智能汽车行业产业研究报告：4D成像毫米波雷达

本文主要是介绍智能汽车行业产业研究报告：4D成像毫米波雷达—自动驾驶最佳辅助，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

今天分享的是智能汽车系列深度研究报告：《智能汽车行业产业研究报告：4D成像毫米波雷达—自动驾驶最佳辅助》。

（报告出品方：开源证券）

报告共计：43页

视觉感知最佳辅助——4D 成像毫米波雷达

感知是自动驾驶的首要环节，高性能传感器必不可少

感知环节负责对侦测、识别、跟踪目标，是自动驾驶实现的第一步。自动驾驶的实现，首先要能够准确理解驾驶环境信息，需要对交通主体、交通信号、环境物体等信息进行有效捕捉，根据实时感知的环境信息，自动驾驶系统得以完成接下来的决策、规划与控制等环节。传感器的性能会直接影响到感知信息的质量，目前广泛搭载的传感器有摄像头、激光雷达、毫米波雷达、超声波雷达等。

特斯拉的视觉感知方案推动自动驾驶行业进入新的篇章。2021 年，特斯拉使用 Transformer 算法构建 BEV（Bird’s Eye-View, 鸟瞰图）空间，解决了传统视觉感知的深度探测难点，从而通过视觉也可以进行较为准确的距离估计；同时， Transformer 算法更契合多个传感器融合，可拓展性更强。2022 年，特斯拉使用基于 BEV+Transformer 和占用网络，形成对外部 3D 空间的还原，对通用障碍物感知能力进一步增强。特斯拉依靠摄像头进行感知的 FSD 功能已经能够实现近乎对全部驾驶场景的覆盖，累计行驶里程呈指数型增长。

特斯拉重新使用毫米波雷达辅助摄像头来提升感知能力。2021 年特斯拉放弃使用毫米波雷达，集中资源进行视觉感知能力的提升。2022 年 2 月，马斯克坦言只有非常高分辨率的雷达才有意义，将取消毫米波雷达的原因指向“分辨率不足”；同年 6 月，特斯拉向美国联邦通信委员会（FCC）注册一款全新高分辨率雷达设备。根据汽车之心公众号，2023 年 2 月，国外博主 Greentheonly 曝光特斯拉全新的计算平台 HW4.0 为毫米波雷达预留了接口；同年 6 月，该博主又放出特斯拉新毫米波雷达的实物图。综合推断，特斯拉将要搭载的新款毫米波雷达将是具有高分辨率的 4D 成像毫米波雷达。4D 成像毫米波雷达具有诸多优良特性，能够更好地辅助视觉感知方案。

毫米波雷达具有“全天候性质”，但存在分辨率不足的问题

毫米波雷达通过调制、收发、信号处理进行障碍物的感知。毫米波是电磁波，其频段在 30-300GHz 之间，属于“极高频”，抗环境噪声干扰能力强；毫米波波长在 1-10 毫米之间，与波长通常为数百至上千纳米的激光相比，它的波长更长，具备传输距离远、绕射能力强、穿透性更好等特点。工作在毫米波波段的雷达称为毫米波雷达，在自动驾驶领域广泛应用。

毫米波雷达主要由雷达前端收发模块、数字信号处理单元以及接口模块组成。雷达前端收发模块进行毫米波信号的调制、发射与接收，包括天线阵列、射频前端、中频电路、模数转换器；数字信号处理单元进行信号处理与数据处理，包括 DSP （数字信号处理器）、MCU（微控制单元）或 FPGA（现场可编程门阵列）等；接口模块负责数据通信以及与其他系统的集成。毫米波半导体技术已经比较成熟，已经在自动驾驶车辆中广泛应用。

信号收发与信号处理是毫米波雷达运行的重点环节。毫米波雷达工作流程如图 7 所示：（1）首先射频发射器产生电磁波信号并且将之发射，信号到达目标物体；（2）物体反射或者散射信号形成回波信号，接收器接收回波信号；（3）混频器将回波信号与原始信号混合，经过滤波器进行滤波，得到中频信号（实际是雷达发射信号与回波信号的频率差，包含有物体的位置、速度等信息）；（4）中频信号输入到处理后端进行调制解调、FFT（Fast Fourier Transform，快速傅里叶变换）等算法处理，提取目标信息并进行分析，实现目标检测、距离测量、速度测量、方位估计；（5）最终将结果输出以进行后续感知处理。

毫米波雷达通常调制 FMCW（调频连续波）波形，能够同时测速、测距。多普勒效应是指物体发射的波长会因为相对运动而产生变化，例如火车汽笛声在驶向我们时会更加高亮，是因为此时我们接受到的汽笛声波波长变短，频率增加，因而可以被用来测速。毫米波雷达通常是 FMCW（调频连续波）雷达，FMCW 是连续的频率调制，频率会线性增加与减小，根据这一特性，雷达能够有效从 FMCW 的回波信号变化中分离出时间与距离的信息，从而准确测算出障碍物的相对速度与距离。

毫米波雷达同时能够测算方位，识别多个物体，适用于车载领域。通过增加分离的天线数量，毫米波雷达能够根据回波信号阵列之间的相位差得到物体的方位信息；通过对多个回波信号进行处理得到不同的中频信号，毫米波雷达也能够有效分辨多个物体。毫米波雷达能够测距、测速、测向、分辨多个物体，且 FMCW 波形的调制、处理等技术相对成熟，功耗小、成本低，使得毫米波雷达契合车载领域。

毫米波雷达具有多种优良特性，对智能驾驶不可或缺。（1）“全天候”：相对波长为纳米级的光波，毫米波波长更长，能够轻易穿过比其波长小的障碍物，一般来说，雨滴、雪花的平均直径均在 5mm 以下，因此毫米波雷达工作基本不受雨雪雾等天气的影响，具有“全天候”的特点；（2）具备速度信息：基于毫米波的多普勒效应，毫米波雷达可以获得高精度的速度信息，这对于自动驾驶感知至关重要；（3）识别遮挡物体：毫米波信号具有多径效应，信号通过反射、漫反射、衍射、绕射等方式，在一些场景下，能够检测遮挡物体。大陆集团曾提到基于其 ARS430 毫米波雷达的经验，这类遮挡车辆大约在 40%的场景中可以被发现。当然其探测遮挡物体的性能表现也基于一些条件，如道路表面情况、前车的位置、以及被遮挡车辆的位置等。而算法对于此类场景的探测尤为重要，华为在其 4D 毫米波雷达发布会上也着重提到了这一点。

摄像头与毫米波雷达能够形成感知系统上的优势互补。摄像头是被动感知传感器，具有成本低、易于集成、语义信息丰富等特点，并且摄像头是数据带宽最高的车载传感器之一，可以提供高分辨率图像与实时视觉信息，但是摄像头容易受到恶劣天气、眩光等环境的影响，没有精确的物体深度信息与速度信息。毫米波雷达在摄像头所不足的方面可以提供有效补充，两类传感器融合则能以较低的成本实现性能更好的自动驾驶感知。

传统毫米波雷达无法测高，限制其在自动驾驶中发挥更大的作用。传统毫米波雷达只能探测距离、角度、速度三类信息，由于没有高程信息，限高杆、高架桥等物体容易触发毫米波雷达障碍物反馈，因而实践中只能设定保留动态目标追踪结果或降低毫米波雷达感知权重，导致日常使用中毫米波雷达基本无法识别静止物体。例如特斯拉的辅助驾驶未识别到白色静止卡车导致相撞的事故，是由于摄像头没有分辨出白色车厢与天空的区别，同时毫米波雷达没有准确识别侧翻静止的货车。针对此问题，毫米波雷达需要增加俯仰角的感知能力。