一次性搞懂4D毫米波雷达

作者 / 于雷

最近，小米和蔚来领投赛恩领动，又将4D毫米波雷达推上热搜。

但实际上，这已经不是4D毫米波雷达第一次被广泛关注到，众多海内外Tier1和初创公司都已经对此布局多年，甚至就连坚定的视觉派特斯拉，也被推测即将在HW 4.0上用到4D毫米波雷达。

那么，这里被多次提到的4D毫米波雷达到底是什么？应用前景如何？现在又走到哪一步了呢？欢迎观看这期节目，与机器智行一同寻找答案。

能「成像」的4D毫米波雷达

过去被大家熟知的毫米波雷达，其实可以被称为3D毫米波雷达。3D是指它可以测量距离、方位和速度，这三个维度的信息。4D毫米波雷达则又在此基础上，增加了俯仰角的测量能力，也就是能够检测到障碍物的高度信息。

这样，就不像原来只能将前方障碍物的返回信号，粗暴地排列在二维平面上，而是能够立体的呈现在三维空间内。不仅输出的信息更完整，能够识别静态障碍物、判断动态障碍物的行为，以及通过进一步细化各类场景策略，解决幽灵刹车等问题。

其还能够依靠毫米波无视天气、光线的全天候全天时特性，和摄像头、激光雷达等传感器进行更好的融合，提高系统在低光照、恶劣天气等复杂场景的检测性能和跟踪稳定性，减少漏检、虚警概率。

相比于3D毫米波雷达，4D毫米波雷达可以说是有了质的飞越。不过，这还只是初代产品的能力，现在它们还在追求更加稠密的点云，射频收发通道已经达到了3D毫米波雷达的十几乃至几十倍，通过更加密集的返回信息，已经可以勾勒出目标轮廓，甚至还有潜力更进一步对目标进行分类和识别。所以，有着更高分辨率的4D毫米波雷达，也被称作4D成像雷达。

会用来干什么？

在前面，有一个大家非常熟悉的词「点云」。只不过，4D毫米波雷达的点云密度和点云质量，和激光雷达相比还有不小差距。但相对的，4D毫米波雷达在成本上，也有着很明显的优势。

公开信息显示，传闻中特斯拉4D毫米波雷达供应商Arbe的产品价格仅在100-150美元之间，采埃孚、大陆的价格略贵，但基本也只高出50美元左右。而最便宜的半固态激光雷达，目前也要数千元人民币。

所以，现在行业中的主流看法，也不是要让4D毫米波雷达，实现等同于激光雷达的能力。而是在接下来的发展中，通过替代传统3D毫米波雷达，去提高整个系统的感知性能。随着整个系统能力的提高，就可以减掉一些不必要的传感器，也包括补盲激光雷达。

比如，Mobileye已经计划在2025年，将他们L4级自动驾驶系统中的6个毫米波雷达，全部替换成4D成像雷达。有了4D成像雷达更好的感知能力，就可以将两个侧向激光雷达取消，只保留一个前向远距离激光雷达。这样在保证性能的同时，还能够进一步降低成本。

「挑战」尚存

目前，4D毫米波雷达还是一个比较新的产品，只在宝马、飞凡、深蓝等个别品牌上装车，更多的供应商还未实现产品的规模化量产。4D毫米波雷达的普及应用，也存在着很多技术问题。

比如，复杂的硬件设计，导致的工程化问题；雷达波数变多，带来的存储、并行数据处理等问题；还有就是算法。

现在车企都希望能够自己掌握灵魂，但却缺乏毫米波雷达相关的算法经验。而且，由于技术的变化，过去3D毫米波雷达的算法，已经不能直接拿来应用了。因为，之前对目标的定义是点目标，到了4D毫米波雷达之后，对目标的定义就变成了扩展目标，信号处理、点云处理架构都不一样。

4D毫米波雷达的算法还需要做目标分类，引入机器学习，这即使是对于一些有着很深经验积累的Tier 1来说，也是一个新挑战。可能除了原本就比较注重算法能力的供应商之外，都需要重新建设这方面的核心竞争力。

所以，短期来看，车企自己掌握4D毫米波雷达灵魂还很难。主流方案还是会像之前一样，将算法集成到硬件里面，但这里也会存在新的问题。

比如，Arbe采用的的集成芯片方案是将多发多收天线集成在一颗芯片中。那样的话，一旦流片，算法也就固化了。之后，只能针对特定场景做个别参数配置的修改，无法对功能进行大幅度调整。如果主机厂测试过程中，需要调整算法，就会带来很多额外的设计成本和时间成本，也会影响上车的进度。

虽然，现在距离4D毫米波雷达的大规模应用，可能还有一段时间。但供应商之间，已经进入到了白热化竞争阶段。2023年，也会看到更多公司亮出更多招式，一些目前存在的难题，可能也会在今年有了答案。