激光雷达与毫米波雷达本质区别：从工作原理到智能驾驶中的分工配合

激光雷达（LiDAR）与毫米波雷达（Radar）是智能驾驶感知系统的两大核心传感器，理解其本质区别与协作原理至关重要。

核心差异：从“铅笔描边”到“手电筒寻光”

两者的根本区别在于感知世界的物理原理不同。

1. 激光雷达（LiDAR）：高精度“3D素描师”

• 工作原理：发射数百万束极细的激光，对物体表面进行密集的逐点扫描。
• 感知结果：获得高分辨率、密集的3D点云，能精确描绘物体的完整轮廓与表面几何形状，如同用极细的铅笔进行素描。
• 技术特点：分辨率高、点云密集，直接回答“物体的表面在哪里？”。

2. 毫米波雷达（Radar）：全天候“反射点探测仪”

• 工作原理：发射锥形毫米波束，捕捉物体上反射信号最强的“高光点”。
• 感知结果：只能获得稀疏、离散的反射点（如车辆的角反射器、边缘），无法描绘物体完整形状。如同在黑暗中用手电筒照射，只能看到少数几个特别亮的反光点。
• 技术特点：点云稀疏、分辨率低，核心是探测“哪里有一个能强烈反射信号的亮点？”。

因此，毫米波雷达天生在精细3D感知上存在局限，其“视力”模糊且不完整。

深入解析：毫米波雷达为何“分辨率低”

“分辨率低”主要体现在角分辨率（分不清谁是谁）和距离分辨率（分不清远和近）两个维度。

1. 角分辨率低：物理定律与工程限制的双重约束
角分辨率低意味着波束宽，无法区分角度相近的目标。

• 波长影响（物理定律）：根据瑞利判据，波长越长，在相同天线尺寸下波束越宽。毫米波（波长约1-10mm）远长于激光（波长约900-1550nm），这是其天生“眼神不好”的物理根源。
• 天线尺寸限制（工程现实）：为收窄波束，需增大天线孔径。但汽车安装空间有限，无法搭载大型天线，导致波束无法进一步收窄。

2. 距离分辨率低：系统带宽的瓶颈
距离分辨率决定了区分前后紧邻目标的能力。

• 依赖信号带宽：高距离分辨率需要极大的信号带宽（例如4厘米分辨率约需4GHz带宽）。
• 工程实现挑战：虽然毫米波频段资源允许，但设计并稳定处理超宽带宽的芯片与天线系统，成本和技术难度极高。

3. 技术补偿：MIMO与算法
为突破限制，现代雷达采用两种主要技术：

• MIMO与虚拟孔径技术：在有限空间内密集排布多个小天线单元，通过协同工作等效成一个巨大的“虚拟天线”，大幅提升角分辨率，这是4D成像雷达的核心。
• 超分辨率算法：运用如MUSIC、压缩感知等先进算法，从硬件接收的模糊信号中“猜测”并重建出更精细的目标信息。

结论：毫米波雷达的分辨率天花板由长波长与受限的天线尺寸/系统带宽共同决定。现代技术正奋力逼近这一极限，但无法像激光雷达那样“天生高清”。

关键原理：带宽如何决定“测距标尺”的精度？

雷达常采用调频连续波（FMCW）测距，其精度核心取决于带宽。可以将其理解为“音调差测距法”：

1. 发射“滑音”：雷达发射频率线性连续增加的无线电波（如同从低音滑向高音）。
2. 接收“回声”并计算差频：目标反射的回波存在延时。当回波返回时，发射频率已经变化，两者之间产生一个频率差（“音调差”）。目标越远，延时越长，频率差越大。
3. 带宽即“标尺”刻度：距离分辨率 = 光速 / (2 × 带宽)。带宽越宽，意味着频率变化范围越大，相同距离差产生的频率差差异就越明显。这相当于为测量准备了一把刻度更密的尺子，从而能区分距离极其接近的目标。

智能驾驶中的分工与配合

在实际的智能驾驶系统中，二者通过传感器融合技术取长补短，形成冗余。

具体协作方式如下：

1. 数据互补融合：系统融合激光雷达的高精度位置/形状数据与毫米波雷达的直接速度数据，生成同时具备“形状准”和“速度准”的完整目标信息。
2. 极端天气冗余：在晴朗天气，激光雷达主导。在雨雾天气，激光雷达性能下降，毫米波雷达成为关键的安全冗余，保障基础障碍物探测。
3. 感知引导优化：可利用毫米波雷达快速扫描，初步定位“感兴趣区域”，再引导激光雷达进行局部精细化扫描，提升系统整体效率。

挑战与展望：实现完美融合的挑战在于精确的时空同步与处理海量数据所需的算力。随着4D成像毫米波雷达性能提升、融合算法进步以及专用芯片算力增长，多传感器融合技术将推动智能驾驶向更高安全等级发展。