4D毫米波雷達比3D毫米波雷達到底強在哪兒？

[首發于智駕最前沿微信公眾號]最近有一個小伙伴在留言區提問：最近智界開啟了老車型智駕硬件升級活動，老R7的前1后2毫米波雷達替換成4D毫米波雷達。因此想讓智駕最前沿聊聊，前向一顆4D對于識別路面的灑落障礙物相較于3D毫米波有多大提升？

先說結論，4D雷達相比傳統那種只能看平面的雷達，最大的區別不是單純多一項數據，而是能“看得更立體、更靠譜”。雷達對自動駕駛來說，就像人的耳朵與觸覺。它聽到（接收）回波，算出距離和速度，再告訴大腦什么時候該剎車或避讓。它能更好地區分路面上不同高度的物體，給出更結構化的點云，幫助車輛在復雜環境中做出更穩妥的判斷。

什么叫4D毫米波雷達，和3D/傳統雷達有什么差別？

“4D”并不是一個數學名詞，而是從“感知維度”的方面體現出雷達的功能。早期的汽車雷達主要能量測距離，順帶能測徑向速度（也就是目標是靠近還是遠離，速度是多少）。后來雷達加了天線陣列，可以分辨方位角（左右在哪兒），這有時被稱為“3D”，但很多廠家和文章里對“3D/4D”的叫法并不完全統一。我這里把4D雷達解釋為能同時提供四類信息，距離、方位、速度和高度（也可以理解為垂直角度）。高度的加入讓雷達不再只是“平面上的影子”，而是有深度的立體感知。

通俗點想象，傳統雷達是站在馬路邊拿望遠鏡看東西，只能知道東西有多遠和在什么方向上；4D雷達像是拿了帶高度測量的立體相機，不僅知道東西在哪里，還知道它高矮，能分辨出地面上的小石子、路邊的護欄和人頭的高度差別。這種高度信息對行人、騎車人、卡車車頂、路牌橫桿這些場景非常有價值。

它是如何“看出高度”的？

要讓雷達看出高度，關鍵在兩個方面，即天線的布局和信號的處理方式。早期雷達天線少，收發天線數量有限，沒法用角度差來精確判斷垂直方向。現在的4D雷達在發射和接收部分用了更多的天線單元，按一定規則排列，這就允許雷達去測量到信號在不同天線間的相位差。把這些相位差拼起來，雷達能推算出目標從側面看和從上方看的角度，從而得到高度信息。

還有一個關鍵技術就是波束形成和MIMO技術。MIMO就是多個發射和多個接收的組合方式，通過不同發射/接收對的相位信息組合，得到更多獨立的測量樣本。波束形成則像握著手電筒調整光束方向，把能量集中在某個方向，提升對特定方位的分辨率。再配合快速的時頻編碼和更強的信號處理器，雷達能在同一時間幀里得到更細的角度和距離測量。現代芯片算力變強后，這些繁重的數學運算可以在傳感器端完成，輸出更“干凈”的點云給車載中樞。

用更好理解的比喻，想象你要拍一個物體的立體照，多顆小相機從不同高度和角度拍照，再把照片合成就能得到目標的三維形狀。4D雷達做的事情和這差不多，只不過用的是電磁波而不是光，天線陣列和信號處理替代了多相機與拼接算法。電磁波有穿透霧雨的能力，這也是雷達在惡劣天氣比攝像頭更可靠的原因之一。

4D比3D/傳統雷達在實際自動駕駛場景帶來哪些提升？

有了高度信息和更稠密的點云，系統能做的事情就會增多且會更可靠。舉幾個常見的例子，路邊有一排護欄，護欄上方有橫桿，如果車輛只知道距離和方位，可能把護欄和橫桿當成一個整體來處理，不夠精細；4D雷達可以告訴系統哪些回波來自較高位置，哪些來自地面，這樣決策層就能更準確判斷哪些物體是行進障礙，哪些只是高處的標志，這樣就不會阻擋車輛行駛。再比如在隧道或橋洞入口處，車頂較高的大貨車和普通小車通過的剩余高度不一樣，4D雷達能幫助判斷是否存在高頂障礙物，從而在需要時提示減速或變道。

在行人和騎行者的識別上，4D雷達能提供更穩定的幾何信息。攝像頭在夜間或逆光下容易失靈，激光雷達在雨雪下也會受影響，但雷達對雨雪更“寬容”。當攝像頭信息不可靠時，雷達提供的高度和速度信息能作為重要的備份，避免出現錯誤超車或誤判距離的情況。車速、方位與高度三者結合后，追蹤動態目標時不容易把兩個人或一個人和一個物體混淆，從而減少誤判。

4D雷達還有一個非常重要的優勢是運動預測更穩。車輛需要預測前方目標的運動軌跡來決定自己下一步的動作。精確的角度和速度信息意味著跟蹤算法可以更準確地維持目標軌跡，不容易在短時間的噪聲里“丟目標”。這讓路徑規劃和決策更平滑，降低了因為感知抖動帶來的頻繁剎車或不必要的避讓。

4D雷達并不是萬能的，它的局限和實際取舍是什么？

4D雷達雖然聽起來非常強悍，但仍然有一些不得不面對的缺點。第一，雷達的點云密度和細節性仍然比不上高線數的激光雷達。激光雷達在遠距離和小目標輪廓方面更清晰，哪怕是4D雷達也不能完全替代高端激光雷達的全部功能。第二，高度分辨率有物理限制。天線數量、車上安裝位置和信號帶寬都會影響垂直方向的精細程度，所以在某些場景下高度信息并不一定非常精確。第三，成本和工程量會增加。更多天線和更復雜的信號處理意味著傳感器本身更貴，電磁兼容、散熱與外殼設計也要更謹慎才能達到車規級要求。第四，數據要處理好才有用。4D雷達輸出的點云需要配套的算法和專門的標注數據集來訓練模型。如果沒有成熟的算法，豐富的點云也可能變成“噪聲堆”，無法直接轉化為可靠決策。

正因如此，很多廠商不會把4D雷達當作單獨的“靈丹妙藥”。更現實的做法是把它作為重要的技術補充，與攝像頭和激光雷達形成互補。攝像頭負責高分辨率的語義理解和顏色信息，激光雷達負責提供稠密的三維形狀，4D雷達負責在低能見度或復雜電磁環境下提供穩定的距離、速度和高度信息。三種傳感器協同工作，比任何一種單獨工作都更可靠。

如何把4D雷達用得順手且物有所值？

要想在車上真正把4D雷達發揮價值，有幾件事必須注意。傳感器安裝位置要經過反復驗證，位置決定視場、遮擋和天線效率，隨便塞一個位置會大幅削弱性能。時間同步和空間標定也很關鍵，雷達、攝像頭和激光雷達的數據要在時間上對齊、在空間上校準才能做有效的融合。在算法層面上，更要先做輕量級的在線處理，把不確定性大的判斷先放到保守策略里，再把復雜的語義推理交給中央算力或離線模型優化。最后要考慮量產時的可靠性問題，車規級封裝、抗振動、耐高低溫和電磁兼容都是必須通過的門檻。

從產品選擇角度出發，車廠需要把成本、預期功能和目標場景對齊。不是每一輛車都需要最先進的4D雷達。對一些以城市低速為主的共享出行車輛，4D雷達能帶來明顯的安全提升；而對預算有限、場景較單一的量產家用車，可能會選擇低成本傳感器組合并在軟件上做更多優化。

4D雷達會如何影響自動駕駛的未來？

隨著技術的進步技，芯片更便宜、天線制造也會更成熟，算法也能更好地解釋雷達點云。未來，4D雷達會越來越常見，尤其是在需要全天候、全天時可靠感知的場景里，4D雷達或將成為主要硬件。但短期內它不會把激光雷達完全替代，但會讓傳感器融合更穩健，可以有效降低光學傳感器在惡劣天氣下的單點失效風險。

如果你把自動駕駛想成一支球隊，攝像頭是前鋒負責看清楚細節，激光雷達是中場負責搭建精細的三維場景，4D雷達就是那個在關鍵時刻攔截對方進攻的后衛，雨霧天它常常是最可靠的防線。只有把隊伍成員搭配合理，才能把比賽打好。4D雷達的出現，可以讓這支隊伍在風雨中也不容易被打亂節奏，這就是它最直接也最實用的價值。