毫米波雷达在自动驾驶中的核心作用：从基础测距到4D成像技术演进

自动驾驶汽车需要多种感知硬件协同工作以精确感知交通环境。相较于备受关注的摄像头与激光雷达，毫米波雷达常被视为辅助角色。然而，它在整个感知系统中扮演着不可或缺的关键角色。

毫米波雷达是什么？

毫米波雷达，是一种工作在毫米波频段（波长1-10毫米）的无线电探测传感器。在汽车领域，其工作频段已从早期的24GHz逐渐过渡到主流的77–79GHz。雷达发射受控的电磁波（常用FMCW连续调频波），当波束遇到物体反射后，通过分析回波与发射波之间的频率差、相位差和时间差，即可计算出目标的距离、相对径向速度以及方位角。这套工作机理赋予了毫米波雷达在远距离探测、速度测量精度以及全天候工作能力方面的固有优势。

其测距与测速原理可简要概括为：发射频率线性变化的“啁啾”信号，回波与当前发射信号的频率差正比于信号往返时间，从而计算出距离；目标移动导致的多普勒频移则直接对应其径向速度。通过连续发射多个啁啾并利用多发多收天线阵列，结合傅里叶变换等信号处理技术，雷达能生成包含距离、速度、角度信息的三维点云或图像，这也是所谓“4D成像雷达”的数据基础。现代车规级毫米波雷达已实现高度集成，将射频前端、模数转换和数字信号处理器集成于单芯片，兼具性能与成本优势。

毫米波雷达产出何种数据？

与传统激光雷达提供的稠密几何点云或摄像头提供的彩色图像不同，传统毫米波雷达通常输出离散的“目标点”或“簇”，每个点包含距离、速度、方位角和反射强度信息。更先进的成像雷达则可输出分辨率更高的距离-角度-速度三维图像，但其在横向分辨率与点云密度上通常仍不及激光雷达。此外，毫米波雷达独有的“微多普勒”特征能够捕捉目标内部细微运动，如行人摆臂、车轮旋转，这对目标分类识别至关重要。

雷达的距离分辨率与工作带宽直接相关，带宽越宽，分辨相邻目标的能力越强。因此，产业向77/79GHz频段迁移的核心驱动力之一，便是该频段能提供更宽的许可带宽，从而实现更高的距离分辨率，并允许设计更紧凑、通道数更多的天线阵列以提升角分辨率。

毫米波雷达的角色及优劣势

在自动驾驶系统中，毫米波雷达首要扮演“运动与距离守门员”的角色，广泛应用于自适应巡航、盲区监测、自动紧急制动等场景，它能稳定、直接地提供关键的距离与速度信息。其最突出的优势在于强大的全天候工作能力：毫米波对雨、雪、雾、尘的穿透能力远胜于可见光与激光，在恶劣天气或夜间条件下性能衰减较小。此外，它能原生、精确地测量径向速度，这是摄像头通过计算机视觉估算难以匹敌的。在工程层面，其成本相对较低、寿命长、易于隐蔽安装（如置于保险杠后）等特点，也深受量产车型青睐。

然而，毫米波雷达的短板也决定了它难以独挑大梁。核心问题在于分辨能力与语义理解能力有限。受波长和带宽限制，其在区分横向紧密相邻的小目标（如路面的小障碍物）时存在困难。同时，目标材质对回波强度影响巨大，对塑料、布料等低反射率物体探测能力弱。此外，多径反射和旁瓣干扰可能产生“鬼影”假目标。简言之，雷达擅长“测量”，但在“识别”和“理解”环境语义方面，仍需依赖摄像头和激光雷达。

毫米波雷达可以替代激光雷达吗？

答案是目前乃至可预见的未来，二者是互补而非替代关系。更现实的路径是多传感器融合。激光雷达能提供高精度的三维几何信息，而毫米波雷达则贡献了稳定的速度数据和全天候可靠性。行业领先的自动驾驶公司普遍采用融合方案以提升系统鲁棒性。

那么，“成像雷达”技术的发展能否弥合差距，使“雷达+摄像头”方案媲美“激光雷达+摄像头”？通过采用MIMO天线、宽带宽、先进算法（如稀疏重建、深度学习后处理等），毫米波雷达的角分辨率和点云密度已大幅提升，使其在部分场景下能捕捉更多细节。但要完全达到激光雷达的几何重构能力，仍需突破硬件带宽与集成度、高性能计算与算法鲁棒性、以及海量场景数据验证等工程挑战。

毫米波雷达的未来发展趋势

产业趋势清晰可见：频段向77/79GHz统一，硬件集成度持续提升（单芯片方案），MIMO与数字波束成形成为标配以提升分辨率。此外，“软件定义雷达”概念兴起，通过灵活波形设计应对复杂电磁环境与干扰。最重要的是，雷达与其他传感器的前融合与深度融合已成为必然方向。

对于系统设计师而言，可将雷达定位为可靠的运动与危险预警层，在低能见度场景发挥主力作用；同时结合摄像头进行语义理解，并在需要高精度几何信息的场景用激光雷达补强。在成本与性能的权衡中，高阶成像雷达与摄像头的组合是颇具潜力的方案，但对安全冗余要求极高的L4级以上应用，激光雷达仍是现阶段的重要保障。