毫米波雷达剑指自动驾驶，大陆、华为推出的4D成像会是“最优解”吗？

图片来源@视觉中国

文丨智能相对论（ID：aixdlun），作者丨leo陈

马斯克上个月在推特上表示，特斯拉FSD的Beta 9.0版本将不再依赖于雷达。若它真正到来，意味着特斯拉又重整旗鼓，回到了纯视觉的自动驾驶方案。

目前，特斯拉已经更新了北美官网的Model 3宣传页面，关于FSD的内容仅保留了视觉和超声波传感器部分，此前毫米波雷达的信息已经被撤掉。取而代之为：“250米的强大视觉处理能力”。

不同于特斯拉对毫米波雷达模棱两可的态度，产业链各端的一些玩家将毫米波雷达作为自动驾驶、辅助驾驶里重要的组成之一，只是它过去被外界讨论的热度并不高。当我们谈及感知路线之争时，讨论的都是摄像头vs激光雷达，但其实这两个方案都融入了毫米波雷达。

不过去年中期，德国大陆推出全球首个4D成像毫米波雷达后，它似乎成为了一个呼之欲出的小风口。今年上海车展前夕，华为也举办了HI新品发布会，发布新一代高分辨率4D成像雷达，用于自动驾驶解决方案核心传感器。

为何传统毫米波雷达在车载方面的市场议论度较小？近两年出现的4D成像雷达表现又如何？

毫米波雷达，丢失的纵向与模糊的横向维度

毫米波雷达对人们而言还比较陌生，但在行业内，车载毫米波雷达在欧美已经有了二十多年的成功商业化经验和市场的累积。有数据显示，博世、大陆、电装等全球前五大巨头占据了75%以上的市场份额。

发展至今，毫米波雷达在传统巨头们这里是相对成熟的车用感知传感器，成本相对低廉，其和摄像头的感知融合也是早期实现L2级辅助驾驶的首选方案。

传统Tier 1不仅占据了“蛋糕”，而且掌握着切“蛋糕”的“刀”。所以，新晋玩家很难从中撕开一道口子，去影响他们和下游车企之间长期捆绑的利益关系。自然地，专注毫米波雷达的新晋玩家不会选择和这些Tier 1“硬碰硬”，会更希望探寻新的技术创新去实现弯道超车。

市场格局趋于稳定，是传统毫米波雷达在外界看来存在感不强的原因之一。而另外一个原因，是当自动驾驶驶向L3、L4时，传统毫米波雷达的技术不足逐渐被放大。在「智能相对论」看来，有以下两个方面：

1、 “看不见的Y轴”

传统毫米波雷达在纵向测高能力上有所欠缺，可以理解为缺乏对垂直平面的“理解”能力。

因为该“理解”能力缺失，导致毫米波雷达“看不出”比如桥梁、路牌的高度，在它的“眼”里，这些静止的物体都会被视为在地面这一平面。基于这样的前提，如果不把他们反射的信号全部过滤掉，毫米波雷达无疑就会发出前方有障碍的错误预警，造成“幽灵刹车”。

但是，当桥梁、路牌下有静止车辆时，则可能会导致交通事故发生。

特斯拉曾经发生过几个撞向货车的事故，就是典型案例。其中，特斯拉的摄像头感知失效，无法识别出前方停下的货车。而毫米波雷达作为备用传感器，本应该识别出前方障碍物，并发出预警，但毫米波雷达也不起作用了。

因为静止货车的信息和那些信息杂糅在一起，前者也会被雷达的识别算法一并过滤掉。毫米波雷达识别出静止物体，但是却因此“无视”它的存在。这样，毫米波雷达隐身，摄像头又失效，自动驾驶汽车成了瞎子和聋子，最终撞上静止的货车。

2、 “模糊的X轴”

传统毫米波雷达另一个局限是横向分辨率低，可以理解为对水平平面的“理解”能力薄弱。

横向分辨率是指左右两个扫描的激光点形成的夹角，夹角度数越小，横向分辨率越高。如果和激光雷达相比，毫米波雷达的横向分辨率不具备优势。

比如，特斯拉过去出现的问题：前面一辆车停在马路旁边，可能有半个车身在车道上，这个时候特斯拉会因为毫米波雷达的横向分辨率不足，识别不出车辆而更容易撞上去。

关于这样的问题，特斯拉在佛罗里达州曾有两次事故，就是因为毫米波雷达不能测横向速度，造成识别不出前方车辆是移动的，最终导致车辆来不及刹车。

所以综合来看，传统毫米波雷达在“理解”垂直和水平平面时都分别存在不足，也决定了传统毫米波雷达很难去适应高阶自动驾驶感知系统的传感器。不过，近期活跃的4D成像雷达似乎让我们看到一些新的可能。

由量变到质变，4D成像雷达的两条路线

4D成像雷达之所以出现，某种说法是激光雷达和摄像头亮眼表现的倒逼。自动驾驶对感知的要求提升，摄像头由200万像素升级到800万像素，半固态激光雷达开始加速上车。而最初的毫米波雷达，也同步地升级成了如今的4D成像毫米波雷达。

从近两年厂商们放出的demo或ppt来看，4D成像雷达的确在技术上解决传统毫米波雷达的一些重大缺点，并且放大了毫米波雷达的优势。今年上海车展参展的大陆、华为等，就是其中的代表厂商。

在这个过程中，大致的实现方式无非就是硬件上增加收发通道数量，扩大天线孔径的同时满足水平和垂直方向对分辨率的要求。从而达到除了传统毫米波雷达以外，增加一个垂直方向的维度信息，即3D升级4D。这也是此次上海车展中4D成像雷达的主流方案。

其实单从技术角度，我们看到更多的是技术革新带来的“量变”而不是“质变”，若厂商当下只注重突出参数难免有“过分营销”之嫌。而真正利用它去推动相关产品实现落地，才是体现出了“质变”。在「智能相对论」看来，有着以下两种可行方向：

1、 聚焦细分需求，找到商用场景变现的全新思路

4D成像雷达有着不惧暴雨、强光等恶劣环境的全天候运作特性，而另一方面，4D成像雷达是毫米波雷达的一种“升维”，也延续着过去的优势，就是成本。

这两个特点其实给予了它在封闭园区等商用场景，去做无人驾驶技术实现和商业化落地的机会。其中“无人配送小车”就是一个合适的选项，因为现阶段有关于它的量产还存在着传感器性价比和全天候运作的问题，能让4D成像雷达去改善。

无人配送小车低速行驶，现阶段大多使用较少线束的激光雷达。激光雷达发展迅猛，是成本的下降，只是还不够亲民。激光雷达为主的传感器方案使得单车成本太高，是无人配送商业化落地的主要障碍，这也早已是行业共识。

所以，人们对于无人配送小车的传感器成本十分敏感，会乐意看到保证足够性能，也更具性价比的无人驾驶方案。通过多个4D成像雷达组合，也许可能做到这一点。

比如高工智能汽车曾报道，长城汽车、易航智能和Oculii联合打造的无人物流小车，基于4D成像雷达，为低速物流园区场景提供定制化的感知方案。该无人小车可以全天候对周边360°低速或静止的行人、障碍物、小物体进行点云成像、识别和跟踪，其点云效果很接近激光雷达。

4D成像雷达在进一步压低成本后，能够帮助缩短无人小车的量产周期，降低其商业化难度。因此4D虽只是3D“升维”，但“成本效率”更佳，封闭场景“附加值”更高。可以预见的是，出于平衡的考量，它会在更多特定场景下代替低成本的激光雷达。

若继续放大来看，厂商选择在封闭商用场景实现商业化落地，对自身而言也是一种“由近及远”的发展思路。在风险较小的特殊场景应用成熟后，渐进式过渡至难度较大的智能汽车自动驾驶。虽然不一定能赶上“早集”，但前进的脚步也许会迈得扎实。

2、做时间的朋友，构建整套自动驾驶方案最佳落地姿势

4D成像雷达相比于汽车的另外两双“眼睛”，看的距离更远。

比如，采埃孚将于2022年向上汽集团提供的雷达，最远探照距离可达350m；华为发布的高分辨率4D成像雷达，探测距离可以做到300m，传统的通常为200m。所以值得肯定的是，4D成像雷达给自动驾驶系统留下更多处理时间，这是摄像头、激光雷达难以超越的优势。

这也给出了一种思路，在落地整套自动驾驶方案时，4D成像雷达、摄像头、激光雷达可以互为补充。如果将三者的信号做有效融合和冗余，将会推进整套方案逐步接近理想传感器的目标。

那如何去定义理想传感器的目标呢？在「智能相对论」看来，“全能”是一个合适定义它的核心关键词。由这一个核心延展出多个基本点，比如“技术全能”、“场景全能”。

对于4D成像雷达而言，结合汽车功能安全的准则“车规级应用多安全都不为过”，仅仅就探测距离远、不惧恶劣天气这些特点而言，就已经验证它是自动驾驶实现“技术全能”时不可或缺的传感器了。

4D成像雷达带着这些技术特点融入进来后，就可以“解锁”出更多功能场景，推动整套自动驾驶解决方案“场景全能”。

再以华为举例，在HI新品发布会上，华为有提到4D成像雷达“三大能力”和“六大价值”。前者包含的大部分技术内容在行业内不算新鲜了，并非人无我有。但是，后者所涉及的新功能场景，我们作为用户是值得去期待的。

比如有高速巡航、安全避障、城区巡航、非视距前前车检测等等。华为指出，对于城区巡航，4D成像雷达的大视场无模糊能力可以匹配一些城区场景（人车混行、大小目标并行、被遮挡场景）；对于高速巡航，如果220m外两辆车完全同速同距，位于相邻车道，4D成像雷达可以通过角度分辨出来。

所以目前来看，4D成像雷达会是自动驾驶领域不可忽视的感知传感器。华为、大陆、采埃孚、Arbe等主机厂和供应商都在布局其中。各大厂商军备竞赛背后，一定会是4D成像雷达的技术愈发成熟，随之而来的，可能就是高阶自动驾驶离我们更近一步。

结语

高阶自动驾驶对车载毫米波雷达提出了新要求，催生出4D成像雷达，但也不能忽略ADAS国产化还没有成熟的现实，目前市场仍被高度垄断。如果大家都只是过分追求战胜高阶自动驾驶的“新”挑战，而错过眼前ADAS前装市场发展窗口期，对于毫米波雷达厂商并不是一个健康的信号。

ADAS国产化的先天优势在于，厂商更靠近终端客户以及中国本地化的道路场景，对需求的把握更为精准。智能汽车与自动驾驶盛世，对于软硬件定制化的要求比过去更高，而海外Tier 1恰恰无法在短期内针对中国市场进行灵活定制，这在一定程度上为国内厂商的突围创造机遇。

那么，应用于ADAS其实意味着近距离的产品落地与抢占市场，应用于高阶自动驾驶则意味着要漫长的坚持去奔向星辰大海，厂商可选其一也可同步进行。选择很多，4D成像雷达未来会如何呈现在大家面前，还需耐心等待。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App