刚刚，又一款智能汽车面世！主打卖点竟是「 4D 毫米波雷达」

亮点不少、价格不详，还是那个问题：你买吗？

作者 | 田哲

毫米波雷达此前被认为是辅助驾驶的核心，在L3及以上自动驾驶系统中应用始终有限。

在4D毫米波雷达出现后，这一局面或将改变，端倪显现于相关企业近期纷纷接触、采用4D毫米波雷达方案。

刚刚，R汽车在深圳大运中心发布了一款新车：ES33。

这款车配备英伟达DRIVE AGX Orin算力芯片，算力达到500-1000+TOPS。

相比同级竞品，它的最大卖点之一是搭载了中国区首发的PREMIUM 4D毫米波雷达。

据悉，这款车目前在上海临港工厂制造，将于2022年上市。

4D毫米波雷达在业界也并非特别陌生的词汇：

Waymo在2020年初宣布其第五代自动驾驶感知系统中将会搭载4D毫米波雷达。

特斯拉软件黑客“green”曾在Model 3中发现名为“Phoenix”的新雷达选项，后证明为一款4D毫米波雷达。

华为在去年北京车展上透露正在研发4D毫米波雷达。

以上种种信息透露这一名为“4D毫米波雷达”的陌生物种正吸引自动驾驶行业目光。

那么，4D毫米波雷达是何物？它将对自动驾驶产生何种影响？未来是否能够全面替代激光雷达？

4D毫米波雷达的崛起

所谓4D毫米波雷达，其实是传统毫米波雷达的进化结果。

传统毫米波雷达通过发射锥状电磁波波束并检测回波，以此判断汽车车身与其他物体的相对距离、速度、角度及方位，再交由中央处理单元决策。

在探测范围上，传统毫米波雷达仅可探测距离、方位以及速度三个维度。由于其无法探测高度，搭载传统毫米波雷达的车辆在行驶中时常因此导致事故。

2016年6月，美国俄亥俄州一名白人男子在使用搭载毫米波雷达的特斯拉Autopilot辅助驾驶时发生事故死亡。

特斯拉的官方描述对这起事故进行解释：

• 当时 Model S 行驶在一条双向、有中央隔离带的公路上，自动驾驶处于开启模式，此时一辆拖挂车以与 Model S 垂直的方向穿越公路。

• 在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。由于拖挂车正在横穿公路，且车身较高，这一特殊情况导致 Model S 从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击。

目前，传统毫米波雷达并非自动驾驶车辆中的主传感器。但4D毫米波雷达出现后，自动驾驶汽车主传感器或将易主。

4D毫米波雷达在原有距离、方位、速度的基础上增加了对目标的高度维数据解析，能够实现距“3D+速度”四个维度的信息感知，可以有效地解析目标的轮廓、类别、行为。

这意味着4D毫米波雷达系统可以适应更多复杂路况，包括识别较小的物体，被遮挡的部分物体以及静止物体和横向移动障碍物的检测。

同时，4D毫米波雷达通过四种解决方案，还可解决传统毫米波雷达角分辨率低、点云密度低等问题：

• 基于传统CMOS雷达芯片，提供软件虚拟雷达孔径；

• 将多发多收天线集成在一颗芯片，直接提供成像雷达芯片；

• 将77GHz/79GHz的标准雷达芯片多芯片级联；

• 通过超材料研发新型雷达架构。

先看软件虚拟雷达孔径，其核心在于通过软件模拟，增大毫米波雷达的孔径以提升角分辨率。

角分辨率即为雷达的指向精度。比如雷达指向精度0.01弧度（换算成角度就是0.6度），那么自动驾驶车辆可以在100米的距离获得1米的分辨率。

在雷达中，角分辨率的高低与波长与孔径大小有关。即波长越长，角分辨率越低，孔径越大，分辨率越高。

传统毫米波雷达大多为24GHz，波长较长且孔径小，其特性注定角分辨率低。倘若扩展天线的尺寸或者增加天线的数量，可以提高雷达性能，但也会显著增加成本、尺寸和功耗。

而4D毫米波雷达可通过虚拟孔径成像软件算法和天线设计，模拟数倍、甚至数十倍天线以提升角分辨率。

美国的4D成像雷达公司傲酷推出的商用4D成像雷达EAGLE，其搭载虚拟孔径成像软件可动态发送相位调制的自适应波形。

该波形可跟随环境实时变化，并随时间编码数据，从而可雷达硬件的角分辨率最高提升达100倍。最终实现120°水平 / 30°纵向的宽视场中提供0.5°水平 x 1°纵向的角分辨率。

再看成像雷达芯片。

毫米波雷达根据点云密度由低至高可分为24GHz、77GHz、79GHz三种，其中24GHz为市场主流，77GHz及79GHz初入量产阶段。

点云密度低意味着自动驾驶车辆在行驶中无法对周围行人、车辆、桩桶点云成像，使得仅搭载毫米波雷达的车辆无法在复杂路段行驶。

而目前4D毫米波雷达普遍为77GHz及以上频段，车辆可在行驶中达到类似激光点云的成像方式。

该技术的代表公司为以色列初创公司Vayyar，其推出的单片成像雷达可通过获取动态点云构建实时、高分辨率的四维可视化机舱和汽车外部环境。

其三是多芯片级联。

芯片级联可分为二级联、四级联、八级联三种方法。通过将2个/4个/8个的3发4收的芯片联为一体，组成6发8收/12发16收/24发/32收芯片。

然而，此种传统提高角分辨率的方式，只是简单堆砌更多芯片、更多天线。例如提高角分辨率到1度角，必须通过四个芯片级联、增加天线。但雷达硬件受成本、尺寸、功耗的限制较大，较少公司采用此方法提高角分辨率。

最后是超材料研发新型雷达架构。

通过在超材料表面上嵌入显微结构，该结构可结合电磁波传播技术，以此创建出比传统电路要小很多的电路。

此类技术为代表的公司是Metawave，其SPEKTRA雷达通过模拟波束并不断转向波束，可对350米以上的车辆和200米以上的行人进行检测和分类。

4D毫米波雷达的四种方案，针对传统毫米波雷达缺陷逐个击破，以此拿到进入L3自动驾驶的门票。

4D毫米波雷达，自动驾驶的福音？

在主流的自动驾驶感知方案中，激光雷达凭借其高精度的成像能力始终占据着C位，一直有着难以替代的地位。

今年车规级激光雷达纷纷量产上车元年，更将其推向大众市场。自年初起接连传出小鹏、蔚来、本田、丰田雷克萨斯、长城等车企宣布将与激光雷达厂商联合于2021年推出激光雷达量产车型。

据悉，车规级激光雷达大规模量产后，其研发成本已分摊降至数百美元。

长期扮演配角的毫米波雷达还有翻身当C位的机会吗？

自动驾驶解决方案提供商Arbe 的 CEO Kobi Mrenko 曾对 GeekCr 表示，未来 4D 成像雷达可成为自动驾驶核心部件。

在他看来，Arbe 的 4D 毫米波雷达可在现有雷达有优点的基础上，通过四个维度感知环境，可提供比传统毫米波雷达以及激光雷达更为丰富的数据。

搭载激光雷达或毫米波雷达的车辆在行驶中，主要以感知外部环境为主，而 4D 毫米波雷达还可感知汽车内部环境。

例如Vayyar推出的单片成像雷达可通过获取点云构建实时、高分辨率的四维可视化座舱。该解决方案可提供安全带提醒、手势控制、婴儿检测警报等功能。

根据部分毫米波雷达厂商公开的量产计划显示，4D毫米波车载雷达将于今年进入大规模量产阶段，且成本与激光雷达一个单元件相当。

除此之外，包括Cruise、海拉、英飞凌、通用、亚马逊等品牌也纷纷押中4D毫米波雷达赛道，采用4D毫米波雷达或投资相关公司。

法国市场研究机构YoleDéveloppement预计，4D毫米波雷达将首先出现在豪华轿车和自动驾驶出租车上。

傲酷雷达亚太总裁郄建军也表示，4D毫米波雷达未来将在L3及以上自动驾驶系统中将越发重要。

4D毫米波雷达的到来，或许能为L3级自动驾驶注入新的血液。

4D毫米波雷达将会替代激光雷达？

“如果4D毫米波雷达能近似激光雷达精度，价格便宜且探测距离远，或将会替代激光雷达。”

在提起4D毫米波雷达时，一位激光雷达业内人士对新智驾表示。

从静态层面来看，可能如此。若从动态实践来看，或许不然。

Waymo的硬件主管SatishJeyachandran在发布搭载4D毫米波雷达的第五代自动驾驶感知系统后表示，目前没有一种传感器能够独自提供详细的信息。

即使4D毫米波雷达能提供更为丰富的信息，但仍有缺陷。

4D毫米波雷达毫米波本质仍是传统毫米波雷达，具有毫米波雷达的电磁特性。

首先，搭载4D毫米波雷达的车辆在行驶中，目标可能在行驶中因角度变化导致雷达测量数值不同。

数值产生变化意味着测量结果可能不准确，从而影响自动驾驶车辆决策失误。

其次，4D毫米波雷达的动态范围较高，同时移动目标散射的复杂性较高，可能使雷达图像模糊从而影响4D毫米波雷达判断物体。

雷达功能层面仅对稳定跟踪的目标响应，即使4D毫米波雷达检测弱发射特性目标，并不表示能对其稳定检测甚至稳定跟踪。

例如行人等较弱小目标波动较大，4D毫米波雷达对其轮廓的描述随时间变化而不稳定，须通过多帧数据统计分析。

Arbe Robotics的首席执行官兼联合创始人KobiMarenko也认为，4D毫米波雷达不会替代激光雷达。

“4D毫米波雷达是所有传感器中探测范围较远的，这使得它可能较先识别危险。然后，4D毫米波雷达可将摄像头和激光雷达传感器的探测引导到相关区域，这将大大提升自动驾驶的安全性。”

他进一步补充，4D毫米波雷达只是包括光学传感器在内的汽车自动驾驶传感器系统的一部分。

总  结

新旧技术的更迭，并非零和博弈的此消彼长，某时亦可取长补短。

如同诞生142年的钨丝灯至今演化数种类型替代品，前者仍可走进千家万户。

本质上，4D毫米波雷达可配合激光雷达和摄像头，以较低的成本促成行驶安全，实现降本增效。

在Arbe Robotics的创始人Marenko看来，自动驾驶汽车传感器成本低于1000美元，才能实现商业化。

或许在未来，拥有功能与激光雷达相差无几，成本仅占其半分的4D毫米波雷达，能助力自动驾驶行业安全迅速应用落地。

届时，行业普遍认为2025年实现自动驾驶商业化，或将加速到来。

END