4D成像雷達，掀起高階自動駕駛“革命”的黑科技？
文|智慧相對論
作者|leo陳
馬斯克上個月在推特上表示，特斯拉FSD的Beta 9。0版本將不再依賴於雷達。若它真正到來，意味著特斯拉又重整旗鼓，回到了純視覺的自動駕駛方案。
目前，特斯拉已經更新了北美官網的Model 3宣傳頁面，關於FSD的內容僅保留了視覺和超聲波感測器部分，此前毫米波雷達的資訊已經被撤掉。取而代之為：“250米的強大視覺處理能力”。
不同於特斯拉對毫米波雷達模稜兩可的態度，產業鏈各端的一些玩家將毫米波雷達作為自動駕駛、輔助駕駛裡重要的組成之一，只是它過去被外界討論的熱度並不高。當我們談及感知路線之爭時，討論的都是攝像頭vs鐳射雷達，但其實這兩個方案都融入了毫米波雷達。
不過去年中期，德國大陸推出全球首個4D成像毫米波雷達後，它似乎成為了一個呼之欲出的小風口。今年上海車展前夕，華為也舉辦了HI新品釋出會，釋出新一代高解析度4D成像雷達，用於自動駕駛解決方案核心感測器。
為何傳統毫米波雷達在車載方面的市場議論度較小？近兩年出現的4D成像雷達表現又如何？
毫米波雷達，
丟失的縱向與模糊的橫向維度
毫米波雷達對人們而言還比較陌生，但在行業內，車載毫米波雷達在歐美已經有了二十多年的成功商業化經驗和市場的累積。有資料顯示，博世、大陸、電裝等全球前五大巨頭佔據了75%以上的市場份額。
發展至今，毫米波雷達在傳統巨頭們這裡是相對成熟的車用感知感測器，成本相對低廉，其和攝像頭的感知融合也是早期實現L2級輔助駕駛的首選方案。
傳統Tier 1不僅佔據了“蛋糕”，而且掌握著切“蛋糕”的“刀”。所以，新晉玩家很難從中撕開一道口子，去影響他們和下游車企之間長期捆綁的利益關係。自然地，專注毫米波雷達的新晉玩家不會選擇和這些Tier 1“硬碰硬”，會更希望探尋新的技術創新去實現彎道超車。
市場格局趨於穩定，是傳統毫米波雷達在外界看來存在感不強的原因之一。而另外一個原因，是當自動駕駛駛向L3、L4時，傳統毫米波雷達的技術不足逐漸被放大。在「智慧相對論」看來，有以下兩個方面：
1、 “看不見的Y軸”
傳統毫米波雷達在縱向測高能力上有所欠缺，可以理解為缺乏對垂直平面的“理解”能力。
因為該“理解”能力缺失，導致毫米波雷達“看不出”比如橋樑、路牌的高度，在它的“眼”裡，這些靜止的物體都會被視為在地面這一平面。基於這樣的前提，如果不把他們反射的訊號全部過濾掉，毫米波雷達無疑就會發出前方有障礙的錯誤預警，造成“幽靈剎車”。
但是，當橋樑、路牌下有靜止車輛時，則可能會導致交通事故發生。
特斯拉曾經發生過幾個撞向貨車的事故，就是典型案例。其中，特斯拉的攝像頭感知失效，無法識別出前方停下的貨車。而毫米波雷達作為備用感測器，本應該識別出前方障礙物，併發出預警，但毫米波雷達也不起作用了。
因為靜止貨車的資訊和那些資訊雜糅在一起，前者也會被雷達的識別演算法一併過濾掉。毫米波雷達識別出靜止物體，但是卻因此“無視”它的存在。這樣，毫米波雷達隱身，攝像頭又失效，自動駕駛汽車成了瞎子和聾子，最終撞上靜止的貨車。
2、 “模糊的X軸”
傳統毫米波雷達另一個侷限是橫向解析度低，可以理解為對水平平面的“理解”能力薄弱。
橫向解析度是指左右兩個掃描的鐳射點形成的夾角，夾角度數越小，橫向解析度越高。如果和鐳射雷達相比，毫米波雷達的橫向解析度不具備優勢。
比如，特斯拉過去出現的問題：前面一輛車停在馬路旁邊，可能有半個車身在車道上，這個時候特斯拉會因為毫米波雷達的橫向解析度不足，識別不出車輛而更容易撞上去。
關於這樣的問題，特斯拉在佛羅里達州曾有兩次事故，就是因為毫米波雷達不能測橫向速度，造成識別不出前方車輛是移動的，最終導致車輛來不及剎車。
所以綜合來看，傳統毫米波雷達在“理解”垂直和水平平面時都分別存在不足，也決定了傳統毫米波雷達很難去適應高階自動駕駛感知系統的感測器。不過，近期活躍的4D成像雷達似乎讓我們看到一些新的可能。
由量變到質變，
4D成像雷達的兩條路線
4D成像雷達之所以出現，某種說法是鐳射雷達和攝像頭亮眼表現的倒逼。自動駕駛對感知的要求提升，攝像頭由200萬畫素升級到800萬畫素，半固態鐳射雷達開始加速上車。而最初的毫米波雷達，也同步地升級成瞭如今的4D成像毫米波雷達。
從近兩年廠商們放出的demo或ppt來看，4D成像雷達的確在技術上解決傳統毫米波雷達的一些重大缺點，並且放大了毫米波雷達的優勢。今年上海車展參展的大陸、華為等，就是其中的代表廠商。
在這個過程中，大致的實現方式無非就是硬體上增加收發通道數量，擴大天線孔徑的同時滿足水平和垂直方向對解析度的要求。從而達到除了傳統毫米波雷達以外，增加一個垂直方向的維度資訊，即3D升級4D。這也是此次上海車展中4D成像雷達的主流方案。
其實單從技術角度，我們看到更多的是技術革新帶來的“量變”而不是“質變”，若廠商當下只注重突出引數難免有“過分營銷”之嫌。而真正利用它去推動相關產品實現落地，才是體現出了“質變”。在「智慧相對論」看來，有著以下兩種可行方向：
1、 聚焦細分需求，找到商用場景變現的全新思路
4D成像雷達有著不懼暴雨、強光等惡劣環境的全天候運作特性，而另一方面，4D成像雷達是毫米波雷達的一種“升維”，也延續著過去的優勢，就是成本。
這兩個特點其實給予了它在封閉園區等商用場景，去做無人駕駛技術實現和商業化落地的機會。其中“無人配送小車”就是一個合適的選項，因為現階段有關於它的量產還存在著感測器價效比和全天候運作的問題，能讓4D成像雷達去改善。
無人配送小車低速行駛，現階段大多使用較少線束的鐳射雷達。鐳射雷達發展迅猛，是成本的下降，只是還不夠親民。鐳射雷達為主的感測器方案使得單車成本太高，是無人配送商業化落地的主要障礙，這也早已是行業共識。
所以，人們對於無人配送小車的感測器成本十分敏感，會樂意看到保證足夠效能，也更具價效比的無人駕駛方案。透過多個4D成像雷達組合，也許可能做到這一點。
比如高工智慧汽車曾報道，長城汽車、易航智慧和Oculii聯合打造的無人物流小車，基於4D成像雷達，為低速物流園區場景提供定製化的感知方案。該無人小車可以全天候對周邊360°低速或靜止的行人、障礙物、小物體進行點雲成像、識別和跟蹤，其點雲效果很接近鐳射雷達。
4D成像雷達在進一步壓低成本後，能夠幫助縮短無人小車的量產週期，降低其商業化難度。因此4D雖只是3D“升維”，但“成本效率”更佳，封閉場景“附加值”更高。可以預見的是，出於平衡的考量，它會在更多特定場景下代替低成本的鐳射雷達。
若繼續放大來看，廠商選擇在封閉商用場景實現商業化落地，對自身而言也是一種“由近及遠”的發展思路。在風險較小的特殊場景應用成熟後，漸進式過渡至難度較大的智慧汽車自動駕駛。雖然不一定能趕上“早集”，但前進的腳步也許會邁得紮實。
2、做時間的朋友，構建整套自動駕駛方案最佳落地姿勢
4D成像雷達相比於汽車的另外兩雙“眼睛”，看的距離更遠。
比如，採埃孚將於2022年向上汽集團提供的雷達，最遠探照距離可達350m；華為釋出的高解析度4D成像雷達，探測距離可以做到300m，傳統的通常為200m。所以值得肯定的是，4D成像雷達給自動駕駛系統留下更多處理時間，這是攝像頭、鐳射雷達難以超越的優勢。
這也給出了一種思路，在落地整套自動駕駛方案時，4D成像雷達、攝像頭、鐳射雷達可以互為補充。如果將三者的訊號做有效融合和冗餘，將會推進整套方案逐步接近理想感測器的目標。
那如何去定義理想感測器的目標呢？在「智慧相對論」看來，“全能”是一個合適定義它的核心關鍵詞。由這一個核心延展出多個基本點，比如“技術全能”、“場景全能”。
對於4D成像雷達而言，結合汽車功能安全的準則“車規級應用多安全都不為過”，僅僅就探測距離遠、不懼惡劣天氣這些特點而言，就已經驗證它是自動駕駛實現“技術全能”時不可或缺的感測器了。
4D成像雷達帶著這些技術特點融入進來後，就可以“解鎖”出更多功能場景，推動整套自動駕駛解決方案“場景全能”。
再以華為舉例，在HI新品釋出會上，華為有提到4D成像雷達“三大能力”和“六大價值”。前者包含的大部分技術內容在行業內不算新鮮了，並非人無我有。但是，後者所涉及的新功能場景，我們作為使用者是值得去期待的。
比如有高速巡航、安全避障、城區巡航、非視距前前車檢測等等。華為指出，對於城區巡航，4D成像雷達的大視場無模糊能力可以匹配一些城區場景（人車混行、大小目標並行、被遮擋場景）；對於高速巡航，如果220m外兩輛車完全同速同距，位於相鄰車道，4D成像雷達可以透過角度分辨出來。
所以目前來看，4D成像雷達會是自動駕駛領域不可忽視的感知感測器。華為、大陸、採埃孚、Arbe等主機廠和供應商都在佈局其中。各大廠商軍備競賽背後，一定會是4D成像雷達的技術愈發成熟，隨之而來的，可能就是高階自動駕駛離我們更近一步。
結語
高階自動駕駛對車載毫米波雷達提出了新要求，催生出4D成像雷達，但也不能忽略ADAS國產化還沒有成熟的現實，目前市場仍被高度壟斷。如果大家都只是過分追求戰勝高階自動駕駛的“新”挑戰，而錯過眼前ADAS前裝市場發展視窗期，對於毫米波雷達廠商並不是一個健康的訊號。
ADAS國產化的先天優勢在於，廠商更靠近終端客戶以及中國本地化的道路場景，對需求的把握更為精準。智慧汽車與自動駕駛盛世，對於軟硬體定製化的要求比過去更高，而海外Tier 1恰恰無法在短期內針對中國市場進行靈活定製，這在一定程度上為國內廠商的突圍創造機遇。
那麼，應用於ADAS其實意味著近距離的產品落地與搶佔市場，應用於高階自動駕駛則意味著要漫長的堅持去奔向星辰大海，廠商可選其一也可同步進行。選擇很多，4D成像雷達未來會如何呈現在大家面前，還需耐心等待。
