探测物体。而且，激光雷达的成本相对较高，这也在一定程度上限制了它的大规模应用。

        相比之下，4D 毫米波雷达的优势在于成本较低，目前量产成本预计在 1500 元左右，仅为激光雷达的几分之一。它还能全天候工作，不受天气和光线的影响，无论是白天还是黑夜，刮风还是下雨，都能保持稳定的性能。不受遮挡影响，具有一定的穿透性能。并且，4D 毫米波雷达可实现 300m 甚至更远范围的覆盖，比一般感知距离在 210-250m 左右的激光雷达更远。

        不过，4D 毫米波雷达在精度上确实不如激光雷达，目前其建模精度最多可等效 16 线激光雷达，而激光雷达已量产雷达最高线束可达等效 128 线。所以在实际应用中，两者更多地是相互补充，而不是相互替代。

四 产品

A 分类

        市场上的 4D 毫米波雷达型号众多，不同型号在性能、应用场景等方面存在差异。按照探测距离来划分，可分为长距、中距和短距 4D 毫米波雷达。长距 4D 毫米波雷达的探测距离通常在 200 米以上，主要用于车辆的前向探测，能提前感知远距离的目标物体，为车辆的高速行驶提供安全保障，比如在高速公路上，可以及时发现前方远处的车辆、障碍物等。中距 4D 毫米波雷达的探测距离一般在 50 - 200 米之间，常用于车辆的侧向和后向探测，在车辆并线、倒车等场景中发挥重要作用。短距 4D 毫米波雷达的探测距离则在 50 米以内，主要应用于近距离的场景感知，如自动泊车时对周围障碍物的精确探测。

        从应用场景的针对性来看，又可分为前向雷达、角雷达和车内雷达。前向雷达安装在车辆前端，重点关注车辆行驶方向上的目标，对探测距离和精度要求较高；角雷达一般安装在车辆的四个角，用于监测车辆侧面的情况，其探测角度范围更广；车内雷达则主要用于监测车内的人员状态，比如是否有人遗留在车内、驾驶员是否疲劳等。像经纬恒润的 MRR610 属于前雷达，SRR610 为角雷达，二者共平台设计，具有高复用性和高扩展性，支持多种应用扩展 ，能满足不同场景下的智能驾驶需求。

B 国内外厂商及其代表产品

五 结论

        4D 毫米波雷达有着明显的成本优势，其主流方案是基于硅基的 CMOS 工艺 ，成本相对较低，大约在 150 到 200 美元之间 ，仅为激光雷达成本的十分之一左右 。这使得车企在打造智能汽车时，能够以更低的成本实现车辆的智能化升级，将先进的感知技术带给更多消费者。

        在恶劣天气条件下，如暴雨、浓雾、沙尘等，摄像头的能见度会受到极大影响，激光雷达也会因为水汽、灰尘等导致信号衰减，而 4D 毫米波雷达却能稳定工作 。这是因为毫米波具有较强的穿透性，能够有效穿透雨雾、灰尘等介质，受天气影响较小，具备全天时全天候的工作能力 。4D 毫米波雷达在测速方面具有高精度的特点 。它可以通过多普勒效应直接测量目标物体的速度，并且测速精度较高，能够精确到每秒零点几米甚至更小的误差范围 。远距离探测也是 4D 毫米波雷达的一大优势 。它能够实现 300 米甚至更远范围的目标探测 ，相比之下，大多数激光雷达的有效探测距离在 210 - 250 米左右 ，摄像头的探测距离则更短。4D 毫米波雷达还具备高穿透性，能够穿透一些非金属材料，如汽车保险杠等 。这使得它可以安装在车辆内部，不影响车辆的外观设计和空气动力学性能，同时也提高了雷达的稳定性和可靠性 。

        尽管 4D 毫米波雷达在智能驾驶等领域展现出了巨大的潜力，但目前仍面临着一些技术瓶颈，限制了其性能的进一步提升和应用的广泛推广。 在数据融合方面，4D 毫米波雷达与其他传感器（如摄像头、激光雷达等）的数据融合是实现更高级别自动驾驶的关键 。然而，不同传感器的数据格式、时间戳、坐标系等存在差异，如何有效地将这些数据进行融合，实现信息的互补和协同，是一个亟待解决的问题。例如，摄像头提供的是丰富的视觉图像信息，但在恶劣天气下性能会大幅下降；4D 毫米波雷达虽然具有全天候工作的能力，但对目标物体的识别能力相对较弱。如何将两者的数据进行融合，使它们在不同的环境条件下都能发挥优势，为自动驾驶系统提供更准确、全面的环境感知信息，是当前研究的热点和难点之一。 成像质量的提升也是 4D 毫米波雷达面临的一大挑战 。虽然 4D 毫米波雷达能够生成点云图像，但与激光雷达相比，其点云密度较低，图像分辨率和清晰度还有待提高 。这导致在复杂场景下，如城市道路中存在大量行人、车辆和障碍物时，4D 毫米波雷达可能无法准确地识别和区分目标物体，影响自动驾驶系统的决策。此外，毫米波雷达的信号容易受到多径效应、杂波干扰等因素的影响，导致成像出现偏差和噪声，进一步降低了成像质量。 抗干扰能力的优化同样重要 。在实际应用中，4D 毫米波雷达会受到来自周围环境的各种电磁干扰，如其他车辆的雷达信号、通信基站的信号等 。这些干扰可能会导致雷达信号失真、误判，影响其对目标物体的探测和识别能力。特别是在车辆密集的交通场景中，多个车辆的毫米波雷达同时工作，相互之间的干扰问题更加突出。如何提高 4D 毫米波雷达的抗干扰能力，确保其在复杂电磁环境下稳定、可靠地工作，是保障自动驾驶安全的关键。