在自動汽車的陳年往事中，這些車看起來非常笨重而“與眾不同”，車周圍有多個突出的設備，裝有各種攝像頭、雷達和激光雷達。這三種傳感器都是解決自動駕駛問題所必需的，因為需要互補。

　　今天，傳感器市場充斥著相互競爭的技術，選擇合適的技術集成到車輛中是一項艱巨的挑戰。產品設計師需要仔細考慮每個傳感器類別的利弊。

　　這幾年，伴隨無人駕駛汽車漸行漸近，又出現了一種“全方位”4D成像雷達技術。盡管業界對它褒貶不一，但這種技術還是有其獨到特色，且國內外都有廠商在研發并小規模前裝導入。

　　1、彎道超車的機會

　　雷達對汽車行業至關重要，作為遠程傳感器所有新車幾乎都已部署，ADAS創新步伐的加快對雷達行業是一大利好，但要達到更高的安全性和自動化水平，進入脫手/脫腳駕駛時代，雷達必須創新。

　　4D成像雷達也屬于毫米波雷達，在ADAS應用方面，傳統毫米波雷達量產上車已有二十幾年時間，產品性能成熟穩定，市場份額已被幾家巨頭壟斷，新晉企業突圍難度不小。

　　2015年前后，一些初創公司開始挑戰傳統毫米波雷達：通過提高分辨率使之達到接近低線束激光雷達的水平，將傳統的簡單目標檢測代之以環境測繪（點云模式），以應對越來越復雜的駕駛任務。

　　國內有人預測，4D成像雷達將從2022年開始小規模前裝導入，預計到2023年，搭載量有望突破百萬。

　　2、難以適應所有環境的分辨率和檢測能力

　　隨著車輛變得更加電動化和電子化，傳感器、屏幕和ADAS功能也在增加，在安全技術得到提高的同時，也增加了汽車的復雜性、成本和重量。

　　每種傳感器都有其優缺點，攝像頭擅長高分辨率探測物體，但會受惡劣天氣和光照條件影響；雷達在惡劣天氣下工作良好，但分辨率較低；激光雷達可以準確探測物體細節，但在惡劣天氣也不起作用。

　　·攝像頭及其他光學解決方案：可有效檢測目標、測量距離、提供精確成像和跟蹤多個目標。例如，RGB攝像頭價格相對低廉，其高分辨率數據可用于訓練基于計算機視覺的分類和識別算法，但視野有限，在惡劣天氣、光照和陰影區無能為力。攝像頭還存在企業和消費者都非常關心的隱私權問題。

　　·被動紅外（PIR）傳感器：通過記憶周圍區域紅外圖像和微小變化來檢測運動。其最常見部署是車內，廉價、緊湊、高能效，可提供準確的檢測，但范圍有限。其性能因距離而異，很難檢測到人體非常緩慢的運動。

　　·熱紅外傳感器：可探測熱量，與波長無關。低端解決方案因檢測和響應速度慢而受阻，高性能傳感器往往價格昂貴。熱源和氣流也會造成嚴重干擾，當環境溫度接近體溫時，靈敏度會受到嚴重影響。

　　·主動紅外（IR）傳感器：通常安裝在室外，通過發射紅外波來確定接收信號是人還是物體。與PIR傳感器一樣，其價格便宜，所需功率小。它們在所有光照條件下都能有效工作，但射程有限，而且易受不利環境的影響。此外，現有方案還受到低數據傳輸速率的阻礙。

　　·標準雷達：也就是測距多普勒雷達，可檢測存在、方向、距離和速度，代表一種強大而可擴展的解決方案，能夠保護隱私。不過，其小天線陣列數據輸出分辨率低，無法生成豐富的圖像。其窄視場主要集中在一個軸上，由于有限的角度分辨率，無法區分近距離目標。

　　在數據處理方面，設計人員還要考慮經濟性。邊緣處理可大大降低與云相關的處理和存儲成本。隨著越來越多的設備部署，邊緣處理可以長期節約可觀的成本。利用嵌入式處理器執行邊緣處理有助于消除產品設計中集成高功率、高成本處理器的需求。

　　3、Vayyar：更智能的傳感器，更豐富的數據

　　以色列初創公司Vayyar聯合創始人及CEO Raviv Melamed認為：“數據收集依賴于傳感器——任何智能設備的‘眼睛和耳朵’，但處理信息和指揮動作需要一個‘大腦’——人工智能。設計滿足不斷變化的人類需求的產品需要創建根據業務邏輯智能利用數據的機器學習算法。這意味著不僅要選擇最有效的傳感器技術，還要選擇最強大的數據處理平臺。”

　　Vayyar成立于2011年，旨在通過“全方位”4D傳感器徹底改善車輛安全性和成本。利用其芯片上雷達（Radar-on-Chip，RoC）平臺，Vayyar創造了一個突破性的車輛安全解決方案，用一個芯片可以取代十幾個其他傳感器，且不需要昂貴的激光雷達和攝像頭。

　　Vayyar芯片上雷達

　　4D成像雷達可以提供替代技術的所有好處，同時克服其局限性。與2D雷達不同，它利用多輸入多輸出（MIMO）46個天線陣列實現高分辨率實時跟蹤。用這么多天線掃描環境可以精確地同時檢測和跟蹤多個目標，以極高的準確性識別存在物體，并提供豐富的數據，先進的分類算法使設備能夠及時作出反應。

　　據介紹，在批量定價方面，4D成像雷達芯片不僅價格合理，而且還提供了顯著的附加值：更豐富的數據、更高的精度和更強大的功能。在性價比平衡方面，它有助于降低開發成本，縮短上市時間。由于不涉及光學器件，該技術在所有照明和天氣條件下都非常強大，性能始終如一，同時確保用戶隱私。

　　雷達中的高性能射頻IC支持多達72個收發器，跨3-81GHz的超寬帶（UWB）和毫米波頻率；同時搭載內部數字信號處理器（DSP）和實時信號處理微控制器單元（MCU）。RoC可支持多種系統，包括入侵警報、兒童存在檢測、增強型安全帶提醒和eCall，在發生碰撞時向緊急服務部門報警。它能“看穿”物體，并能在所有天氣條件下有效工作。

　　嵌入DSP及MCU的單片RFIC和大型MIMO陣列

　　過去五年，Vayyar汽車部門負責人Ian Podkamien領導RoC開發團隊一直在調整和發展其車用技術。他認為，傳感器都有配線、連接器，并且需要耗電，這些都會增加車輛重量，這對電動車的續航里程是一個重大挑戰。傳感器整合可以提供多種功能，節省布線、重量和成本。

　　Vayyar信用卡尺寸的傳感器采用4D高分辨率點云，可將整個車廂映射成5cm像素，看到每個乘客的外形及坐姿、移動方式等。實時4D點云解決方案可以在任何環境條件下工作，實時跟蹤座艙內外，無需攝像頭。

　　使用專有4D VOXEL（體素）點云技術構建高分辨率4D可視化

　　為了幫助客戶利用芯片開發底層射頻管理、算法、濾波等，Vayyar提供完整的參考設計，包括天線和陣列設計，客戶不必去找多家供應商。Vayyar的數據集平臺還可以快速響應任何新的立法，實現OTA軟件更新，節省集成、測試和驗證時間和成本。

　　開發模塊

　　Vayyar經過驗證的傳感器芯片及其所有組件滿足汽車級標準，因此，將其融入新車型意味著不會因遇到不可預見的問題而推遲上市。此外，它有助于最小化整體生產成本，這也是主機廠考慮的一個重要因素。

　　4、Arbe：超高分辨率評估距離、高度、深度和速度

　　Arbe Robotics同樣是一家以色列公司，成立于2015年，利用突破性技術從頭開始構建新型4D成像雷達，特別針對汽車應用。它結合了當前傳感器組的優點并消除了一些缺點，使其在所有環境條件下都具有出色的分辨率和目標檢測能力。該公司CEO Kobi Marenko說：“為主機廠和Tier 1提供比市場上任何其他雷達精度高100倍的傳感解決方案，滿足L1-L5各種級別車輛要求，這就是Arbe的4D成像雷達對自動駕駛汽車產生深遠影響的地方。”

　　基于Arbe專有芯片組解決方案的4D成像雷達是第一款提供高靈敏度、高分辨率、全空間感測（包括仰角）的雷達。它提供了高精度圖像質量，在所有天氣和光照條件下，沒有多普勒的模糊感測問題，有助于實現長距離和寬視野決策。

　　在目標檢測方面，它可以確定車道中障礙物的準確邊界，如橋下的卡車、車道中的柵欄或輪胎、卡車旁邊的摩托車等，然后提示給自動駕駛、緊急制動和轉向系統；它還提供可靠的脆弱道路使用者檢測，如行人、自行車等，解決了ADAS和自動駕駛相關的道路事故問題。

　　Arbe技術的分辨率是目前產品的兩個數量級，支持每幀100000次以上的檢測，具有市場上最高的點云密度。其4D成像雷達芯片組擁有2000多個虛擬通道，以每秒30幀的全掃描速度同時跟蹤數百個對象，同時優化了成本和功耗。以高分辨率同時評估距離、高度、深度和速度，將雷達從支持角色重新定位到傳感套件的主干。

　　超高元素密度4D圖像

　　與Vayyar不同，Arbe采用增強的FMCW（調頻連續波）技術，芯片組可以用多個天線發射和接收信號。通過將信息從時域轉換到頻域（FFT，快速傅里葉變換），Arbe可在高方位和高仰角分辨率下提供超高元素密度的4D圖像，并在大視場下實時遠距離環境感測。此外，Arbe技術還將副瓣發生率降低到接近零的水平，解決了距離-多普勒（RD）模糊問題，避免來自其他雷達的干擾。

　　優越的工藝是Arbe的另一優勢，專有毫米波汽車級雷達射頻芯片組包括一個24輸出通道的發射器芯片和一個12輸入通道的接收器芯片。所采用新的22nm FD-SOI（全耗盡SOI）CMOS工藝支持TD-MIMO，在信道隔離、噪聲系數和發射功率方面具有同類最佳的性能。利用最新的射頻處理技術，Arbe以市場上每通道最低的成本實現了最先進的射頻性能。

　　射頻芯片組工藝

　　在雷達處理技術方面Arbe也有突破，其專有基帶處理芯片將雷達處理單元（RPU）架構與嵌入式雷達信號處理算法相結合，在保持低硅功耗的同時實時轉換大量原始數據。其處理芯片可實時管理多達48個Rx通道和48個Tx通道，每秒生成30幀完整4D圖像，等效處理吞吐量為3Tb/秒。Arbe采用專有技術的物理分辨率是競爭對手的合成或統計分辨率增強方法（如超分辨率技術）的2-10倍。因此，Arbe的芯片組在低信噪比（SNR）和多目標場景中仍然有效，而這些場景往往會讓其他方法失效。在利用超分辨率精確分析物體邊界的同時，Arbe技術并不依賴于這種技術來生成高質量的圖像。

　　無法區分威脅和錯誤警報是導致自動駕駛車輛事故的主要原因。Arbe的FMCW增強、卓越的通道分離和先進后處理減少了虛警，幾乎沒有虛對象實例，消除了假陽性和假陰性場景。

　　消除假陽性和假陰性場景

　　這樣，ADAS系統就可以信任雷達讀數，實現快速響應，并防止不必要的停車。所以，4D成像雷達為導航、路徑規劃和避障提供了基礎，能夠支持L4和L5自動車輛安全性和準確性方面的感測要求。

　　5、蘇州豪米波：4D毫米波雷達與攝像頭融合

　　蘇州豪米波成立于2016年，由“國家高層次人才”白杰教授、海外歸國射頻專家為核心組建，旨在打破國外壟斷，填補國內空白，積極打造具有高度自主知識產權的智能感知技術和人工智能系統。

　　名如其實，該公司專攻毫米波技術，掌握全套ADAS集成控制算法及汽車毫米波雷達核心技術，可根據主機廠車型要求定制設計和合作開發。其產品2018年底已在江鈴、江淮等前裝量產，包括車載BSD（盲點車輛識別）系統和FCW（前車碰撞預警）系統等。BSD系統最大探測距離100米，角度范圍150度；FCW系統最大探測距離200米。

　　白潔教授認為，多傳感器融合是構建穩定感知系統的必要條件，特別是雷達與攝像頭的融合。他說：“人們經常遇到一些復雜的天氣情況，如大雨、大霧、沙塵、強光、夜晚，這些對圖像和激光雷達是非常惡劣的場景，難以用單個傳感器應對，一種傳感器無法處理所有場景。一些被認為比較成熟的智能駕駛也多次發生撞車事故，都是其傳感器系統失效所致，代價慘痛。”

　　他介紹說，從本地數據處理程度看，傳感器主要分為集中式、分布式、混合式結構。目前常用的是混合式結構，由分布式傳感器分別進行數據處理，得到目標信息列表后再進行融合，因為毫米波雷達是目標點云，得到的是處理后的效果；激光雷達也是如此。

　　隨著深度學習研究的發展，近年來出現了一些比較前沿的融合跟蹤方案：普通雷達點云+攝像頭、雷達射頻圖像+攝像頭，以及4D雷達點云+攝像頭。目前大多數傳感器融合方法都是使用激光雷達和攝像頭實現高精度3D目標檢測。但這種方法有其局限性，攝像頭和激光雷達對不利天氣都很敏感，對遠處目標檢測不夠精確，且激光雷達成本高，普及起來有一定困難。由于雷達對惡劣天氣有很好的魯棒性、探測距離非常遠、能精確測量目標速度，而且成本低，在自動駕駛中越來越受到重視。

　　攝像頭與雷達融合的網絡

　　基于TI的AWR2243芯片的4D雷達城市道路交通參與者目標分類與檢測研究，包括同濟大學測試場采集的目標檢測與分類數據集可視化結果表明，4D雷達可以輸出有高度的目標點云，反映目標的輪廓外形。雖然與激光雷達點云成像原理不同，僅從毫米波雷達的點云還無法準確判斷一個目標額外形等特征，但是其點云的散射特征具備一定規律。

　　4D成像雷達目標的可視化

　　利用機器學習目標分類算法吸取點云的幾個特征：多普勒速度、點云強度分布，與距離有關的關聯特征等，在分類算法數據集中測試中實現了很高分類能力，行人95%以上，大型車輛達到99%。機器學習的特點是參數少，便于進行嵌入式分類。

　　3D雷達點云雖然比激光雷達的稀疏，但是探測距離更遠，且包含了目標的速度信息，而4D毫米波雷達可以輔助實現3D目標檢測。可以看到，在相同場景，4D毫米波雷達的點云分布與16線激光雷達有明顯區別。前者每個目標點云更豐富，探測距離更遠。

　　4D豪米波雷達與激光雷達點云分布

　　6、想象未來

　　上述公司都認為，豐富的點云將使4D雷達在L4及以上系統中發揮更重要的作用，也就是說，有助于大大提升毫米波雷達感知系統的地位。由于雷達中集成的處理器嵌入了軟件，主機廠可以更多地關注圖像處理和機器學習，而不用在低水平雷達算法開發上耗費精力。

　　未來將屬于4D毫米波雷達！