4D成像雷达的成像原理及其在整车厂中的应用

html

在自动驾驶技术中，毫米波雷达因其在复杂天气条件下依旧保持稳定感知能力而备受关注。无论是大雨、大雾还是强光或弱光环境，毫米波雷达都能维持较高的探测精度。然而，传统毫米波雷达在垂直方向上的感知能力较弱，导致其在区分地面静止物与空中结构方面存在局限。

为解决这一问题，4D成像雷达应运而生。相比传统3D雷达，其增加了对目标高度（即俯仰角）的测量能力，从而实现了距离、方位角、速度与高度的四维感知。

传统毫米波雷达仅能提供距离、水平角度和相对速度三组信息。由于缺乏对目标垂直位置的判断，它在面对立交桥、停车障碍物等场景时，容易产生误判。例如，特斯拉早期搭载的ARS-4B毫米波雷达，由于无法识别高架桥与交通标志的垂直位置，常将这些物体误判为路面障碍，从而引发“幽灵刹车”问题。

为规避误触发，部分算法选择忽略这些静止反射点，但这反而增加了安全隐患。特斯拉在2021年曾一度放弃毫米波雷达，转向纯视觉方案，但受限于视觉感知在恶劣环境下的稳定性，最终在HW4.0硬件平台中重新引入高精度4D毫米波雷达。

4D成像雷达通过在探测中增加高度维度，使其具备与激光雷达类似的空间分辨率，从而能更精准地区分不同类型的物体，如限高杆、交通标志或事故车辆。

要提升成像效果，最直接的方式是增加天线数量，但这在车载设备中并不现实。4D成像雷达采用MIMO（多输入多输出）技术，通过多个发射和接收天线协同工作，虚拟化生成更多信号通道。

行业目前主要有两种实现路径：一是采用多芯片级联方案，如大陆、博世、华为及森思泰克等企业；二是走单芯片集成路线，代表企业包括Mobileye和Arbe。

以TI的TIDA-020047参考设计为例，其采用两颗AWR2243芯片与AM2732R处理器，通过12发8收的MIMO架构，实现48个虚拟通道。而Arbe的Phoenix雷达则采用48发48收结构，生成2304个虚拟通道，显著提升了角度分辨率。

随着虚拟通道的增加，4D雷达的处理芯片会执行大规模信号处理，包括快速傅里叶变换。雷达发射的连续波在遇到物体后反射，系统据此计算频率与相位差。在4D成像雷达中，这一步骤在距离、速度、水平角和俯仰角四个维度上同步进行。

经过处理后，雷达输出的数据包含大量高精度探测点，每个点都包含位置与径向速度信息。当点云密度达到一定水平时，即可形成清晰的目标轮廓。

根据行业标准，4D雷达可分为三类：4D基础雷达（点云密度小于4000点/秒）、4D成像雷达（3万至10万点/秒）和4D数字成像雷达（超过10万点/秒）。Arbe在2026年CES展会上展示的产品已具备超过2万个检测点每帧的能力，配合NVIDIA平台，可实现高速场景下的脱眼驾驶。

尽管4D成像雷达在性能上接近低线激光雷达，并具备全天候工作优势，但它并非为了取代其他传感器，而是作为自动驾驶感知体系的补充。

相比激光雷达，4D雷达的点云不仅包含空间坐标，还自带速度信息，使其在运动目标识别上更具优势。同时，其成本远低于激光雷达，使其在量产车型中更具吸引力。

当前，全球4D成像雷达市场正处于快速成长阶段。2025年全球市场规模约为2.75亿美元，预计到2031年将突破百亿美元，年均复合增长率超70%。在中国市场，2025年乘用车毫米波雷达前装量达3600万颗，其中4D成像雷达装车量约150万颗，渗透率约为4.2%。

随着芯片与算法的进步，4D成像雷达正逐步从高端市场向全价格带扩展。未来，它有望成为自动驾驶系统中不可或缺的感知模块，为智能驾驶提供更全面、更安全的环境认知。

查看全文

作者最近更新