4D成像毫米波雷达最近又热了起来。

今年CES上，4D成像毫米波雷达声势夺人，一众芯片企业诸如恩智浦、TI、Mobileye都陆续推出或更新了自己的成像雷达方案，毫米波雷达系统厂商Arbe、Zadar Labs、Smartmicro等也都带来了各自的成像雷达产品。

其中最受到业内人士关注的，莫过于Mobileye 首席执行官Amnon Shashua 在 CES 演讲中对4D成像毫米波雷达的强调，“（到2025年）除了正面，我们只想要毫米波雷达，不想要激光雷达。”

Yole Développement 的Imaging 首席分析师 Pierre Cambou 表示，该演讲引发了人们的猜测，即Mobileye 现在不认为激光雷达“比雷达更重要”。

VSI Labs 的合伙人兼咨询服务总监Danny Kim 更是在 CES 后发布的一份报告中写道：“与过去的 CES 活动不同，感觉激光雷达公司并没有为行业带来那么多突破性的发明” 。“另一方面，4D毫米波雷达越来越受欢迎”，并称4D毫米波雷达正成为汽车传感器中的“新星”。

事实上，在此前华为的入局下，4D成像毫米波雷达早就接受过市场的一波热议，且也远非新技术，但这次它为什么又在CES上被重点关注了？其中有什么因素发生了变化？4D成像毫米波雷达是否真的可以和激光雷达PK？抑或它只是一种过渡技术方案？

成像雷达抢风头

Yole将Mobileye的演讲总结为四点，其中两点就是：

• 4D成像毫米波雷达是消费级自动驾驶车辆的一个重要推动因素；

• 激光雷达不再是关键。

Mobileye瞄准了三个细分市场：辅助驾驶市场、带有地理围栏的L4 Robotaxi市场以及消费级L4 Robotaxi市场。

Shashua认为，Mobileye的感知方案要想在2025年达到消费级自动驾驶车辆的水平，一要想如何能够显著降低成本，二则是如何将ODD（运行设计域）扩大到L5的水平。

因此在Mobileye的计划中，除了开发可以单独在相机上行驶的消费级自动驾驶车辆方案，到2025年他们可能还将推出可单独在雷达/激光雷达上行驶的消费级自动驾驶车辆方案，后者搭载雷达-LiDAR子系统，届时车辆仅需一个前向激光雷达和360°全包覆车身的毫米波雷达即可。

“除了正面，我们只想要毫米波雷达，不想要激光雷达。”Shashua表示。

问题在于，虽然毫米波雷达和激光雷达的成本不是一个数量级，但以目前毫米波雷达的分辨率水平，普通毫米波雷达在拥挤的交通中，并无法分辨彼此非常接近的行人和车辆，因此也就不能作为单独的子系统使用。

于是Mobileye将视线转向了4D成像毫米波雷达。

从性能效果来说，4D成像毫米波雷达算是3D毫米波雷达的升级版，另一方面，从成本上看，4D成像毫米波雷达的成本也仅为激光雷达的10%-20%。

相比于传统的 3D 毫米波雷达，车载 4D毫米波雷达在工作时，除了能够解算出目标的距离、速度、水平角信息，还能解算出目标的俯仰角信息，进而可以提供汽车周围的环境信息，能够避免窨井盖、路肩、减速带所产生的虚警现象。

除此之外，得益于能够提供目标的高度信息，捕捉到汽车周围目标的空间坐标和速度信息，4D 毫米波雷达还能够提供更加真实的路径规划、可通行空间检测功能。

有业内人士对新智驾介绍说，传统毫米波雷达也有点云但是数量少，且没有俯仰信息，4D毫米波雷达增加了俯仰信息和更多的点云数据，“点云一多就可以勾勒出物体轮廓，便是成像”。

不过4D毫米波雷达是否需要成像，要基于具体场景需求的策略制定。

据上述业内人士介绍，目前L3以上的场景会对成像雷达有更大的需求，从技术上来讲，4D成像毫米波雷达是必然趋势，有能力做4D毫米波雷达的厂商基本都在做4D成像毫米波雷达。

“4D毫米波雷达是未来的发展方向，而成像的重点是点云数据足够多，在车上是否要用4D毫米波雷达做成像输出，要看主机厂对传感融合、算力等因素的通盘综合考虑。”

新智驾曾在《刚刚，又一款智能汽车面世！主打卖点竟是「4D 毫米波雷达」》一文中，仔细介绍过4D毫米波雷达的工作原理。

角分辨率作为雷达的指向精度，其数值高低与波长与孔径大小有关，即波长越长，角分辨率越低，孔径越大，分辨率越高。

车载毫米波雷达系统厂商楚航科技创始人兼CEO楚詠焱对新智驾介绍，孔径大小是提升雷达角分辨率的关键，而天线的数量、天线间的排布间隔又会影响到孔径大小。

过去几十年来，车载毫米波雷达界常常是通过增加天线数量的方式来提高角分辨率。

目前车载 4D 毫米波雷达常用的工作机制，则是连续波雷达中的调频连续波雷达（FMCW），它能够以更低功耗、更大带宽的方式，向外连续地发射电磁波，从而实现测量目标的距离和速度信息。

而根据输入输出天线阵列数目的不同，FMCW 雷达可以分为单输入多输出(SIMO)雷达和多输入多输出(MIMO)雷达。

对车载毫米波雷达系统而言，SIMO 雷达早已在 3D 毫米波雷达中广泛应用，而 MIMO 雷达概念则是在 2003 年由 Bliss 和 Forsythe 首次提出，其是车载 4D 毫米波雷达发展的关键技术理论之一。

与传统方式不同，为了解决传统毫米波雷达角分辨率低、点云密度低的问题，当下出现了四种4D毫米波雷达解决方案：

• 一是基于传统CMOS雷达芯片，强调“软件定义的雷达”，主要厂家有傲酷、Mobileye等；

• 二则是将多发多收天线集成在一颗芯片，直接提供成像雷达芯片，比如Arbe、Vayyar等；

• 最传统的，则是将标准雷达芯片进行多芯片级联，以增加天线数量，比如大陆、博世、ZF等一众公司；

• 四则是通过超材料研发新型雷达架构，代表厂家有Metawave等。

Shashua认为，软件定义的图像毫米波雷达，将会是提高毫米波雷达分辨率的关键。

所谓软件定义的雷达，即通过软件后处理，系统可对雷达信号的接受/发送和处理进行配置，从而大幅提高雷达的性能。

事实上早在两年前，Mobileye就已开始打造这款图像雷达，在2021年的CES上，Shashua也曾对其进行过介绍，只不过所花的时间远没有今年CES上的多。

成像雷达只是过渡方案吗？

而从Mobileye公布的数据看，其成像毫米波雷达的性能在诸多同类产品中，也的确可圈可点。

资料显示，Mobileye 的软件定义雷达将有超过 2000 个虚拟信道，信号发射器与接收器各 48 个，水平角分辨率达0.5°，垂直分辨率达2°，有效探测距离预计为150米。

“Mobileye推出成像雷达的意义与Arbe差不多，因为目前主流方式（包括博世、大陆、ZF的量产方案）都是传统级联方式，新型方案对传统方式是否兼具成本和性能优势有待观察。”但另一业内人士则对新智驾如此表示。

这里有必要先来了解一下组成车载毫米波雷达的核心器件。

车载毫米波雷达的核心器件主要有单片微波集成电路和雷达数字信号处理芯片等。

单片微波集成电路可以实现低噪声放大器、混频器、变频器、功率放大器等功能，主要玩家包括意法半导体、德州仪器、 恩智浦、加特兰等。

雷达数字信号处理芯片，则是用于对毫米波雷达的中频信号进行数字处理，分为通用数字处理芯片和雷达专用处理芯片，目前提供专用雷达处理器的芯片厂商主要有德州仪器、NXP、Infineon、加特兰等。

近年来，随着市场对车载毫米波雷达需求的增加，国内涌现了一批新兴毫米波雷达系统厂商，比如森斯泰克、华域、凌波微步、隼眼科技、楚航科技以及几何伙伴等。

而在2018年，德州仪器提出了4D成像毫米波雷达的概念，并一举推出了基于AWR2243 FMCW单芯片收发器的4片级联4D毫米波雷达全套设计方案。

这一“交钥匙”工程大大降低了企业开发成像毫米波雷达产品的门槛，部分毫米波雷达系统厂商也纷纷开始着手研发自己的 4D 毫米波雷达产品。

目前，已经推出4D毫米波雷达产品的厂商主要有大陆、傲酷雷达、Arbe以及 Smartmicro 等。

上述业内人士对新智驾表示，开发4D成像毫米波雷达已渐渐成为毫米波雷达行业巨头和初创公司的必然选择。

4D成像毫米波雷达之间的性能之争也就愈发激烈。

目前的车载4D成像毫米波雷达多在48个通道（6发8收），有的雷达供应商也有在向192个以上数量的通道迈进，比如森思泰克的4D成像毫米波雷达STA77-8、大陆集团的4D成像毫米波雷达ARS540、傲酷的Eagle等，华为的4D成像毫米波雷达则有288个通道（12发24收）。

不过也有与Mobileye成像雷达通道数量相当的产品，它是由以色列创企Arbe提供的4D成像毫米波雷达Phoenix，采用48发48收，虚拟通道也超过2000个，可提供1°水平×1.5°垂直角分辨率。

华为智能汽车解决方案BU Marketing与销售服务部总裁此前也曾透露过，“华为的4D成像毫米波雷达天线已经做到128发128收，非常先进，华为的毫米波雷达是在通信技术的基础上开发出来的”。

安霸半导体在去年收购了傲酷雷达，其中国区市场营销副总裁郄建军对新智驾表示，其4D成像毫米波雷达产品目前性能已与32线束激光雷达性能类似。

“我们接下来还会继续提升角分辨率，做到4芯片级联，类似128线束激光雷达分辨率的效果。”

郄建军介绍，目前4D成像毫米波雷达的成本和传统毫米波雷达的成本相近，远低于激光雷达的成本。

“激光雷达的成本要想从几千元降到几百元，至少需要5年，所以4D成像毫米波雷达，在某种程度上是可以取代低线束激光雷达的。”

另外，当4D毫米波雷达与多目摄像头相结合时，理论上也被认为可完全不需要激光雷达。

那当测距精度更高的激光雷达的成本下探至可被接受范围时，4D成像毫米波雷达会被淘汰吗？换言之，4D成像毫米波雷达会不会只是一种暂时的“过渡性方案”？

对此楚詠焱的看法是，4D成像毫米波雷达和激光雷达各有特点，可以发挥各自的长处，并不存在谁替代谁的关系。

“比如一些L3级功能，并不需要那么高线束的激光雷达，这时候只需要把毫米波雷达的分辨率稍微提高一点，成本也不会增加太多，有可能很多L3级功能就能落地了，这会是4D成像毫米波雷达的主要市场。”

郄建军则认为，由于普通的毫米波雷达检测静止物体效果不好、角分辨率也低，所以目前成像雷达更多还是在对传统的毫米波雷达进行替代。

谁才会是主传感器？

但目前并没有一款能够真正规模落地的4D成像毫米波雷达产品。

楚詠焱介绍，这其中面临着两个难题。

首先是车企对4D毫米波雷达的需求并不明确。

汽车零部件企业研发产品时大多是需求导向，但目前车企并不确定在L3级自动驾驶车辆中，到底是哪个功能，需要4D成像毫米波雷达，或者仅需要输出点云的4D毫米波雷达。

“另外至于诸如AVP、HWP（高速自动驾驶）、TJP（中低速自动驾驶）等自动驾驶功能，对4D成像毫米波雷达的分辨率要求到底有多高，是1°还是2°，目前都还没有一个准确的定义。”

还有就是在4D成像毫米波雷达方面，虽然它能输出更多点，但目前的毫米波系统厂商并没有想清楚，“输出这些点之后，我到底要干什么”。

原本毫米波雷达只输出带有距离、速度信息的目标，但当4D成像毫米波雷达还额外提供了具有方位角信息的点，企业究竟要利用这一特征达到何种感知目的，目前业内也并没有明确的方案。

第二大难点则是现下业内并没有专门针对4D成像毫米波雷达的测试设备，行业的生态链并不成熟。

厂商们只能利用传统毫米波雷达的测试设备，来验证其4D成像毫米波雷达产品的性能。

但问题是，诸如目标模拟器这样的传统测试设备，其分辨率并不高，无法验证4D成像毫米波雷达的分辨率是否达到了1°或者零点几度。

“我们只能靠上路，用真值系统，用激光雷达去做比对。但这样的话，如果产品的一些基础性能出了问题，比如天线设计，我们根本没有办法在实验室里检测出来，做不了前端测试，无法形成一个完整的研发闭环。”

但4D成像毫米波雷达趋势已不可逆转，比如北汽集团投资了Arbe，其副总经理陈江此前曾表示，北汽集团车型有望搭载Arbe量产后的4D成像毫米波雷达产品，比如上汽也早在去年就宣布已在其R汽车搭载了4D成像毫米波雷达，再比如Magna与Fisker将在2022年底推出的Fisker Ocean车型，也将搭载4D成像毫米波雷达等等。

郄建军也向新智驾表示，其4D毫米波雷达已经拿到了多家主机厂的项目定点。

“今年我们看到几家主机厂都准备上车4D成像毫米波雷达，这就跟几年前的激光雷达一样，一旦有领军企业大规模上4D成像毫米波雷达了，后边的企业就会迅速跟进。”郄建军表示。

至于4D成像毫米波雷达生态链的构建，包括楚航科技在内的诸多企业，都在一起去构建行业的标准，比如雷达的性能要求以及试验方法等等。

“大家都在往4D成像毫米波雷达这个方向看，虽然发展的路线有所不同，但我觉得1-2年内，行业会形成一个简单的标准，也会有落地的尝试。”

楚詠焱预测，4D成像毫米波雷达要想形成一个标准化、可规模量产的产品，估计还需要3-5年。

这或许也是为什么Mobileye在今年的CES上，花了更多的笔墨和时间去强调4D成像毫米波雷达的重要性。

回到前文Mobileye提出的，他们将在2025年推出可单独在雷达/激光雷达上行驶的AV方案，即届时AV车辆仅需一个前向激光雷达和360°全包覆车身的毫米波雷达即可。

这意味着，4D成像毫米波雷达将成为自动驾驶车辆的主传感器。

这种方案可行吗？

楚詠焱认为可行，但由于毫米波雷达和激光雷达对颜色以及二维物体的感知都比较弱，因此这一方案可行的前提，则是车辆能做到车路协同，以准确感知车身周围的环境。

不过摄像头、激光雷达抑或4D成像毫米波雷达，究竟谁能成为未来智能驾驶车辆的主传感器，或许还是要看具体场景，根据不同的功能和需求配置不同的方案。

楚詠焱表示，比如对于ADAS功能来说，主流的标准化4D毫米波雷达产品，3发4收就已足够，对于L3级的功能，12发16收的4D成像毫米波雷达产品则就能满足车辆的感知需求。

而当车辆需要提升到L4级或者L5级的水平，比如矿山、港口，这些场景对价格并不那么敏感，各家厂商就可以根据自己的需求，选择激光雷达或者4D成像毫米波雷达，做差异化布局。

比如长城汽车曾推出的一款无人物流小车，就没有使用激光雷达，而是搭载了5个（1个主雷达+4个角雷达）4D成像毫米波雷达。

不同传感器各有优劣，智能驾驶车辆的感知方案也远未固定。

对于4D成像毫米波雷达来说，要想长期生存，当下最重要的，或许还是要先解决是否能够规模上车的问题。

（来源：雷锋网   作者：卢洁萍   原文链接：https://www.leiphone.com/category/transportation/duSnJF6unODVOAbl.html）