[首发于智驾最前沿微信公众号]4D毫米波雷达在自动驾驶中的应用越来越普遍，毫米波雷达是指工作在毫米波频段（普通商用汽车多使用76–81GHz范围）的雷达，用于探测周围物体的位置和速度。而所谓的“4D”，是指它能够同时提供物体到车的距离、方位角（左右方向）、俯仰角（上下方向）以及相对速度等四个维度的信息。它可以告诉你“某个物体在什么位置（横向、纵向、高度）”以及“它朝哪个方向移动、移动速度有多快”。

图片源自网络

4D毫米波雷达通常结合了频率调制连续波（FMCW）与MIMO（多输入多输出）天线阵列的方案。FMCW用于测量目标与雷达之间的距离和径向速度；通过在时间和频率上设计合适的波形并进行脉冲间相干处理，可以从回波中分离出速度信息。MIMO设计则将多个发射天线和接收天线组合在一起，通过虚拟阵列合成更窄的波束，从而分辨来自不同方向的回波。再结合数字信号处理（如FFT、波束形成、谱峰检索等），系统就能输出带有三维角度信息和速度信息的目标点云或目标列表，即所谓的“4D点云”或“4D检测结果”。

需要注意的是，这种雷达并不是直接“看到”物体的细节，而是根据电磁波的反射强度、相位和频移进行推断。因此，毫米波雷达输出的数据与激光雷达那种密集点云在视觉上有所不同，但它在应对恶劣天气和测量速度方面具有天然优势。

4D毫米波雷达在感知中能做什么？

将4D毫米波雷达置于自动驾驶的感知系统中，它能发挥直接且实用的作用。4D毫米波雷达对远距离移动目标的检测和速度估计非常可靠，适合用于碰撞预警、巡航控制、盲区监测以及高速场景下的目标跟踪。由于雷达可以直接测量径向速度（多普勒频移），无需像视觉系统那样依赖多帧计算来估算速度，因此在判断来车是否靠近、相对速度是否危险时更具优势。

图片源自网络

现阶段4D毫米波雷达的角度分辨率已有明显提升，能够区分紧邻的目标，检测位于道路不同高度的物体（例如行人站在矮物体旁，或卡车车厢顶部的物体），这对复杂交通场景至关重要。4D毫米波雷达天生对雾、雨、雪、灰尘等有较强的穿透能力，能在能见度差的情况下继续提供可靠的距离和速度信息，这恰是相机和激光雷达的短板。

当然，4D毫米波雷达无法直接感知物体的形状、颜色或纹理，更像是通过“听回声”来判断目标的存在和动态特性。对于某些静止且尺寸较小的物体（例如路面上的塑料袋、薄薄的交通标志牌或低反射角表面），4D毫米波雷达可能不够敏感，或者产生不稳定的回波。

4D毫米波雷达的关键性能指标

要理解4D毫米波雷达的能力与局限，需要关注几个关键指标。距离分辨率直接取决于4D毫米波雷达的带宽配置。理论上，距离分辨率等于光速除以两倍带宽。假设带宽为4GHz，那么距离分辨率约为299,792,458m/s÷（2×4,000,000,000Hz），即约0.0375米，也就是3.75厘米。若带宽降至1GHz，分辨率则会降至约0.15米；带宽越小，分辨率越粗。这说明，要细致分辨近距离相邻的小目标，需要足够大的带宽。

角度分辨率则与天线阵列的物理尺寸和虚拟阵列的等效孔径密切相关。更多的虚拟通道和更大的天线阵列能合成更窄的波束，从而提高角度分辨率。但在实践中，受限于车身空间、天线间相互耦合、成本和散热等因素，天线数量不可能无限增加，因此4D毫米波雷达的角分辨率通常仍不及大尺寸的激光雷达。

速度分辨率的性能取决于脉冲重复策略、帧结构设计以及信号相干性保持能力。4D毫米波雷达能直接提供径向速度，这在动态场景中极具价值；但需注意这是沿4D毫米波雷达到目标连线方向的速度分量，对于横向移动或复杂轨迹，仅凭径向速度需结合角度信息与多帧跟踪才能准确解释。

还有就是探测距离和灵敏度与发射功率、天线增益以及目标的雷达散射截面（RCS）有关。金属大车容易被探测，而体积小、材料吸收性强或处于低仰角的物体回波可能较弱。

与激光雷达（LiDAR）比较，各自擅长与短板在哪里？

激光雷达的优势在于能生成高密度、高精度的3D点云，其空间分辨率和角度精度都很高，非常适合精细建图、点云分割和精确定位。激光雷达能较直观地呈现物体形状，便于后续进行语义理解或边界估计，在静态物体检测和低速复杂场景中表现出色。

图片源自网络

相比之下，4D毫米波雷达在能见度差的环境下稳定性更好，能直接提供速度信息，成本、体积和功耗通常也更友好，且对某些材质和远距离目标更容易探测。毫米波雷达模块也更容易集成到车身不同部位，也更耐用。

但毫米波雷达的角分辨率、点云稠密度和对小目标的检测能力普遍不如激光雷达。即便是提升了角度信息的4D毫米波雷达，其输出的点云也较为稀疏，且可能带有相位噪声与旁瓣伪影，在目标分类和精确形状重建方面仍有难度。此外，毫米波雷达回波与金属材质、物体轮廓及表面角度密切相关，有时可能出现多径反射或镜像目标，需要复杂的信号处理来滤除误报。

因此，在任务指向上，两者具有明显的互补性：如果目标是高速路上稳定的目标跟踪与速度判断，雷达是极佳选择；而如果需要构建高精地图、实现精确的车辆与障碍物相对定位，或识别小尺寸静态目标，激光雷达则更具优势。

4D雷达能不能取代激光雷达？

关于4D毫米波雷达能否替代激光雷达，其实很难直接给出明确答案，只能说在某些功能上，4D毫米波雷达已经能够替代激光雷达；但在实现完全自主、在所有场景下都可靠地进行语义理解与精确定位的高级自动驾驶任务中，目前4D毫米波雷达还难以单靠自身完全取代激光雷达。

如对于自适应巡航、车道居中（需结合车载惯性或视觉辅助）、盲点监测、紧急制动和高速目标预警等基础驾驶辅助功能，依靠4D雷达联合摄像头完全可以实现，并具备实用稳定性。在这些场景中，4D毫米波雷达的穿透能力和速度分辨能力为系统提供了强大的鲁棒性和安全边际。

图片源自网络

然而，当场景切换到城市低速复杂路口、需要精确判断行人或骑行者的姿态，或在狭窄道路中进行微米级避障与定位时，激光雷达提供的高分辨率几何信息仍然难以被4D毫米波雷达替代。激光雷达能更准确地测量边缘、曲面与小尺度障碍物，这对路径规划与轨迹生成至关重要。此外，许多自动驾驶系统目前依赖激光雷达进行建图与定位（例如基于点云的定位），要将这些功能完全用4D毫米波雷达替代，还需要重新设计整套定位与映射方案，这不是单一模块能解决的。

除了技术方面，其实还需要考虑成本和产业链因素。高性能激光雷达的价格近年来已大幅下降，改变了“LiDAR一直太贵”的旧有印象；而4D毫米波雷达要达到与LiDAR相近的空间分辨率，可能需要更宽的带宽、更复杂的天线设计和更强大的信号处理，这也会带来成本与复杂度的上升。

4D毫米波雷达部署时需要注意哪些问题？

在将4D毫米波雷达部署到车辆上时，有许多工程细节需要处理。天线与ECU的热管理、车辆外壳遮挡、天线布局造成的盲区，以及车身电磁兼容性（EMC）都是必须解决的问题。天线的安装位置会影响雷达的俯仰覆盖与旁瓣分布，进而影响对近地小目标的检测能力。

另一个要考虑的问题是环境干扰与同频干扰。随着车用雷达的普及，频谱拥挤和相互干扰已成为现实问题，系统需要在算法层面进行抗干扰设计。雷达还容易受到路面散射、多路径反射和立体结构的干扰，这需要稳健的跟踪与数据关联算法来减少误报与漏报。

在软件方面，基于雷达的目标分类技术仍在不断进步。传统上雷达更偏向于检测和跟踪，近年来借助机器学习（尤其是深度学习），从雷达的原始回波或微多普勒特征中能够做出更高层次的判断（例如区分行人、车辆、骑行者）。这些方法进步迅速，但也需要大量标注数据和跨场景验证。

最后的话

4D毫米波雷达是自动驾驶感知系统中非常重要且日益强大的一员。它将距离、角度和速度合并为更丰富的输出，使恶劣天气与高速场景下的感知更加可靠。在某些功能上，它已具备替代激光雷达的能力，尤其是在以速度和长距检测为主的场景中。但就全面替代而言，激光雷达在空间分辨率和几何细节上的优势目前仍难以被完全取代。真正可行且更稳妥的路线，是将4D毫米波雷达与摄像头、激光雷达合理融合，通过软硬件协同提升感知的鲁棒性和安全性。

审核编辑 黄宇