毫米波雷达技术解析：从3D到4D成像，在自动驾驶感知中的核心作用

摘要
毫米波雷达凭借其全天候、高精度测速和稳定可靠的特性，已成为智能汽车高级驾驶辅助系统（ADAS）乃至自动驾驶感知层的基石传感器。本文将从基础原理出发，系统解析毫米波雷达的工作机制、技术分类、核心测量算法，并重点探讨4D成像毫米波雷达相比传统3D雷达的技术突破与应用前景，阐述其在多传感器融合方案中的不可替代地位。

图片来自网络

先搞懂基础：毫米波雷达到底是什么？

定义：毫米波雷达是工作在30~300GHz频段（波长1~10mm）的电磁波探测装置。在车载领域，它相当于一个微型的移动雷达站，体积小巧，可集成于车辆保险杠等处。

当前车载毫米波雷达主要分为两个频段：24GHz和77GHz。24GHz雷达成本较低但性能有限，正逐渐被淘汰；77GHz（至79GHz）雷达凭借其更远的探测距离、更高的精度和分辨率，成为L2级及以上ADAS系统的核心配置。

其基本原理是发射毫米波信号，并通过分析目标反射回波与发射信号之间的时间差、频率差和相位差，精确计算出目标的距离、速度和方位角。其核心优势在于不依赖光学信号，完全依靠电磁波工作，因此在雨、雾、雪、黑夜及逆光等恶劣环境条件下依然能稳定工作。

与激光雷达和摄像头相比，可以概括为：毫米波雷达胜在“稳”定性，激光雷达胜在“清”晰度（高精度三维建模），摄像头胜在“细”节识别（语义信息）。正因如此，主流智能汽车普遍采用多传感器融合方案以取长补短。

优缺点分析：为何不可或缺，又为何不能单打独斗？

任何技术都有其边界，客观分析毫米波雷达的优势与局限性，有助于理解其在系统中的作用。

1) 核心优势：奠定不可替代地位的五大特性

1. 全天候工作能力：在大雨、浓雾、大雪、黑夜及强逆光条件下性能稳定，仅在极端暴雨时信号会出现一定衰减。相比之下，激光雷达在大雾天性能骤降，摄像头在夜间或逆光时感知能力大幅削弱。
2. 极高的测速精度：基于多普勒效应，能够实现厘米级的距离测量和毫秒级的速度测量，精度优于激光雷达。这对于前车紧急减速的快速识别至关重要，是AEB（自动紧急制动）功能的核心保障。
3. 强抗干扰能力：毫米波频段带宽较宽，抗电子干扰能力强。这项源于军事领域的技术，使其在复杂的车载电磁环境中也能可靠工作。
4. 优异的低空与近距目标跟踪能力：受地面杂波影响相对较小，能够稳定跟踪低空无人机、路缘石、锥桶等低矮或近距离目标，适用于自动泊车、交叉路口预警等场景。
5. 体积小、成本可控：其核心硬件主要为MMIC（单片微波集成电路）芯片和天线PCB板，集成度高。目前主流77GHz雷达体积已可做到拳头大小，成本远低于激光雷达，具备大规模量产装车的条件。

2) 主要局限性：决定其需与其他传感器协同

1. 分辨率和点云密度有限：传统3D雷达垂直分辨率低，点云稀疏，难以准确识别静止车辆（易误判为桥梁等高空物体）、锥桶等静态小目标，需要与视觉或激光雷达融合进行补充识别。
2. 极端天气下性能仍有衰减：虽然相比其他传感器表现更优，但在特大暴雨等极端条件下，信号衰减会超过20%，性能会有所下降。
3. 核心高性能器件门槛高：例如高功率发射机、低损耗波导器件等，其研发与制造成本高昂，目前多处于技术研究阶段。

总结而言，毫米波雷达是感知系统中的“稳”定担当，而非“全”能选手。实现安全可靠的自动驾驶，必须依赖多传感器协同工作。

工作流程拆解：从发射信号到输出目标的完整链条

目前主流车载毫米波雷达采用FMCW（调频连续波）技术，其工作流程可概括为“发射-接收-处理-输出”四个步骤，整个过程在毫秒级内完成，以确保实时性。

第一步：发射信号
发射机通过振荡器产生频率随时间线性变化的信号（称为Chirp信号），经由天线定向发射出去。为了提高距离分辨率，多采用三角波或锯齿波进行调频。77GHz雷达的可用带宽（如4GHz）远大于24GHz雷达（约200MHz），这是其精度更高的物理基础。

第二步：接收回波
发射的毫米波遇到目标后反射，由接收天线捕获回波信号。回波信号相对于发射信号存在时间延迟（对应距离）、频率偏移（对应速度，即多普勒效应）和相位差（对应角度），这些是计算目标信息的原始依据。

第三步：信号处理
接收机将回波信号与发射信号进行混频，得到包含距离和速度信息的中频信号。随后，信号处理单元通过三级FFT（快速傅里叶变换）进行分析：距离维FFT提取目标距离，速度维FFT提取目标径向速度，角度维FFT提取目标方位角。采用MIMO（多输入多输出）天线阵列技术，可以利用相位差进一步提升角度分辨率。

第四步：结果输出
处理单元融合目标的距离、速度、角度信息，通过卡尔曼滤波等目标跟踪算法建立目标的运动轨迹模型，最终输出结构化的“目标列表”，其中包含每个目标的ID、位置、速度、角度及置信度等信息，供上层决策系统使用。

类型大盘点：不同场景适配不同的雷达

根据频段和探测距离，毫米波雷达可划分为不同类型，以适应多样化的应用需求。

1) 按频段划分
不同频段决定了雷达的性能特点和适用场景。

重点说明77-81GHz频段：作为当前车载雷达的主流选择，它相比24GHz带宽更大、精度更高、探测更远；相比60GHz，在大气中衰减更小，更适合户外远距离探测。中高端车型的前向主雷达和角雷达普遍采用该频段。

2) 按探测距离划分
根据探测距离，可分为短程、中程和远程雷达。

• 短程毫米波雷达：探测距离通常在60米以内，多采用24GHz频段，布置在车辆四角或后保险杠，主要用于盲点监测、倒车横向预警、自动泊车等近距离场景。
• 中程毫米波雷达：探测距离约100米，采用77GHz频段，布置在车辆侧方，用于侧向碰撞预警、交叉路口辅助等。
• 远程毫米波雷达：探测距离可达200米以上（高端型号达350米），采用77-79GHz频段，布置于车辆正前方，是前向感知的核心，负责自适应巡航、自动紧急制动、前向碰撞预警等高速场景功能。

目前主流方案多为“1个前向LRR + 4个角雷达（SRR/MRR）”的5雷达配置，以实现360度感知。随着4D雷达性能的提升，未来可能向“数量更少、性能更强”的配置方案演进。

核心测量原理：距离、速度、角度如何计算？

距离、速度和角度是毫米波雷达输出的三大核心参数，理解其测量原理是掌握雷达技术的关键。

1) 距离测量：基于飞行时间与频率差
核心原理是飞行时间法。雷达发射一个频率线性变化的信号，遇到目标反射后，接收到的回波信号与当前发射信号之间存在一个频率差。这个频率差与信号往返目标的时间成正比，进而可以推算出目标距离。

公式示意图：其中 Δf 为拍频，B 为带宽，T为 chirp 周期，c为光速。

关键结论：雷达的带宽B越大，距离分辨率越高。例如，24GHz雷达带宽约200MHz，距离分辨率约为0.75米；而77GHz雷达带宽可达4GHz，距离分辨率提升至约0.0375米，精度提高了20倍。

2) 速度测量：基于多普勒效应
当雷达与目标之间存在相对运动时，接收到的回波频率会发生偏移（多普勒频移）。通过精确测量这个频率偏移量，即可计算出目标的径向相对速度。

公式示意图：其中 f_d 为多普勒频移，λ 为波长。

毫米波波长极短（如77GHz对应波长约4mm），对速度变化极为敏感，因此测速精度很高。在实际处理中，通常通过连续多个Chirp信号之间的相位变化进行FFT分析（即多普勒FFT），来更精确地测量速度。

3) 角度测量：基于天线阵列的相位差
核心原理是相位干涉。当多个接收天线排成阵列时，同一目标反射的回波到达不同天线的路径长度有微小差异，从而导致相位差。通过测量这个相位差，并结合天线间距和波长，即可计算出目标的方位角（水平角）。天线数量越多，形成的虚拟阵列孔径越大，角度分辨率就越高。MIMO技术通过时分复用，能用较少的物理天线模拟出更多的虚拟接收通道，是提升角度分辨率的关键。

目标识别流程：从原始信号到结构信息的筛选逻辑

雷达接收到的原始信号混杂着目标反射、环境杂波和电路噪声，需要通过一系列处理步骤才能得到可靠的目标信息。

1) 信号预处理：去噪与提纯
通过滤波等手段抑制高频噪声和地面、雨雪等带来的环境杂波，并对信号进行放大和校准，将其转换为干净、规整的中频信号，为后续检测奠定基础。

2) 目标检测：找出潜在目标
对预处理后的信号进行距离、速度、角度三维FFT变换，将信号能量映射到三维数据立方体中。然后使用恒虚警率检测等算法，自动设定阈值，从数据立方体中筛选出能量显著的峰值点，这些点即对应潜在的目标。

3) 目标跟踪：持续锁定目标
利用卡尔曼滤波等算法，将当前帧检测到的目标点与历史帧中已跟踪的目标轨迹进行关联和预测。算法会预测目标下一时刻的位置和速度，并用新的测量值进行修正，从而实现目标的稳定、平滑跟踪，即使目标被短暂遮挡也能维持轨迹。

4) 目标分类：识别目标类型
根据目标的雷达散射截面积大小、运动轨迹特征、速度变化模式等信息，初步区分车辆、行人、骑行者等。更先进的雷达会集成机器学习算法，通过训练学习不同目标的特征模式，进一步提升分类准确性，例如区分行人的“走走停停”和车辆的“匀速运动”。

重头戏：4D成像毫米波雷达 vs 传统3D雷达

4D成像毫米波雷达被视为感知系统的下一代核心，是激光雷达的有力补充甚至部分场景的替代者。其与传统3D雷达的核心差异在于增加了“高度”维度的感知能力。

1) 定义与核心差异

• 传统3D雷达：输出目标的距离、径向速度、水平方位角，缺乏高度信息，无法区分高架桥（悬空）和前方卡车的尾部（地面），易导致误刹车。
• 4D成像雷达：在3D信息基础上增加了高度信息，实现真正意义上的四维感知（距离、速度、水平角、垂直角）。同时，它通常具备密集点云输出能力，并能集成AI处理单元，在端侧完成初步的目标分类。

2) 4D雷达的四大关键突破

1. 解决“静态目标误判”痛点：能够检测目标高度，从而有效区分高空障碍物（如桥梁、交通标志）和地面静止车辆，极大减少AEB系统的误触发。
2. 具备点云成像能力：通过大规模的MIMO虚拟天线阵列（如192虚拟通道），输出类似低线束激光雷达的稀疏点云，可勾勒出障碍物的大致轮廓和道路结构。
3. 提升小目标检测能力：更高的分辨率使其能更精准地检测行人、自行车、锥桶等小目标，并获取其高度信息，适应复杂的城市道路场景。
4. 分辨率全面提升：4D雷达通常工作在76-81GHz的完整频段，带宽可达4GHz，距离和速度分辨率更高；其水平和垂直角度分辨率（可达到1°以内）也远优于传统3D雷达（水平角分辨率通常3-5°，无垂直分辨率）。

3) 为何3D雷达无法通过软件升级为4D雷达？

1. 硬件基础不同：3D雷达天线数量少（如3发4收），虚拟阵列孔径小，物理上无法实现高分辨率的高度测量。
2. 带宽限制：3D雷达工作带宽通常较窄（如1GHz），导致距离分辨率和点云密度天生不足。
3. 算力不足：处理高密度点云和复杂算法需要强大的专用处理器，3D雷达的芯片算力无法支撑。
4. 算法架构差异：4D雷达需要全新的信号处理算法链，包括针对大规模阵列的3D FFT、MIMO信号解耦以及点云聚类分割等。

4) 详细性能对比

5) 4D雷达的典型应用场景

• 城市导航辅助驾驶：应对“鬼探头”、横穿行人、两轮车等复杂动态目标。
• 全自动泊车：构建车位及周边环境的3D点云模型，精准识别车位线、路缘和立柱。
• 非视距感知：通过前车下方缝隙或多径反射，“间接”感知被前车遮挡的前方路况，提前预警。

车载应用大盘点

毫米波雷达已深度集成于现代汽车的ADAS功能中，覆盖从安全预警到舒适巡航的方方面面。

图片来自网络

1) 安全预警类

• 自动紧急制动：前向雷达的核心应用，在碰撞风险前自动实施制动。
• 盲点监测：角雷达监测侧后方盲区，变道时预警。
• 倒车横向预警：倒车时监测后方横向接近的车辆或行人。
• 前向碰撞预警：基于前向雷达数据，提前向驾驶员发出碰撞警报。
• 开门预警：监测侧后方接近的行人/车辆，在开门时发出警告。

2) 巡航控制类

• 自适应巡航：根据前车速度和距离，自动控制本车加速、减速和跟车。
• 高速领航辅助：融合雷达、摄像头和高精地图，在高速路上实现自动跟车、变道等功能。

3) 全场景感知类（4D雷达优势区）

• 立体障碍物识别：识别限高杆、路缘石等。
• 低速泊车辅助：为自动泊车提供高精度环境感知。
• 舱内活体检测：利用60GHz/77GHz雷达监测车内遗留的儿童或宠物。

技术路线之争：毫米波雷达的地位稳固

在自动驾驶感知路径上，存在“纯视觉”与“多传感器融合”两条主要路线。

1. 纯视觉路线：以特斯拉为代表，主要依赖摄像头，通过强大的AI算法进行环境感知。其优势在于数据丰富、成本较低，但受光照、天气影响大，在恶劣条件下稳定性面临挑战。值得注意的是，特斯拉在HW4.0硬件中已被证实重新加入了高分辨率毫米波雷达。
2. 多传感器融合路线：被华为、小鹏、理想等绝大多数车企采用。该路线融合摄像头（丰富语义）、毫米波雷达（稳定测速测距）和激光雷达（高精度3D建模）的数据，通过优势互补实现更安全、鲁棒的感知。这本质上是一个复杂的系统架构问题。

结论：在当前及可预见的未来，毫米波雷达，尤其是4D成像雷达，在智能汽车感知系统中的基础性地位依然稳固。它是实现全天候、高可靠性感知的关键一环，是多传感器融合方案中不可或缺的组成部分。

未来发展趋势

毫米波雷达技术仍在快速演进，主要趋势如下：

1. 更高频与更宽带：向80GHz以上频段和更宽带宽发展，持续提升分辨率。
2. 更高度集成与小型化：芯片级集成方案将使其体积进一步缩小，便于灵活布置。
3. 深度智能化：与AI更深度结合，实现端侧更复杂的环境理解和目标分类。
4. 4D成像雷达普及：成本下探，从中高端车型向主流车型普及，成为L2+级自动驾驶的标配。
5. 跨域应用拓展：从汽车领域扩展至机器人、智慧交通、智能安防、医疗监测等更多物联网场景。

现存挑战：

• 对静止目标的精准分类仍需提升。
• 毫米波点云的物理特性（如多次反射）与激光雷达不同，需要专有的点云处理算法。
• 在极端复杂的城区场景（如不规则物体密集的集市），其点云密度与激光雷达仍有差距，两者更多是互补关系。

总结

毫米波雷达以其独有的全天候工作、精准测速和稳定可靠的特点，成为了智能汽车不可替代的“感知之眼”。从基础的3D雷达演进到具备高度信息和点云成像能力的4D雷达，其技术内涵和应用价值不断提升。在未来以安全为核心的自动驾驶发展道路上，毫米波雷达将继续作为多传感器融合系统中的关键支柱，并与摄像头、激光雷达协同进化，共同构建更加安全、智能的出行未来。

参考资料：

1. 毫米波雷达_百度百科
2. 什么是毫米波雷达？一文读懂物理本质与行业趋势-CSDN博客
3. 毫米波雷达传感器_百度百科
4. 【干货】一文带你读懂什么是毫米波雷达，了解毫米波雷达如何成为融合感知的关键一环-电子发烧友网
5. 毫米波雷达从入门到精通：原理、系统与相控阵天线全解析（上）毫米波雷达分时收发-CSDN博客
6. ASN850-毫米波雷达-企业微波-华为企业业务
7. 特斯拉或放弃“纯视觉”方案，一文说明白 哎哟喂，特斯拉老车主们又要被有驾
8. 特斯拉彻底转向纯视觉自动驾驶系统 – 电动志趣享
9. 特斯拉死磕纯视觉智驾：不是固执，是算透了这盘大棋-有驾