特斯拉“重回”毫米波雷达：纯视觉路线行不通 多传感器超融合才有未来

2月16日，推特博主Greetheonly公开了特斯拉HW 4.0硬件拆解信息，其中新出现了一项名为“Phoenix”的高精度雷达接口，名称正好和4D毫米波雷达公司Arbe的主打产品一样，猜测该雷达或将搭载于特斯拉Model X等量产车型上。

特斯拉重启雷达方案

自动驾驶领域的感知解决方案被分为两大阵营：一类是“纯视觉技术”阵营，主要是以摄像头为主传感器实现感知数据收集；另一类则是“组合传感器”阵营，以摄像头、毫米波雷达、激光雷达等传感器进行融合感知。

特斯拉作为“纯视觉”解决方案的推动者，一直拒用激光雷达：2021年5月，马斯克官宣摒弃毫米波雷达；2022年10月，超声波雷达也被特斯拉移除。马斯克认为自动驾驶只需要视觉就能满足需求。

与特斯拉不同的是，行业对纯视觉技术路线多持谨慎态度，多感知融合方案始终是市场主流。因为视觉技术还是存在硬伤的，光线不好的时候出现看不清的情况；光线好也需要强大的AI技术才能做识别分析，技术门槛高。而多感知的超融合方案可以利用不同感知技术的优势，提升自动驾驶的安全性。

最新消息显示，特斯拉向欧洲监管机构提交了车辆变更申请，证实最新自动驾驶硬件HW 4.0即将量产上车。根据曝光的新文件，可以看到编号为“1541584”的毫米波雷达重新上车特斯拉，有人推测这是一款高分辨率的4D成像雷达，最快明年1月中旬就会对外发布。

特斯拉重拾雷达方案也表明，当前纯视觉方案还难以满足安全冗余需求，多传感器超融合仍是未来大势所趋。

特斯拉的自动驾驶核心依赖于自身的底层算法能力+视觉传感器，但由于视觉方案对于一些corner case问题无法解决，增加4D毫米波雷达目的是为了增加获取障碍物距离信息，弥补摄像头缺陷。

马斯克此前曾表示过，如果雷达分标率足够高，那么效果会比纯视觉效果更好。启用Phoenix，特斯拉似乎找到了更高分辨率的雷达方案。

为何是4D毫米波雷达？

与激光雷达、摄像头相比，毫米波雷达具备全天候探测能力，即使在雨雪、尘雾等恶劣环境条件下依旧可以正常工作，再加上可以直接测量距离、速度、角度等，成为自动驾驶中重要的传感设备之一。

毫米波雷达也被称为3D毫米波雷达，存在一些固有的缺陷 —— 顾名思义只能输出距离、速度和角度信息，不具备测“高度”的能力。这使其很难判断前方静止物体是在地面还是在空中，在遇到井盖、减速带、立交桥、交通标识牌等地面、空中物体时，无法准确测得物体的高度数据，无法决策这些障碍物是否影响通行。

针对静止物体，各家厂家简单粗暴，要么直接忽略，要么极大降低置信度。特斯拉也曾经因“幽灵刹车”现象一直被人诟病，一度抛弃了毫米波雷达，而且还提出“纯视觉方案”。那么，特斯拉为何“重回”毫米波雷达？

4D毫米波雷达增加的最显著特性就是可以精确探测俯仰角度，从而获取被测目标真实的高度数据，也就是目标物体在笛卡尔坐标系下z轴方向上的距离。凭借这一特性，4D毫米波雷达可以“识别静止物体”了，最短的那块木板补上了。

除此之外，4D毫米波雷达在分辨率上也获得极大提高，可通过高分辨率点云来感知汽车周围环境，增强了环境测绘和场景感知的能力，有效地弥补了传统毫米波雷达的性能短板。

传统的毫米波雷达方案是3发4收的通道，不足以做4D的方案，所以采用了多通道方案，自然而然分辨率就会上升，它们是相辅相成的。以Arbe Phoenix为例，其水平和垂直分辨率分别为1°和2°，水平分辨率比普通3D毫米波雷达提升5-10倍。

成本也是影响自动驾驶应用普及的重要因素，车企能接受的自动驾驶方案普遍成本要求只有几千块钱，但是现在很难做到。而根据近期供应链消息，未来大规模量产情况下，4D毫米波雷达单价范围为1000元-2000元，从成本上说较激光雷达有明显的优势，4D毫米波雷达最低仅为激光雷达的1/10。

虽然4D毫米波雷达还是研发阶段，想要达到车规级标准以及大规模商业化应用，还是需要进一步的开发和测试。但随着汽车电动化、智能化浪潮的推进，4D毫米波雷达或将成为纯视觉与激光雷达高阶配置中间的高性价比可选方案之一，应用前景广阔，有望成为传感器市场的下一个爆点。

除了特斯拉以外，其他车企也很有可能选择4D毫米波雷达作为3D毫米波雷达的升级方案。因此，4D毫米波雷达厂商会一定程度瓜分传统毫米波雷达厂商的订单。机构分析指出，4D成像雷达将从2023年初开始小规模前装导入，2024年定点/搭载量有望突破百万颗。

距离量产上车还有多远

4D毫米波雷达和激光雷达都属于无人驾驶感知技术，它们之间的主要区别在于感知原理和工作方式。激光雷达采用激光束探测物体，通过测量光线反射的时间和强度来确定物体的位置和距离，具有精度高、分辨率高等特点；但是激光雷达在复杂环境中的工作效果受到干扰较大，且成本较高。

相比之下，4D毫米波雷达采用毫米波信号探测物体，可以在复杂环境中实现稳定的感知效果；而且，毫米波雷达成本较低，且天气环境对其的影响较小。此外，4D毫米波雷达还可以实时追踪物体的运动轨迹，具有更好的动态感知能力。

总之，4D毫米波雷达和激光雷达各有优势，可以根据不同的应用场景进行选择和搭配使用。但4D毫米波雷达尚处于起步阶段，距离成熟应用仍有很长的路要走。

如点云成像能力，据行业人士透露，2022年的4D毫米波雷达仅等效于8线及以下的激光雷达效果，目前也仅大致提升至等效16线激光雷达的效果；而目前激光雷达普遍在128线，两者的差距仍较大，4D毫米波雷达短期内无法替代激光雷达。

从分辨率来看，目前4D毫米波雷的水平角分辨率多为1°，而激光雷达的水平角分辨率可达到0.1°，4D毫米波雷达只能达到一些低端激光雷达的效果。

从自动驾驶发展的路径来看，特斯拉在L2+等级上选择4D毫米波雷达是可以兼顾毫米波和激光雷达的部分性能的，但是如果升级到L3甚至更高等级上，4D毫米波或者摄像头的成像质量可能就更难以满足需求。

实际上，研发4D毫米波成像雷达并非是一蹴而就的事。这里面，仍有许多难点需要不断优化和改进。

· 首先，是天线通道的数量问题。4D成像毫米波雷达主要是依靠增加芯片、天线等硬件来实现立体成像、提高角分辨率等功能，但同时也会因为天线太多的问题，导致之间互相干扰，噪声很大。

· 其次，要面对芯片级联的问题。当前4D雷达大多是两片芯片级联，通过一根同步信号保持频率一致；但当4片芯片级联的时候，就需要3根同步线路，而这3根线路必须一模一样。即便是在恶劣环境下（如温度骤变，阻抗就会发生变化），也要做到匹配。

· 第三，是芯片发热问题。雷达本身功耗并不大，但由于在77GHz高频段不停切换，就单点的发热非常厉害，所以需要利用散热胶把热量分散出去，否则芯片本身的性能就会下降。

· 第四，是算法问题。随着天线通道的增多，4D雷达生成的点数也会增加，处理计算量会变大，继而对算法的复杂度要求也将随之提升。

而对于算法能力较弱的整车厂而言，核心是依赖视觉算法+激光雷达强感知方案，自动驾驶等级提升更加依赖于对于激光雷达高精度建模的能力，而再新增一颗建模精度较低的4D毫米波雷达并无太大必要性。

此外，对于汽车制造商来说，4D成像毫米波雷达并未进入真正大规模量产落地阶段，并不是所有的玩家愿意冒险在短时间内启用，其还存在观望的态度；而且并不排除未来激光雷达的升级更新，或许不再受限于高昂的开发成本等。

与深度学习融合发展

多传感融合是目前呼声比较高的一种解决方案。有观点认为，多传感融合是自动驾驶技术实现安全冗余的关键，4D成像雷达显然会在其中占据一席之地。

目前4D毫米波雷达上车主要是融合进原有的超融合案中，如用于前向感知。虽然毫米波雷达发展到4D雷达或4片级联雷达，但还远远没有走到毫米波雷达所能达到的高度。当分辨率达到一定程度以后，继续通过更多芯片级联提高分辨率，其边际收益已经不是那么高了。

现在4D毫米波雷达处在市场启动前的初期培育阶段，产品技术仍有很大的发展空间。随着毫米波雷达往成像方向发展，一个明确的趋势是，传统纯雷达信号处理正在向深度学习、人工智能方面的处理发展，这将对雷达和计算平台提出更高的要求。

目前在4D毫米波雷达上，已经有些企业在做相关的探索了，就是OTA（Over the Air Technology，空中下载技术）方式的自动演进，或者说是人工智能的演进学习能力。

比如在特斯拉车上，基于视频感知的能力，包括自动驾驶在内，它已经可以做到自动地演进。未来，当毫米波雷达不断向成像上发展后，其自学习、自演进的能力，一定是未来的发展趋势。

除了应用于自动驾驶之外，4D毫米波雷达也在快速向智能交通领域拓展，这涉及车路协同，即“聪明的车”和“智慧的路”的协同，这里的协同不一定只是通过通信获得，未来也可能通过感知技术进行协同。针对这一点，业界正在联合开展相关的探索。