今天分享的是智能汽车系列深度研究报告：《智能汽车行业产业研究报告：4D成像毫米波雷达—自动驾驶最佳辅助》。
（报告出品方：开源证券）
报告共计：43页
视觉感知最佳辅助——4D 成像毫米波雷达
感知是自动驾驶的首要环节，高性能传感器必不可少
感知环节负责对侦测、识别、跟踪目标，是自动驾驶实现的第一步。自动驾驶 的实现，首先要能够准确理解驾驶环境信息，需要对交通主体、交通信号、环境物 体等信息进行有效捕捉，根据实时感知的环境信息，自动驾驶系统得以完成接下来 的决策、规划与控制等环节。传感器的性能会直接影响到感知信息的质量，目前广 泛搭载的传感器有摄像头、激光雷达、毫米波雷达、超声波雷达等。
特斯拉的视觉感知方案推动自动驾驶行业进入新的篇章。2021 年，特斯拉使用 Transformer 算法构建 BEV（Bird’s Eye-View, 鸟瞰图）空间，解决了传统视觉感知 的深度探测难点，从而通过视觉也可以进行较为准确的距离估计；同时， Transformer 算法更契合多个传感器融合，可拓展性更强。2022 年，特斯拉使用基 于 BEV+Transformer 和占用网络，形成对外部 3D 空间的还原，对通用障碍物感知能力进一步增强。特斯拉依靠摄像头进行感知的 FSD 功能已经能够实现近乎对全部 驾驶场景的覆盖，累计行驶里程呈指数型增长。
特斯拉重新使用毫米波雷达辅助摄像头来提升感知能力。2021 年特斯拉放弃使 用毫米波雷达，集中资源进行视觉感知能力的提升。2022 年 2 月，马斯克坦言只有 非常高分辨率的雷达才有意义，将取消毫米波雷达的原因指向“分辨率不足”；同 年 6 月，特斯拉向美国联邦通信委员会（FCC）注册一款全新高分辨率雷达设备。 根据汽车之心公众号，2023 年 2 月，国外博主 Greentheonly 曝光特斯拉全新的计算 平台 HW4.0 为毫米波雷达预留了接口；同年 6 月，该博主又放出特斯拉新毫米波雷达的实物图。综合推断，特斯拉将要搭载的新款毫米波雷达将是具有高分辨率的 4D 成像毫米波雷达。4D 成像毫米波雷达具有诸多优良特性，能够更好地辅助视觉感知方案。
毫米波雷达具有“全天候性质”，但存在分辨率不足的问题
毫米波雷达通过调制、收发、信号处理进行障碍物的感知。毫米波是电磁波， 其频段在 30-300GHz 之间，属于“极高频”，抗环境噪声干扰能力强；毫米波波长 在 1-10 毫米之间，与波长通常为数百至上千纳米的激光相比，它的波长更长，具备传输距离远、绕射能力强、穿透性更好等特点。工作在毫米波波段的雷达称为毫米波雷达，在自动驾驶领域广泛应用。
毫米波雷达主要由雷达前端收发模块、数字信号处理单元以及接口模块组成。 雷达前端收发模块进行毫米波信号的调制、发射与接收，包括天线阵列、射频前端、 中频电路、模数转换器；数字信号处理单元进行信号处理与数据处理，包括 DSP （数字信号处理器）、MCU（微控制单元）或 FPGA（现场可编程门阵列）等；接口模块负责数据通信以及与其他系统的集成。毫米波半导体技术已经比较成熟，已经在自动驾驶车辆中广泛应用。
信号收发与信号处理是毫米波雷达运行的重点环节。毫米波雷达工作流程如图 7 所示：（1）首先射频发射器产生电磁波信号并且将之发射，信号到达目标物体； （2）物体反射或者散射信号形成回波信号，接收器接收回波信号；（3）混频器将 回波信号与原始信号混合，经过滤波器进行滤波，得到中频信号（实际是雷达发射信号与回波信号的频率差，包含有物体的位置、速度等信息）；（4）中频信号输入到处理后端进行调制解调、FFT（Fast Fourier Transform，快速傅里叶变换）等算法处理，提取目标信息并进行分析，实现目标检测、距离测量、速度测量、方位估计； （5）最终将结果输出以进行后续感知处理。
毫米波雷达通常调制 FMCW（调频连续波）波形，能够同时测速、测距。多 普勒效应是指物体发射的波长会因为相对运动而产生变化，例如火车汽笛声在驶向 我们时会更加高亮，是因为此时我们接受到的汽笛声波波长变短，频率增加，因而 可以被用来测速。毫米波雷达通常是 FMCW（调频连续波）雷达，FMCW 是连续 的频率调制，频率会线性增加与减小，根据这一特性，雷达能够有效从 FMCW 的 回波信号变化中分离出时间与距离的信息，从而准确测算出障碍物的相对速度与距离。
毫米波雷达同时能够测算方位，识别多个物体，适用于车载领域。通过增加分离的天线数量，毫米波雷达能够根据回波信号阵列之间的相位差得到物体的方位信 息；通过对多个回波信号进行处理得到不同的中频信号，毫米波雷达也能够有效分 辨多个物体。毫米波雷达能够测距、测速、测向、分辨多个物体，且 FMCW 波形 的调制、处理等技术相对成熟，功耗小、成本低，使得毫米波雷达契合车载领域。
毫米波雷达具有多种优良特性，对智能驾驶不可或缺。（1）“全天候”：相对波 长为纳米级的光波，毫米波波长更长，能够轻易穿过比其波长小的障碍物，一般来 说，雨滴、雪花的平均直径均在 5mm 以下，因此毫米波雷达工作基本不受雨雪雾 等天气的影响，具有“全天候”的特点；（2）具备速度信息：基于毫米波的多普勒效 应，毫米波雷达可以获得高精度的速度信息，这对于自动驾驶感知至关重要；（3） 识别遮挡物体：毫米波信号具有多径效应，信号通过反射、漫反射、衍射、绕射等 方式，在一些场景下，能够检测遮挡物体。大陆集团曾提到基于其 ARS430 毫米波 雷达的经验，这类遮挡车辆大约在 40%的场景中可以被发现。当然其探测遮挡物体 的性能表现也基于一些条件，如道路表面情况、前车的位置、以及被遮挡车辆的位 置等。而算法对于此类场景的探测尤为重要，华为在其 4D 毫米波雷达发布会上也 着重提到了这一点。
摄像头与毫米波雷达能够形成感知系统上的优势互补。摄像头是被动感知传感 器，具有成本低、易于集成、语义信息丰富等特点，并且摄像头是数据带宽最高的 车载传感器之一，可以提供高分辨率图像与实时视觉信息，但是摄像头容易受到恶 劣天气、眩光等环境的影响，没有精确的物体深度信息与速度信息。毫米波雷达在摄像头所不足的方面可以提供有效补充，两类传感器融合则能以较低的成本实现性 能更好的自动驾驶感知。
传统毫米波雷达无法测高，限制其在自动驾驶中发挥更大的作用。传统毫米波 雷达只能探测距离、角度、速度三类信息，由于没有高程信息，限高杆、高架桥等 物体容易触发毫米波雷达障碍物反馈，因而实践中只能设定保留动态目标追踪结果 或降低毫米波雷达感知权重，导致日常使用中毫米波雷达基本无法识别静止物体。 例如特斯拉的辅助驾驶未识别到白色静止卡车导致相撞的事故，是由于摄像头没有分辨出白色车厢与天空的区别，同时毫米波雷达没有准确识别侧翻静止的货车。针 对此问题，毫米波雷达需要增加俯仰角的感知能力。
报告共计：43页
