过去汽车上的毫米波雷达，最大的优势是能测距离、测速度，而且相比摄像头，它对雨雾、黑夜等环境的适应能力更强。但传统雷达也有一个比较明显的短板：对目标“有多高”这件事判断得不够好。比如前方出现一块横跨道路的指示牌或者高架桥，传统雷达看到的可能只是一个反射目标，却不容易准确判断它到底是在车道上，还是悬在车顶上方。对于智能驾驶来说，这种高度信息非常关键，因为系统不仅要知道“前面有东西”，还得知道“这个东西是不是挡在我的行驶路径上”。
4D毫米波雷达的核心变化，就是在传统的距离、方位角和多普勒速度之外，把目标的高度，也就是俯仰角信息纳入感知。这样一来，雷达输出的不再只是比较扁平的目标信息，而是可以形成带有三维空间位置和速度信息的点云。研究显示，传统车载雷达在垂直方向的角分辨能力有限，容易把不同高度的目标混在一起，而4D雷达通过更高分辨率的天线阵列，可以改善这种情况。
它为什么能做到？关键就在MIMO，也就是多输入多输出天线技术。通过增加发射和接收通道，再结合多芯片级联，可以形成数量更多的“虚拟天线阵列”，让雷达在水平和垂直方向都拥有更强的角度分辨能力。与此同时，信号处理系统还要对距离、速度、方位和俯仰等维度进行计算，最终生成更加密集的雷达点云。简单来说，以前的雷达更像是在告诉车辆“那里有一个目标”，4D雷达则希望进一步告诉车辆“这个目标具体在哪个空间位置、离地多高、正在以什么速度运动”。
这种能力对于自动驾驶的价值很直接。比如面对道路上的小目标、护栏、车辆以及悬空结构，系统可以利用高度维度进行空间分离，减少不同目标在雷达视野中“叠在一起”的情况。再结合多普勒速度信息，算法不仅能判断目标在哪里，还能分析它是不是正在运动。不过，4D雷达也不是升级完就无敌了。它产生的点云依然比激光雷达稀疏，而且噪声、虚警、遮挡以及角度分辨率等问题仍然存在，数据量增加后，对芯片算力和算法处理能力的要求也会明显提高。
所以，4D雷达真正解决的不是“毫米波雷达看不见东西”，而是让它从过去比较擅长的二维目标检测，进一步向三维空间感知发展。对于智能汽车来说，它可以补上传统雷达高度信息不足的短板，同时保留毫米波雷达测距、测速和全天候适应方面的优势。未来更现实的路线，也不是让4D雷达单独包打天下，而是与摄像头、激光雷达等传感器进行融合。说到底，4D雷达最大的变化，就是让汽车终于能更清楚地区分“前方有什么”和“前方这个东西到底在什么高度”，这看似只多了一个维度，实际上却让机器理解道路空间的能力往前迈了一步。
热门跟贴