前言

4D 毫米波雷达是传统毫米波雷达的升级版，4D指的是速度、距离、水平角度、垂直高度四个维度。

相比传统 3D 毫米波雷达，4D 毫米波雷达增加了“高度”的探测，将第四个维度整合到传统毫米波雷达中。

• 4D毫米波雷达被视为未来车载雷达的一种可能的标准配置，因为它在多方面优于传统的毫米波雷达和低线激光雷达，能与高线激光雷达互补。预计这种雷达将被广泛应用于各种车型中。
• 与传统雷达产品相比，4D毫米波雷达能够突破在静止目标识别、横向移动检测、高度识别、区分邻近物体和探测隐藏车辆等方面的限制。
• 而与激光雷达相比，它在某些性能指标上已经非常接近，且在恶劣天气和环境下的性能受影响较小，成本仅为激光雷达的十分之一。
• 在软件定义汽车领域，4D毫米波雷达能够提供更多的数据和更可靠的解决方案，以支持自动驾驶技术的发展。

1、解析4D毫米波雷达

通过拆解4D毫米波雷达，来了解它的基本结构信息

传统毫米波雷达也叫3D毫米波雷达，具有3个维度的信息，分别是距离、速度、方位角，不含有高度信息。

• 距离探测：通过计算经过调制的连续调频FMCW信号与回波之间的频率差来计算距离，雷达发射FMCW电磁波，速度为光速。
• 速度探测：通过多普勒效应探测目标与自车的相对运动速度，如需要目标绝对运动速度，则需要整车提供自车运动速度信息输入进行补偿得到。
• 方位角探测：通过相位法测角原理，利用不同接收天线阵元间接收回波的相位差计算方位角。

4D毫米波雷达在此基础上增加高度信息，形成4维信息输入。避免了以往对于路牌、地面井盖、跨线桥等目标的误识别。

从雷达天线排列的角度来看，4D毫米波雷达与传统毫米波雷达之间的差异是显而易见的。

在4D毫米波雷达中（如右图所示）

• 它的接收天线是水平直线排列的，这种排列方式使得雷达能够探测到水平方向上的相位方位角信息（左上图中的红色框）。
• 此外，4D毫米波雷达还利用了MIMO（多输入多输出）技术。在这种技术下，绿色框内的发射天线和红色框的接收阵列协同工作，在垂直方向上形成了一种虚拟孔径阵列，从而实现了高度方向上的测量，能够提供目标的高度信息（左上图中的绿色框）。

相比之下，传统的毫米波雷达（如左图所示）

• 发射天线和接收天线仅在水平方向上进行排列。
• 在这种设计下，雷达在高度方向上没有布置发射或接收天线，因此无法探测到高度信息。

这种差异使得4D毫米波雷达在空间感知能力上更加全面，能够提供更丰富的环境信息。

4D 毫米波雷达系统结构，如下图所示：

2、与传统毫米波雷达对比

天线的“升级”使得4D毫米波雷达在多方面性能上实现了突破。

• 这些包括静止目标的识别、横向运动的检测、高度的测量、区分相邻物体，以及探测隐藏的车辆等。
• 4D毫米波雷达配备了纵向天线，并且天线的数量比以往更多。这不仅使得它能测量俯仰角度，还提高了角度分辨率、速度分辨率和距离分辨率。

与传统的雷达传感器相比，4D毫米波雷达不仅能测量空间距离，还能计算水平和俯仰方向的到达角。

它的角度分辨率甚至达到了亚度级别（小于1度），而传统车载雷达的分辨率通常只在5至8度之间。

此外，4D毫米波雷达还增加了一种独特的多模工作功能，即能够在从近距离到最远300米的范围内同时检测目标。

结合摄像头使用时，4D毫米波雷达能够弥补摄像头在某些领域的不足，为其提供额外的支持；特别是在长距离探测、利用多普勒效应进行距离测量。

相对于传统毫米波，它的高分辨率成像方面，4D毫米波雷达表现出更强的优势。

3、与激光雷达对比

激光雷达以其超精确的角度分辨率在3D测绘和地图制作方面表现出色，但在速度估算和远距离检测方面存在局限。

• 它非常适合于高分辨率的3D环境测绘，能够准确地检测空间、边界和汽车的定位。
• 但激光雷达在估算速度和远程检测物体方面能力有限。
• 此外，它也易受恶劣天气和路况的影响，这可能导致维护和稳定性成本的提高。

毫米波雷达的独特优势在于它能够精确测量速度和距离，并且不受恶劣天气和环境的影响。

• 它的检测范围已经扩展，未来可能达到300米以上，远超过摄像头和大多数激光雷达传感器。
• 与摄像头和激光雷达不同，毫米波雷达可以在所有天气和光照条件下可靠工作。恶劣天气下的环境污垢或水滴不会影响其性能。
• 由于雷达在毫米波频率下工作，它甚至可以穿过一些介电材料（例如汽车保险杠）发射信号，无需开放的窗口，从稳定性和美观性角度来看，这使其成为更佳选择。

4D 毫米波雷达和低线激光雷达性能对比： 

从安装成本角度看，4D毫米波雷达进行了全面升级，其部分性能指标接近16线激光雷达，但成本仅为后者的十分之一，更容易被整车厂商和消费者接受。

其成本大约在150到200美元之间，远低于激光雷达的价格。

4D毫米波相较于激光雷达的主要优点：

• 1）不受天气影响。毫米波的分辨率越高，穿透能力越强、大气衰减小、受雨雪烟尘 等天气影响小，故而毫米波雷达具有全天时全天候的工作能力。
• 2）测速。可通过多普勒效 应直接测速，并且测速精度较高，可以对摄像头等其他传感器形成互补。
• 3）成本低。4D 毫米波雷达主流方案是基于硅基的 CMOS，成本较激光雷达更低。
• 4）测距长。4D 毫米波 雷达可实现 300m 甚至更远范围的覆盖，激光雷达一般感知距离在 210-250m 左右；
• 5）穿透性强在一些场景上表现更优。例如理论上可以直接通过穿透实现对前前车的识别与探测。

缺点：

• 性能不及激光雷达。目前 4D 毫米波雷达的方位角*俯仰角分辨率 1 *1 度左右； 激光雷达可达到 0.1*0.1 度。
• 多普勒效应的局限性。在对横向移动的物体、距离较近的 两辆车、人车等场景的识别上尚存在缺陷。

4、与摄像头对比

摄像头和4D毫米波雷达在性能上互补，通过软件算法可以结合二者的优势。

• 摄像头传感器能够提供高达百万像素的分辨率，极大地提高目标的识别和分类精度。
• 然而，在不同的光照、天气和路况下，摄像头的辨识度和可靠性可能会大幅下降。
• 此外，摄像头测量距离和速度的精度也有其局限性，这时就需要4D毫米波雷达来弥补这些不足。
• 多传感器融合技术可以实现摄像头和4D毫米波雷达数据的整合。

总结一下，4D毫米波雷达与不同传感器性能对比：

5、4D毫米波与软件定义汽车

软件定义的更高级智能电动汽车架构正成为行业趋势。

• 在这种架构中，传感器软件算法是“软件定义汽车”的关键部分。
• 随着电动汽车和智能汽车逐渐替代燃油汽车，各种传感器变得必不可少。
• 这样的汽车拥有强大的算法和周边感知能力，不受传统机械传动的限制，需要由软件来定义其功能和操作。

相比传统毫米波雷达，4D毫米波雷达更加依赖软件算法的支持。

• 随着天线数量的增加和分辨率的提高，4D毫米波雷达能更有效地分析目标的轮廓、类别和行为，因此产生的点云数量大大增加。这就需要强大的软件算法来分析点云中的海量信息，过滤掉干扰，识别出有价值的信息。
• 此外，与传统毫米波雷达将目标定义为“点目标”不同，4D毫米波雷达将目标定义为“扩展目标”。这需要软件算法对信号处理后的信息进行进一步的数据处理和分类，整理出最终可供自动辅助驾驶系统判断使用的数据。
• 这也意味着4D毫米波雷达在信号处理和点云处理架构上与传统雷达不同，其软件算法的复杂程度更高。

下图是效果对比，注意右图是多个4D雷达间数据共享实现360度环绕感知 

多传感器融合技术可以实现摄像头和4D毫米波雷达数据的整合。

当前软件算法的主流技术包括前融合和后融合。对于4D毫米波雷达和摄像头的融合方案而言，后融合技术基本上可以满足当前需求。

未来，软件算法可能会更多地使用和发展可靠性更高的前融合技术。

软件定义汽车中，4D毫米波雷达以Arbe为例

该公司提出了一个突破性的解决方案，在软件算法方面，他们推出了首个2K高分辨率的4D毫米波雷达开发平台。

• 这平台允许一级供应商（Tier 1）和原始设备制造商（OEM）利用其进行自动驾驶感知能力软件算法的迭代开发。
• 这个平台提供了多项功能，包括实时聚类、追踪、自我定位、过滤错误警报、实时推断车速和定位。
• 它还能追踪和分类视野内的物体，识别其速度，并提供自由空间地图。
• 它可以使4D毫米波雷达系统提供详细的图像，并且能以超高的水平和垂直分辨率，对广阔视野范围内的数百个物体进行分离、识别和追踪。
• 此外，该系统还能够以低误报率的方式绘制静止物体地图。

6、4D 毫米波雷达探测性能

4D 毫米波雷达探测性能包括距离、速度、方位角、俯仰角四个方面：

1. 在距离探测中，主要性能指标包括最大探测距离、距离精度、距离分辨率，主要影响 因素是 ADC 采样率、调频斜率、输出功率、扫频带宽和信噪比等。
2. 在速度探测中，主要性能指标包括最大探测速度、速度精度、速度分辨率，主要影响 因素是 Chirp 周期、有效帧周期和信噪比等。
3. 在方位角探测中，主要性能指标包括视场角、角度精度、角度分辨率，主要影响因素 是天线间距、方位角和天线个数等。
4. 在俯仰角探测中，主要性能指标包括最大俯仰角、俯仰角精度和俯仰角分辨率；主要 影响因素是天线间距、方位角和天线个数等。

毫米波雷达测速和测距性能进步主要取决于 MMIC 芯片本身性能提升。

对于 4D 毫米波雷达而言，最大探测距离主要受限于 ADC 采样率、调频斜率、输出功率、系统设计等因素， 这些与 MMIC 芯片本身性能、设计息息相关；

距离精度和速度精度主要取决于毫米波雷达 系统信噪比的提升，系统信噪比主要受到 MMIC 芯片的噪声系数、相位噪声等指标的影响。 因此，MMIC 芯片的各类参数对于距离和速度的探测质量至关重要。

4D 毫米波雷达的四大维度及主要影响因素：

7、4D毫米波雷达算法能力现状

当前，大多数汽车制造商并不具备自主开发毫米波雷达算法的能力，这通常是由专业的雷达制造商来提供。

• 长期以来，传统毫米波雷达的厂商们通常提供一种软硬件一体化的解决方案，其中算法已经被集成到硬件中。
• 对于汽车制造商来说，他们通常只需要将这些传统毫米波雷达直接输出的感知结果与其他传感器的识别结果进行融合处理。

然而，与传统毫米波雷达相比，4D毫米波雷达对算法的要求更高。

传统毫米波雷达的算法主要进行简单的数据聚类处理，而4D毫米波雷达则需要进行更复杂的目标分类处理，这使得实现难度和技术壁垒都显著提高。

• 通常，这些高级算法的开发由专业的算法公司或者在算法研发方面具有强大实力的硬件科技公司来完成。
• 对于大多数汽车制造商而言，自主研发这样的高级算法是一项挑战。
• 这种情况下，车企往往依赖于外部供应商提供的先进算法和技术支持，以实现其车辆中高级感知和自动驾驶功能的集成。

8、4D毫米波雷达产业上下游梳理

从上下游来看，下游为整车厂及各类自动驾驶公司。

• 中游为4D毫米波雷达厂商，国外主要为采埃孚、大陆等传统Tier1。国内厂商除了德赛西威、华域汽车、保隆科技等Tier1外也有类似楚航科技、几何伙伴、行易道等创业公司。
• 上游产业链中最重要零部件为 MMIC、处理器以及高频PCB板材。 MMIC领域主要还是由海外大厂把控，国内加特兰电子、清能华波等厂商，整体实力偏弱。
• 处理器方面无论DSP还是FPGA 还是以如英飞凌、赛灵思等海外厂商为主。
• 高频板材海外主要以罗杰斯、泰康利以及雅龙为代表，国内厂商沪电股份、生益科技为代表。

4D毫米波雷达产业链梳理

本文先介绍到这里，后面会分享4D毫米波雷达的数据集、算法、代码、具体应用示例。

参考文献

1、浙商汽车实验室 ——4D成像雷达拆解

2、4D 毫米波雷达：平衡成本&性能的标配传感器，自动驾驶再添新翼

3、4D 毫米波雷达：智驾普及的新路径

分享完成，本文直供大家参考与学习，谢谢~