自動駕駛中毫米波雷達(dá)到底有何作用？

[首發(fā)于智駕最前沿微信公眾號]自動駕駛汽車為了能夠更好地勘測到交通環(huán)境，需要多個感知硬件協(xié)同工作，由于各感知硬件的功能不同，在自動駕駛行業(yè)中被討論的熱度也不一樣，攝像頭與激光雷達(dá)作為主要的感知硬件，一直是行業(yè)討論的熱點(diǎn)，而毫米波雷達(dá)、超聲波雷達(dá)等感知硬件，更像是一個配角，成為自動駕駛技術(shù)實(shí)現(xiàn)的輔助硬件。那在自動駕駛中毫米波雷達(dá)到底有何作用？

毫米波雷達(dá)是什么？

毫米波雷達(dá)，顧名思義是一種用毫米級波長的無線電波去“看”路面周圍事物的傳感器，汽車?yán)锍Ｒ姷墓ぷ黝l段主要是以24GHz（過去），以及現(xiàn)在主流的77–79GHz為主。雷達(dá)發(fā)射一串受控的電磁波（工程上常用的是連續(xù)波調(diào)頻——FMCW，俗稱“啁啾”信號），當(dāng)波遇到物體反射回來后，雷達(dá)把回波和發(fā)射信號做頻率差、相位差和時(shí)間差的處理，換成可讀的數(shù)據(jù)，目標(biāo)的距離、相對速度（靠多普勒頻移）以及朝向（靠天線陣列的相位差或多天線合成）等信息都能被估算出來。這套從發(fā)射到數(shù)字信號處理再到最終輸出的鏈條，決定了雷達(dá)在檢測距離、速度精度和抗惡劣天氣能力上有天然優(yōu)勢。

那它是怎么測出距離和速度？簡而言之，毫米波雷達(dá)就是把頻率從低到高勻速掃一圈，這就是一段啁啾（chirp）。回波回來的時(shí)候，雷達(dá)接收到的信號在頻率上和當(dāng)前發(fā)射的信號存在差別，這個“差頻”正比于往返傳播時(shí)間，從而換算成距離；如果目標(biāo)在移動，反射波的頻率還會因?yàn)槎嗥绽招?yīng)整體偏移，這個偏移又直接給出徑向速度（相對于雷達(dá)的速度分量）。把很多個啁啾放在一起、并結(jié)合天線的空間布局（多發(fā)或多收），雷達(dá)可以通過傅里葉變換把時(shí)間/頻率信息變成距離軸、速度軸，再結(jié)合陣列信號處理估計(jì)角度，最后形成基于距離-角度-速度的三維信息圖（有時(shí)稱為“4D雷達(dá)”或“成像雷達(dá)”的原始數(shù)據(jù)）。很多智能汽車?yán)走_(dá)已經(jīng)實(shí)現(xiàn)了在單芯片上完成射頻到數(shù)字的緊密集成，這讓雷達(dá)既便宜又小巧。

毫米波雷達(dá)工作示意圖，圖片源自：網(wǎng)絡(luò)

那毫米波雷達(dá)產(chǎn)出的到底是什么樣的數(shù)據(jù)？它不像激光雷達(dá)給你一張密集的點(diǎn)云，也不像攝像頭給你一張有色的照片。傳統(tǒng)的毫米波雷達(dá)更像是給出許多“熱斑”或“回波簇”，每個回波攜帶距離、徑向速度和回波強(qiáng)度，有時(shí)候還能通過相位信息估計(jì)入射角。早期的雷達(dá)輸出是離散的目標(biāo)列表（track），而現(xiàn)在有的成像雷達(dá)會輸出類似熱力圖或稠密的深度-速度圖，但總體上分辨率（尤其是方位分辨率、跨距分辨率）仍然不如激光雷達(dá)。毫米波雷達(dá)還會有一類特殊輸出叫“微多普勒（micro-Doppler）”，它能反映目標(biāo)內(nèi)部的振動或轉(zhuǎn)動特征，比如行人的擺臂、車輪的旋轉(zhuǎn)等信息，這對區(qū)分目標(biāo)類型非常有幫助。

毫米波雷達(dá)的距離分辨率和可用帶寬直接相關(guān)，帶寬越寬、能把近鄰目標(biāo)分離得越清楚；短波長（高頻）則有利于做更小、更高角度分辨能力的天線陣列。因此產(chǎn)業(yè)上從過去的24GHz逐步遷移到77/79GHz，是因?yàn)?7GHz帶來更寬的許可帶寬，從而提升距離分辨力并允許更緊湊的天線陣列布局（車上更易集成多路收發(fā)天線以實(shí)現(xiàn)高角分辨率）。許多主流半導(dǎo)體廠商都把77–79GHz作為主力產(chǎn)品線，車規(guī)級單芯片雷達(dá)也相繼推出，推動了雷達(dá)在汽車?yán)锏钠占啊?/p>

毫米波雷達(dá)的角色及優(yōu)劣勢？

把雷達(dá)放到自動駕駛行業(yè)中，它主要扮演哪些角色？其最基礎(chǔ)的功能就是做距離與速度的“守門員”，被應(yīng)用在自適應(yīng)巡航、盲區(qū)監(jiān)測、并線輔助和碰撞預(yù)警這些場景，毫米波雷達(dá)能夠直接并可靠地給出前車或側(cè)后方車輛的相對速度和距離，尤其在雨、雪、霧、夜間這些視覺受損場景里表現(xiàn)穩(wěn)定。毫米波雷達(dá)還有更高級的應(yīng)用，那就是通過陣列和先進(jìn)處理（如MIMO合成大孔徑、時(shí)頻域成像、相位補(bǔ)償?shù)龋┌逊直媛释蟼鳎a(chǎn)生可以支持目標(biāo)分類和姿態(tài)估計(jì)的更豐富表征。這就是為什么近幾年人們開始講“成像雷達(dá)”或“4D雷達(dá)”的原因，其目的就是試圖把雷達(dá)從一個粗粒度的運(yùn)動傳感器，變成能參與語義感知的傳感器之一。

緊急避讓，圖片源自：網(wǎng)絡(luò)

那雷達(dá)的優(yōu)勢到底在哪兒？抗惡劣天氣能力是它的殺手锏。電磁波在毫米波段穿透雨雪和部分塵土的能力強(qiáng)于可見光，激光雷達(dá)和攝像頭在大雨大雪、塵暴、逆光或夜間都會顯著退化，而毫米波雷達(dá)通常還能穩(wěn)定工作。此外，毫米波雷達(dá)能“原生”給出速度（多普勒）信息，這是攝像頭單獨(dú)難以做到的（雖然光學(xué)光流能估速度，但受遮擋和紋理影響很大）。毫米波雷達(dá)的成本也相對友好、壽命長、易于隱藏和保護(hù)（可以裝在保險(xiǎn)杠背后），這些都是量產(chǎn)車很在意的工程屬性。

既然毫米波雷達(dá)有這么多優(yōu)勢，為何在自動駕駛感知硬件中一直處于第二梯隊(duì)？其實(shí)毫米波雷達(dá)的短板也很明顯并且決定了它不太可能單獨(dú)完成所有自動駕駛感知任務(wù)，其核心問題在于分辨率和語義能力。毫米波雷達(dá)的波長和可用帶寬決定了它的角分辨率和距離分辨率，傳統(tǒng)雷達(dá)在區(qū)分相鄰小目標(biāo)（比如一個倒在路中央的小塑料袋和小型石塊）時(shí)能力會明顯不足。毫米波雷達(dá)的反射強(qiáng)度受目標(biāo)材質(zhì)、形狀和入射角影響也很大，塑料、布料等弱反射體往往難以被檢測；而激光雷達(dá)能給出更稠密和更直觀的幾何點(diǎn)云，攝像頭則提供豐富的顏色和紋理信息，便于語義理解（行人、交通標(biāo)志、路緣石、車道線等）。再者，毫米波雷達(dá)的多徑和鬼影（multipath、side-lobe）問題會帶來假目標(biāo)，如果沒有足夠高階的信號/算法處理，易誤報(bào)或漏報(bào)。綜合起來，就是“雷達(dá)很會測距離和速度，但不太會講故事（語義）”。

毫米波雷達(dá)可以替代激光雷達(dá)嗎？

聊到這里，也自然會把我們引向一個行業(yè)爭論的核心話題，雷達(dá)能不能替代激光雷達(dá)？其實(shí)這個話題之前單獨(dú)和大家聊過（相關(guān)閱讀：都是點(diǎn)云數(shù)據(jù)，毫米波雷達(dá)能否替代激光雷達(dá)？），這里再和大家簡單聊聊。先說答案，那就是“目前看不太可能完全替代”。更準(zhǔn)確的表述是“雷達(dá)正在變得越來越像激光雷達(dá)（分辨率和成像能力提升），但兩者的物理特性決定了它們各有擅長的領(lǐng)域，短時(shí)間內(nèi)更現(xiàn)實(shí)的路徑是傳感器融合而不是單一替代”。在很多產(chǎn)品和路測中，有些技術(shù)方案的做法就是把攝像頭、雷達(dá)和激光雷達(dá)結(jié)合起來，互補(bǔ)各自的短板。以Waymo、Cruise這類做Robotaxi的公司為例，它們在不同代次的車輛上同時(shí)采用激光雷達(dá)和雷達(dá)，再用大量的攝像頭作為語義判別的主力，展示了多傳感器融合在極端場景下提高魯棒性的價(jià)值；而像Tesla這樣強(qiáng)調(diào)“純視覺+雷達(dá)（或純視覺）”路線的玩家則認(rèn)為軟件和大規(guī)模數(shù)據(jù)標(biāo)注可以彌補(bǔ)硬件差距，行業(yè)對此仍然存在激烈爭議與分歧。

圖片源自：網(wǎng)絡(luò)

既然雷達(dá)不能完全代替激光雷達(dá)，那“成像雷達(dá)”技術(shù)能不能把差距縮小到足夠的程度，使系統(tǒng)只用雷達(dá)+攝像頭就能達(dá)到類似激光雷達(dá)的表現(xiàn)？通過MIMO（多輸入多輸出）天線、稀疏重建、Dopplerbeamsharpening、合成孔徑雷達(dá)（SAR）思想以及深度學(xué)習(xí)驅(qū)動的后處理，其實(shí)可以把傳統(tǒng)雷達(dá)從“只有幾個目標(biāo)輸出”逐步推進(jìn)到“能夠輸出更稠密的角度-距離圖像”。最近幾年的論文與產(chǎn)業(yè)預(yù)研顯示，采用更復(fù)雜的時(shí)空信號處理和更寬的帶寬，可以顯著提升橫向分辨力與旁瓣抑制，這使雷達(dá)在特定場景下能看到之前看不清的細(xì)節(jié)，同時(shí)微多普勒等信息也為分類提供了新的線索。不過這些方案對計(jì)算資源、算法魯棒性和標(biāo)注數(shù)據(jù)量提出了更高要求，且在極端復(fù)雜場景（例如遮擋、低反射小物體）下仍然面臨挑戰(zhàn)。

從工程實(shí)現(xiàn)角度說，成像雷達(dá)要達(dá)到激光雷達(dá)那種在空間結(jié)構(gòu)上“顯式還原環(huán)境”的能力，會涉及三方面的瓶頸。一是硬件，要更寬的帶寬、更密的天線陣列和更高線性度的射頻鏈路；二是信號處理與算法，要處理海量的原始回波，做更精準(zhǔn)的相位校正、運(yùn)動校準(zhǔn)與波束成形；三是數(shù)據(jù)與驗(yàn)證，需要大量現(xiàn)實(shí)世界下不同天氣、不同路況的數(shù)據(jù)來訓(xùn)練和驗(yàn)證模型以避免邊界崩潰。雖然有少數(shù)廠商的demo實(shí)現(xiàn)了很大進(jìn)展，但把這一套做到量產(chǎn)、車規(guī)、低功耗、低成本，并在數(shù)百萬輛車上穩(wěn)定運(yùn)行，依然是工程上很大的挑戰(zhàn)。

毫米波雷達(dá)的未來發(fā)展趨勢

從產(chǎn)業(yè)趨勢來看，毫米波雷達(dá)有幾個比較清晰的方向，一是頻段與帶寬的規(guī)范化向77/79GHz聚攏，行業(yè)主流器件生態(tài)在這個頻段已經(jīng)成熟；二是硬件的集成度越來越高，射頻前端、AD/DA和DSP在單芯片或緊湊的模塊內(nèi)完成，成本和體積下降；三是MIMO、波束成形和多頻多模設(shè)計(jì)成為提升角分辨率的常態(tài)化手段；四是軟件定義雷達(dá)（SDR）和更靈活的波形設(shè)計(jì)開始被重視，以應(yīng)對多傳感器電磁共存和抗干擾要求；五是雷達(dá)與其他傳感器的深度融合成為量產(chǎn)路線，這一點(diǎn)在很多高階自動駕駛公司與傳統(tǒng)Tier1廠商的戰(zhàn)略里都能看到。

圖片源自：網(wǎng)絡(luò)

那對于產(chǎn)品工程師與系統(tǒng)設(shè)計(jì)師來說，面對毫米波雷達(dá)技術(shù)突飛猛進(jìn)的局面，應(yīng)該怎么取舍與設(shè)計(jì)傳感器棧？智駕最前沿給出一些自己的見解，可以把雷達(dá)的功能定位為“穩(wěn)定的運(yùn)動與危險(xiǎn)預(yù)警層”，在低可見度或高相對速度場景下?lián)沃髁Γ瑫r(shí)用攝像頭做語義判別（識別行人、交通標(biāo)志、車道線），激光雷達(dá)用于在復(fù)雜幾何場景、精細(xì)定位與稠密地圖構(gòu)建時(shí)補(bǔ)足雷達(dá)的短板。對于成本敏感的乘用車平臺，廠商會權(quán)衡激光雷達(dá)的使用（目前高性能激光雷達(dá)成本仍然偏高），可以嘗試選擇更強(qiáng)的成像雷達(dá)+攝像頭作為替代方案；而對于需要極高安全裕度和冗余的純自動駕駛車隊(duì)或機(jī)器人出租車，短期內(nèi)還是建議保留激光雷達(dá)以獲得更可靠的幾何感知。傳感器的選型必須和公司對自動駕駛能力的定位、任務(wù)邊界和可接受的風(fēng)險(xiǎn)模型相匹配。

最后的話

毫米波雷達(dá)是自動駕駛感知系統(tǒng)里極其重要的基礎(chǔ)傳感器，它以穩(wěn)定的距離和速度測量、優(yōu)秀的惡劣天氣魯棒性和量產(chǎn)友好的工程特性為系統(tǒng)提供“骨架式”的空間感知；成像雷達(dá)與算法進(jìn)步正在縮小它與激光雷達(dá)在分辨率和語義能力上的差距，但兩種傳感器的物理特性仍然互補(bǔ)，短期內(nèi)更現(xiàn)實(shí)的路徑是“融合而非替代”。