隨著智能駕駛時代的到來，車用傳感器進入高速發展期，其中車載毫米波雷達幾乎成為L2及以上智能駕駛的標配。統計數據顯示，2020 年中國市場前裝角雷達搭載量為414.28 萬個，同比增長72.53%；前向毫米波雷達上線量535.72 萬顆，同比增長38.43%。

從物理屬性來看，相對于激光雷達和攝像頭等光學傳感器，毫米波雷達不受光線的制約，在雨霧雪等惡劣天氣下均能正常工作，在車載傳感器領域贏得了“全天時、全天候”工作的美譽。

圖片來源：行易道

不過，面對高級別自動駕駛對高精度感知的需求，傳統毫米波雷達開始顯得有些“力不從心”。2021年5月，自動駕駛領域代表車企特斯拉宣布取消北為北美市場制造的Model 3和Model Y的毫米波雷達，改由Tesla Vision（基于攝像頭純視覺方案）來實現Autopilot等駕駛輔助功能一事，就讓毫米波雷達遭受了不少爭議。

此后，諸多公開信息顯示，特斯拉當時選擇的這顆毫米波雷達在性能上存在問題，而導致該問題出現的主要原因，則是傳統毫米波雷達較低的分辨率。

“智能駕駛需要有更好的毫米波雷達?！痹贕TM2022全球科技出行峰會上，行易道CEO兼CTO趙捷如是說。

過去，毫米波雷達被認為是輔助型的傳感器，其產品定位和主要功能是實現碰撞預警，而今，隨著自動駕駛向更高級別演進，毫米波雷達的性能也亟待提升，例如：高程分辨能力和高分辨力、更遠的作用距離、易于和視覺融合、能夠用雷達數據集訓練AI。這四項能力的提升，意味著毫米波雷達可以和視覺一樣，具備對周邊進行精準的檢測、跟蹤、識別等成像系統的能力。

毫米波雷達的高精度成像構成

那么，毫米波雷達的成像系統構成是什么？其又是如何實現高精度成像的呢？

趙捷介紹到，除了基礎理論之外，毫米波雷達的成像系統構成主要包含視覺語義約束成像、散射機制約束成像、結合神經網絡約束成像有三大部分，在此基礎上可以實現毫米波獨立成像，以及和其他傳感器的深入融合。

對于“視覺”的定義，1982年，計算機視覺的創立者在Vision一書中指出：“視覺就是通過看，確定什么東西在什么地方”。車載毫米波雷達的視覺語義約束成像即“從毫米波圖像中確定什么東西在什么地方”。

具體到應用場景中，車載毫米波雷達需要解決兩件事：一個是場景、物體、類別、及其關系，也就是說能否分辨出汽車、摩托車、自行車、行人以及它的同類；另一個是它們在哪里，即關于場景的幾何基元以及關系，包括道路、橋梁、空間的線和面以及它們的位置和朝向。

趙捷表示，因角度分辨率不足，傳統車載毫米波雷達沒有實現完整的視覺語義解釋，沒有構成車載毫米波雷達成像系統，這是傳統車載毫米波雷達沒有進入高階傳感器融合技術領域的根本原因。

散射機制約束成像是雷達通過電磁波、電磁場的解釋方式來對于目標、結果進行闡述。即通過構建散射機制，建立散射系數在頻率、角度、空間上的稀疏表征模型，當車載毫米波雷達的信號通過模數轉換傳到了后續的處理流程里面之后，可檢測、跟蹤處理信號。

趙捷特別指出，為了構成車載毫米波雷達的成像系統，還要增加語義分割算法，這是在現有雷達支持體系要增加的一部分，也是智能駕駛技術對于車載毫米波雷達提出的更高要求。

除了上述三部分外，支撐一個成像系統還需要測試驗證系統的搭建?！皽y試驗證系統搭建除了雷達本身之外，還要結合非常多的因素，因為是車載雷達，還要滿足多種法規和需求集，才能更好地支撐成像系統本身的測試驗證。”趙捷說到。

4D毫米波雷達正在加速落地

目前，行業在車載毫米波雷達成像技術上的進展主要分為兩種，一種是俗稱的4D成像（即建立在FMCW體制上的增加高度維信息的4D成像），另一種是車載SAR成像。行易道同時發力這兩類技術并取得了一定的成果。

據趙捷介紹，行易道4D雷達更多的應用在前向成像，SAR雷達則應用在側向成像?！皩τ谄囍苓?60度成像，我們有多種技術，原理上4D可以360度覆蓋，但是側向我們又提出來一個SAR成像，因為SAR成像不管是效果還是成本、性價比方面都會比較高?！?/p>

據了解，SAR成像系統主要的原理是利用汽車運動形成空間的大天線孔徑從而實現高的分辨率。行易道是國內第一個提出做車載SAR雷達的公司，2016年開始研發，2019年已經實現了SAR雷達的工程樣機，2020年兩篇車載SAR應用相關論文獲得IEEE錄用，2022年已經有四五個算法方面的專利授權。

“SAR雷達持續得到的認可還是蠻多的，我們在海外有一家客戶，國內有一家大型乘用車客戶，都在測試和產品化的進程中。”趙捷說到。

在4D毫米波雷達方面，據介紹，2020年，行易道承擔了北京市科委的一個研發項目，2022年年底的測試結果令人滿意。同在2022年，行易道還推出了新產品——伽利略300，這是一款面向L2、L3智能駕駛應用、實現高程信息輸出的4D中程雷達，采用行業領先的超分辨算法，在支持雷達實時判斷方面具有突出優勢。

值得一提的是，在解決前向成像時，尤其是行業關注的提高角度分辨率問題時，由于毫米波雷達的尺寸和成本限制，實現起來比較困難。行易道在不增加硬件成本和尺寸的前提下，提出了壓縮感知超分辨算法，為建構毫米波成像系統提供了有效的方法。

趙捷解釋稱，和波束形成、子空間算法相比，壓縮感知算法最大的特點是突破了傳統的采樣定理的限制，進行無模糊重構，即在有限的硬件約束下，采樣點更少，運算速度更快，占用的硬件資源更少。

從行易道自研的4D毫米波雷達產品參數來看，通過增加壓縮感知算法，4D雷達角分辨率能夠提升到0.6×0.8度（已經實現工程化），處于行業處于領先水平。通過仿真測算，下一代壓縮感知算法可以實現0.1×0.1度的角分辨率。

“從目前已經做的一些前期技術可行性方面來看，毫米波雷達在角分辨率上能夠和激光雷達實現同樣的性能，這是未來4D毫米波雷達的技術趨勢，從全球來看這一技術正在加速落地。”據趙捷透露，其推出的4D雷達產品ALRR300在已經獲得了海外定點，今年將實現交付。

最后，趙捷坦言，目前行業所關注的激光雷達和毫米波雷達誰替代誰的問題，其背后的焦慮其實就是分辨率的問題。因此對于毫米波雷達而言，不管是4D雷達也好，還是SAR雷達等其他新技術路線，一定要盡快盡早地實現高分辨率成像，才能夠在市場占據一席之地。

審核編輯 ：李倩