本文编辑：调皮哥的小助理

现代汽车雷达装置比手机还小，能探测前方、后方或侧方的盲点位置是否存在障碍物，但这还不百分之百实现全自动驾驶的。传统的汽车雷达分辨率都不高，只能“看到”一团东西，可以检测到汽车周围存在物体，如摩托车、卡车、行人，但无法确认目标到底是什么。

我个人认为“确定目标”可以作为雷达距离、速度、角度、高度之后的第五个维度，即识别，从而实现5D成像雷达。当然，有的雷达厂商会把微多普勒当作成像雷达的第五维，但是微多普勒的作用是帮助雷达更好地实现分类与识别，归根到底还是识别的问题。

为了能够清晰识别目标，需要研发能够检测、识别和理解汽车周围环境的技术。如今，在硬件检测技术和软件算法进步的推动下，雷达的分辨率得到了提高，能够分辨检测物体的属性，距离安全的全自动驾驶汽车又更近了一步，我认为其中的关键技术是：高级的雷达算法和高度集成的芯片技术。

实现目标识别的主要挑战依旧是雷达的分辨率，只有足够的分辨率，才能让雷达捕捉到目标的足够的信息，只有拥有足够的信息，才能让雷达算法具备高精度的识别性能，这个原则是不能违背的！

因此，目前雷达的发展主要聚焦在如何提高分辨率上，目的是为了使得雷达输出更多的点云，希望可以媲美激光雷达，甚至弥生了替代激光雷达的野心。雷达的距离分辨率通过增加带宽改善，速度分辨率通过波形设计改善，角度分辨率通过增大孔径以及超分辨算法改善。但这一切的都需要依托雷达芯片和硬件，因为硬件决定了算法的上限，不过点云多了，处理速度和存储也会受限。

传统汽车雷达在大FOV范围内提供大约10°到20°的水平角度分辨率，这种分辨率水平无法将SUV和停留在它旁边的摩托车区分开来，如图1所示，传统雷达无法区分临近的目标。

（图1 低分辨率雷达淹没目标）

而成像雷达的角度分辨率为1°至2°，是非成像雷达分辨率的10倍，角度分辨单元获得1°到2°分辨率的信息，可以区分和确定3名行人的位置，如图2所示。

（图2 高分辨雷达显示临近目标）

雷达将无线电波发射到物体的各个角落，然后返回关于物体的RCS、位置、速度和到达角度等信息。如果物体小于分辨单元，则无法准确定位，或者可能被淹没在附近物体的一部分，这就是雷达面对弱目标存在的性能不足，因为雷达向来面对低小慢目标都很难具备良好的检测效果。

在A图中，在10°角度分辨率和较差的距离分辨率下，雷达将两辆车视为一个整体。在B图中，在5°分辨率和较好的距离分辨率下，两辆车仍然被视为一个整体。在C图中，在1°分辨率和更好的距离分辨率下，两个尖峰表示前面有两个不同的物体，甚至开始指出哪个是汽车，哪个是卡车。随着分辨力的提高，雷达识别现实世界的能力也就越强。

当汽车正在移动，雷达能够更好地识别它，这是因为雷达的多普勒频率模式能够将汽车与静止的背景（高架桥）区分开来。

但是，如果汽车保持静止，雷达可能无法识别，且会将该汽车视为地面的一部分。在这种情况下，车辆遇到每个高架桥时，都必须向前滑行或紧急制动，因为目前的雷达无法确定是否有车辆在高架桥下停车。4D成像雷达具有较高的水平角度和距离分辨率，且多普勒模式能够检测每个维度的微小移动，因此可以解决这个问题。

未来，垂直分辨率也将成为成像雷达系统的重要组成部分，进一步保障自动系统的安全性和冗余性。如今的成像雷达的角度分辨率约在1°左右，未来如何实现低于1°的分辨率，同时成本还要低，最好是比现在还低。目前，即使有部分雷达厂家实现了低于1°的分辨率，但是还是因为很多原因没有实现量产。另外，要想知道所在车道200米开外是否有摩托车存在，摩托车正在行驶还是停放，就需要水平和垂直都小于1°分辨率才有可能实现。

雷达工程师如何实现垂直高分辨率，能够在遇到地面（路面障碍）或地下问题（高度很低的地下通道）时提供自动驾驶，如何检测和减少来自对方雷达的干扰，以及如何设计雷达满足集中式和分布式架构的数据传输和散热需求，都是非常重要的工程问题，正在等待各位读者去研究和实现。

总而言之，汽车雷达还有很多问题等待诸位去解决，其前景还是很大的，相信未来会像和手机一样普遍。