破解高阶ADAS系统感知瓶颈，4D成像雷达成融合感知“新宠”？
毫米波雷达擅长测量距离和速度，其全天候抗干扰的优势明显，对环境的适应性超过激光雷达等等，但与摄像头和激光雷达相比角度分辨率不足，不具备高度测量能力等等，在高阶自动驾驶感知系统中逐渐显得“力不从心”。
特斯拉“弃用”毫米波雷达，正是因为现阶段传统毫米波雷达与视觉能力性能的不匹配从而造成融合感知的置信度瓶颈。
“这也是给整个毫米波雷达行业敲响了警钟，行业发展和市场需求推动着毫米波雷达创新上必须往前走。”傲酷雷达亚太区总裁郄建军在2021年度高工智能汽车开发者大会的主题演讲中这样表示。
可以看到，目前毫米波雷达供应商也在开足马力，改进低分辨率、俯仰角探测等问题，以匹配多传感“前融合”刚需。
其中，4D成像雷达已经成为主流的升级方向之一，全球范围内包括大陆集团、安波福、采埃孚、傲酷雷达、华为、麦格纳（与Uhnder合作）等公司已经陆续宣布4D成像雷达的量产和合作项目计划。
当前已量产的L2级以上ADAS系统在高速、城市道路场景中依旧有诸多的感知难点，4D成像雷达可实现远远优于传统毫米波雷达的高度探测、高角分辨率的点云立体成像，可同时满足系统对性能大幅提升与低成本的双重要求。
通过与视觉融合后能大幅增强系统“感知能力”，这对于复杂驾驶环境中实现高阶自动驾驶功能极为重要。
一、成像雷达攻克现实场景感知难题
从当下的形势来看，目前自动驾驶汽车面临的最大挑战不是算法、规划和决策，最大的挑战仍是感知，需要可靠地创建最精确和最稳健的环境模型。
高工智能汽车研究院数据显示，L2级ADAS系统成为了当前车企主流的搭载方案，同时头部车企率先量产L2+级ADAS功能。但从实际应用来看，感知系统面对复杂多变的真实路况场景依旧存在较多的感知瓶颈。
比如在HWP高速公路自动驾驶系统中，会存在无法及时正确定位目标车辆所在车道线，导致误加速,误减速/制动等风险，或者由于摄像头弱势场景，目标物丢失或者定位不准确，对前方静态目标漏检，比如雪糕筒/掉落物，而导致事故发生等风险；在ACC/TJA/TJP功能场景中，可能会将护栏/中央隔离带误检为车道线而造成横向摆动，或者跟随大车时，前车目标识别不稳定，横位置检测误差大而造成横向摆动等等。
除了高速场景，ADAS感知系统最大的挑战还在于中国城市道路场景，尤其是城区内道路异常混乱，例如横穿的行人、加塞的机动车、小摩托、快递小哥等等。
摄像头和传统雷达对近距离识别效果不理想，则很容易对当前车道中切入切出车辆的识别过晚；尤其是在人车混杂的复杂道路中，对闯入车流的行人/两轮车识别等等都对感知系统是非常大的考验。
另外，摄像头容易受到环境的光影响，在逆光/夜晚/进出隧道场景中，对目标识别率低；对城市街道中的LED灯误识别为车辆尾灯，很容易造成刹车减速等等；
特别需要提到的是，在城市道路中往往会存在各种限制栏杆、地面未知障碍物等等。如果摄像头没有提前对这类目标物进行学习，则很容易在真实的道路场景中对这些目标统统忽视而造成事故。
这种情况下，4D成像毫米波雷达的特性优势就能很好的发挥出来。首先，成像雷达通过较精确的距离和相对定位，能够在无明显车道线的区域，通过其他参照物，比如路沿，建立精确的行驶轨迹，大大提升自动驾驶系统在各类复杂城区道路的可靠性与安全性。
其次，成像雷达可以建立较精确的动态可通行区域，能够防止车辆的碰撞，剐蹭等安全事故，尤其是能够有效感知到悬空目标，如限高杆、龙门架等等。
除了以上，成像雷达还继承了传统毫米波雷达全天候抗干扰的特点，不受雨雪雾，异常天气，逆光，阴影，明暗变化等条件的影响，环境的适应性超过激光雷达。可以与视觉摄像头相互弥补感知短板，这类感知融合系统才能实现更高精度以及安全性的停车场自动驾驶感知融合，增强系统对各种环境的适应性。
因此傲酷认为，4D成像雷达的应用，可以快速扩展当前L2+级自动驾驶功能量产和扩展，大幅提升感知系统的安全可靠性。
例如傲酷针对L2+全场景感知需求，推出前方 1个+侧方4个+后方1个 成像雷达的感知方案，能够实现目标检测和分类、近距离目标检测、复杂障碍物识别、停车位检测、减速带，减速栏杆检测、Freespace、路沿检测、点云定位和局部建图等等诸多能力。
而在当下另一大热门的场景自动泊车中，当前城市内大多是地下停车库，传统毫米波雷达在地下车库多径反射严重，噪点多，摄像头在该环境下成像效果差，识别率低。
在这类复杂的停车环境下，若感知系统对周围低速(<20kph)的交通参与物、墙/柱子/路沿、进出口的限制杆、地锁/档杆/悬空物等等障碍物或者标志物漏检，或者库位线不清晰等等，都非常容易造成泊车失败或者发生剐蹭。另外地下车库内的各种LED灯，包括前车的大灯，也往往会对摄像头感知产生影响。
据郄建军介绍，傲酷4D成像雷达应用可以提供高精度的目标三维坐标信息，尤其擅长识别低速和静止物体，同时对噪点抑制能力强。在地下停车场这种封闭环境，抗多径干扰能力也很强。还有对复杂的地面障碍能够获得较好的检测结果。
得益于成像雷达具备较高精度的周围环境信息，可轻松实现SLAM、Freespace等功能，从而脱离对车道线的依赖，都非常适应各类复杂的泊车场景感知方案。
二、成像雷达：更符合量产的融合感知方案
可以看到，包括大陆、采埃孚、安波福等巨头纷纷推出了4D成像雷达，目的在于进一步提升探测距离，还有角分辨率以及对常见物体的识别能力，以满足高阶自动驾驶对环境感知升级和安全冗余的需求。
这意味着，新的赛道已经打开。
其中大陆集团推出的ARS540，最大探测距离为300米，水平视场角为±60度，能准确分类交通工具/行人以及基础设施；而安波福推出的FLR4+，也是该公司的首款4D成像雷达，探测距离同样超过300米；采埃孚的第一代4D成像雷达已经在官方网站进行展示，尺寸约为10x10厘米，安装在车辆前保险杠，探测距离超过300米，拥有192个接收通道，是传统雷达的16倍。
最引人瞩目的是傲酷上半年推出的全球最高角分辨率的4D成像雷达EAGLE，可在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。EAGLE可生成每秒几万点的雷达点云图像，跟踪400-500米的目标。
傲酷全球首创虚拟孔径成像技术，通过AI软件创造出极多虚拟天线的方式彻底解决了困扰车载毫米波雷达界几十年的只能用增加实体天线数量提高角分辨率的世界难题，用软件重新定义了雷达。
这意味着，在同样硬件的情况下，傲酷的成像雷达可以做到普通雷达十倍以上的角分辨率，如果用多芯片级联的方式更可以将横纵方向的角分辨率提高至普通4D雷达一百倍的角分辨率水平，使得4D成像清晰度显著提升。
该技术方案的最大优势还在于，4D成像雷达产品的BOM成本和普通毫米波雷达基本相似，但其性能却指数级增强。
因此，从ADAS系统量产成本角度来讲，当前激光雷达的导入更多是补充前向感知的冗余，保证在中高速场景下的障碍物精准感知，前期上车数量以1-2个为主。相比之下，4D成像雷达可以在低成本要求下更好的帮助L2+/L3自动驾驶系统实现感知冗余以及与摄像头的融合感知。
这意味着，4D成像雷达量产成本接近传统毫米波雷达，性能方面却能媲美低线数激光雷达，更符合当下各细分场景快速规模化量产需求。
在上半年，长城汽车的无人物流小车项目采用了5个来自傲酷的（1个主雷达+4个角雷达）4D成像毫米波雷达，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，其点云效果很接近低线数激光雷达。
该无人小车在没有采用激光雷达的情况下，仅通过4D成像毫米波雷达低廉的成本实现了单车成本控制，均十分利于高阶ADAS系统的规模化量产。
除了长城汽车，傲酷已经与包括吉利、通用汽车、戴姆勒、沃尔沃、海拉、维宁尔、松下、Autox等多家国内外知名主车企巨头、Tier1及自动驾驶公司等展开深度合作。也拿到了几家国际顶级主机厂和Tier1的战略投资。
4D成像雷达的商业化量产时代已经开启，傲酷4D成像雷达高性能低成本的优势在量产应用中已经快速体现出来。