传感器增强，被视为高阶智驾继续解锁ODD（针对自动驾驶及相关功能专门设计的运行条件）的关键环节之一。
众所周知，市面上在售新车搭载的智驾系统，由于传感器、算力以及软件算法能力的差异，会导致系统正常运行的前提条件及适用范围（比如，针对不同的道路环境、场景、障碍物等）都不太一样。
以最近被热炒的AEB（自动紧急制动）功能为例，即便是同样一套系统，在不同传感器、算力的配置下，也存在性能差异。
比如，在懂车帝的夜间AEB测试报告中，同样搭载华为ADS2.0的阿维塔11和问界M5智驾版，由于两者在域控算力、传感器配置的不同，在部分项目的测试结果上也有巨大的差异。
这其中，在传感器部分，考虑到夜间或恶劣环境下的工况，激光雷达和毫米波雷达被视为摄像头的有效能力补充。而尤其是毫米波雷达，对于外部环境的抗干扰能力更胜一筹。
不过，由于传统毫米波雷达的角分辨率问题，导致对于多目标物的识别、分类能力要落后于激光雷达。比如，在行业早期，AEB功能主要通过毫米波雷达实现，此后引入视觉融合感知。
但，由于两种传感器的性能差异，为了规避毫米波雷达带来的噪音，一些厂商（比如，Mobileye、特斯拉）转而主推纯视觉方案。
此外，更多的车企在导入激光雷达。比如，沃尔沃汽车曾对外表示，“在夜间工况，激光雷达可以看到前方250米的距离。这意味着，对于规控环节，至少多了3-4秒的反应时间，而摄像头不具备这种技术。”
而更多的厂商，准备推动4D成像毫米波雷达的上车，目的是在可以对标激光雷达性能的前提下，最大程度降低感知系统的成本。
“传统雷达分辨率一般在2°-4°之间，而4D成像雷达可实现低于0.5°的高角度分辨率，提供类似激光雷达的性能。”在行业人士看来，相比而言，成本可以降低50%以上。
不过，和激光雷达类似，由于增强了点云输出，4D成像雷达在端侧的算力要求也是指数级上升。目前，市面上常见的方案，大多数需要额外配置成本较高的FPGA来进行数据处理，并且还需要多级联方案。
如何继续降本，是摆在4D成像雷达面前的一道坎。此前，高工智能汽车研究院曾作出乐观预测，不过到目前为止，也仅有理想、深蓝、路特斯、飞凡等少数几个品牌的几款车型有相应配置。
“当产品的自动驾驶需求到了L3或以上，对点云、目标识别的质量有着较高要求，4D毫米波雷达就属于必选项。”有关4D成像雷达的应用前景，楚航科技CEO楚詠焱依然保持乐观。
从方案配置以及成本来看，4D成像雷达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。同时，对于大部分Tier1来说，相关的算法可以快速参考视觉的机器学习技术。
而对于降本增效，行业内主要有三种解决方案，一是开发定制的ASIC来代替FPGA；比如，Mobileye、Arbe Robotics以及NXP、TI等传统雷达芯片巨头都有相应的方案。
其中，NXP在一年前推出了业界首款专用16nm成像雷达处理器S32R45，配置4个Arm® A53内核，3个锁步Arm M7内核以及8MB SRAM + LPDDR4 + 外部闪存。
紧接着，NXP与为升科（CubTEK）联手发布最新一代4D成像雷达方案，基于该方案开发的4D成像雷达是第一款可同时提供短、中、远程三合一多模式雷达，支持192个虚拟天线通道以及上一代处理器64倍的计算性能。
“多传感器融合需要匹配足够优化的融合算法。在这其中，4D成像雷达可以实现多传感器的前融合和点云融合，从而降低漏检率、误报率等。”为升科（CubTEK）CTO蔡青翰表示。
第二种解决方案，主要是减少级联以及国产化芯片方案；比如，承泰科技推出的CTLRR-520，采用双级联方案，比拟业界4级联性能，性价比高；同时，实现95%以上国产化率。
目前，承泰科技已获得国内外头部车企智能驾驶项目超80个，累计业务订单近11亿，交付智能驾驶产品已超60万套。同时，公司已拿到国际龙头车企多款车型的正式项目定点。
此外，楚航科技推出的两片级联方案，基于传统3D毫米波雷达工艺设计和硬件结构，多增加了一颗射频芯片，能够在算法、射频天线和硬件升级上大幅提升产品性能，并做到有效的成本控制。
目前，该公司的4D成像毫米波雷达已获得苇渡科技和国内某头部知名车企两大量产车型项目定点，实现了在乘用车和商用车双领域内的覆盖。
公开信息显示，楚航科技位于安庆的雷达基地，年产能高达180万只；并且，已获得德国大众、奇瑞、长城、东风、海马、零跑、合众等定点项目。
同时，楚航科技也是海拉与佛吉亚合并后，在中国投资合作的首家国产毫米波雷达企业。此外，公司还与上市公司保隆科技，共同成立了合资公司，正在为VinFast的VF系列车型提供角雷达开发及量产服务。
木牛科技在今年也正式推出第三代4D成像雷达-I79，以低成本、车规级、高性能为核心设计理念，采用最新的波形调制技术。
其中，独创的Antipodal专利天线，融入多雷达抗干扰设计，自研的高分辨算法大幅提升了分辨率和俯仰维度的分辨能力，将点云密度提升超过10倍，1秒检测可达2万点云数据。
和其他厂商相比，这套全栈自研方案，不仅节省了雷达物理通道和成本，而且在同样的硬件下，I79的性能得以表现更好。
木牛科技从2017年便投入研发4D成像雷达技术，在硬件设计、系统设计、波形设计和算法层面开始布局，成为全球研发高精度成像雷达较早的厂家之一。
第三种解决方案，就是分布式+中央计算架构，将车身上搭载的多颗环绕4D雷达的数据在中央域控制器（比如，智驾域控制器）进行协同融合处理，从而降低端侧数据处理要求。
这种方案的出发点，很简单，传统的汽车雷达受到端侧计算和内存的限制，因此过早地丢弃可能有效的信息，导致分辨率和点云密度差。
而集中处理方案的优势在于，基于一套软件系统，实现在现有的ADAS域控制器上运行雷达信号数据处理，从而实现显著的成本降低和效率提升。
同时，得益于端侧无需再配置高性能计算，即便是后续进行雷达的更换，维护保养成本也将大幅度下降。
就在本月初，NXP宣布对软件初创公司Zendar Inc.进行投资并展开合作，加速和提升自动驾驶（AD）和高级驾驶辅助系统（ADAS）的高分辨率雷达解决方案。
其中，加速向分布式架构演进，实现高分辨率雷达环绕感知技术落地，是此次合作的目标之一。而Zendar的分布式孔径雷达（DAR）技术正是NXP看中的下一代关键技术，从而实现软件定义成像雷达。
在该公司看来，目前主流的「硬件堆料」方案，大大增加了系统成本和复杂性，这也是当下汽车行业没有大规模采用高分辨率雷达的障碍之一。
而分布式孔径雷达（DAR）技术，主要基于软件实现，将来自多个雷达前端的原始数据与IMU（或者组合导航）的运动数据融合，并使用机器学习方法代替传统的雷达信号处理算法来检测目标。
这其中，机器学习甚至是深度学习能力的加持，是4D成像雷达的又一个关键竞争力要素。比如，传统雷达对于静止的车辆可能并不适用。尽管，物体可以产生密集的反射，但不移动。
这意味着，根据传统的雷达信号处理规则，这个物体可能是栏杆、高速公路立交桥或其他物体。几年前，英伟达就曾提出，克服这种方法局限性的一种思路是采用深度神经网络（DNN），类似视觉感知。
而4D成像雷达带来的密集点云，以及俯仰角带来的测高能力，则是为深度神经网络模型训练带来可能。同时，借助雷达的BEV特征图，更是可以与图像BEV特征融合，进一步增强目标检测的置信度。
这意味着，对于毫米波雷达供应商来说，4D成像市场的启动，竞争也在从传统的硬件为主，升级为软硬协同能力。而对于资本市场来说，这个赛道的格局重构也才刚刚开始。
高工智能汽车研究院监测数据显示，2022年中国市场（不含进出口）前装标配搭载ADAS毫米波雷达（前向、后向、盲区）交付1795.27万颗，同比增长31.21%；其中，前向搭载同比增长25.21%，盲区同比增长37.73%。
今年1-6月，ADAS毫米波雷达标配交付937.92万颗，同比增长26.36%；其中，前向毫米波雷达搭载量459.29万颗，同比增长27.02%，渗透率49.41%；角雷达477.51万颗，同比增长25.63%，渗透率21.81%。
高工智能汽车研究院预测数据显示，随着L2及L2+持续处于市场增长的高速期，到2025年，毫米波雷达搭载总量将超过3500万颗/年，2020-2025年复合年增长率接近30%。
这意味着，4D成像雷达的替代市场空间巨大。
