毫米波雷达，向高分辨率成像发起进攻

随着智能驾驶时代的到来，车用传感器进入高速发展期，其中车载毫米波雷达几乎成为L2及以上智能驾驶的标配。统计数据显示，2020 年中国市场前装角雷达搭载量为414.28 万个，同比增长72.53%；前向毫米波雷达上线量535.72 万颗，同比增长38.43%。

从物理属性来看，相对于激光雷达和摄像头等光学传感器，毫米波雷达不受光线的制约，在雨雾雪等恶劣天气下均能正常工作，在车载传感器领域赢得了“全天时、全天候”工作的美誉。

图片来源：行易道

不过，面对高级别自动驾驶对高精度感知的需求，传统毫米波雷达开始显得有些“力不从心”。2021年5月，自动驾驶领域代表车企特斯拉宣布取消北为北美市场制造的Model 3和Model Y的毫米波雷达，改由Tesla Vision（基于摄像头纯视觉方案）来实现Autopilot等驾驶辅助功能一事，就让毫米波雷达遭受了不少争议。

此后，诸多公开信息显示，特斯拉当时选择的这颗毫米波雷达在性能上存在问题，而导致该问题出现的主要原因，则是传统毫米波雷达较低的分辨率。

“智能驾驶需要有更好的毫米波雷达。”在GTM2022全球科技出行峰会上，行易道CEO兼CTO赵捷如是说。

过去，毫米波雷达被认为是辅助型的传感器，其产品定位和主要功能是实现碰撞预警，而今，随着自动驾驶向更高级别演进，毫米波雷达的性能也亟待提升，例如：高程分辨能力和高分辨力、更远的作用距离、易于和视觉融合、能够用雷达数据集训练AI。这四项能力的提升，意味着毫米波雷达可以和视觉一样，具备对周边进行精准的检测、跟踪、识别等成像系统的能力。

毫米波雷达的高精度成像构成

那么，毫米波雷达的成像系统构成是什么？其又是如何实现高精度成像的呢？

赵捷介绍到，除了基础理论之外，毫米波雷达的成像系统构成主要包含视觉语义约束成像、散射机制约束成像、结合神经网络约束成像有三大部分，在此基础上可以实现毫米波独立成像，以及和其他传感器的深入融合。

对于“视觉”的定义，1982年，计算机视觉的创立者在Vision一书中指出：“视觉就是通过看，确定什么东西在什么地方”。车载毫米波雷达的视觉语义约束成像即“从毫米波图像中确定什么东西在什么地方”。

具体到应用场景中，车载毫米波雷达需要解决两件事：一个是场景、物体、类别、及其关系，也就是说能否分辨出汽车、摩托车、自行车、行人以及它的同类；另一个是它们在哪里，即关于场景的几何基元以及关系，包括道路、桥梁、空间的线和面以及它们的位置和朝向。

赵捷表示，因角度分辨率不足，传统车载毫米波雷达没有实现完整的视觉语义解释，没有构成车载毫米波雷达成像系统，这是传统车载毫米波雷达没有进入高阶传感器融合技术领域的根本原因。

散射机制约束成像是雷达通过电磁波、电磁场的解释方式来对于目标、结果进行阐述。即通过构建散射机制，建立散射系数在频率、角度、空间上的稀疏表征模型，当车载毫米波雷达的信号通过模数转换传到了后续的处理流程里面之后，可检测、跟踪处理信号。

赵捷特别指出，为了构成车载毫米波雷达的成像系统，还要增加语义分割算法，这是在现有雷达支持体系要增加的一部分，也是智能驾驶技术对于车载毫米波雷达提出的更高要求。

除了上述三部分外，支撑一个成像系统还需要测试验证系统的搭建。“测试验证系统搭建除了雷达本身之外，还要结合非常多的因素，因为是车载雷达，还要满足多种法规和需求集，才能更好地支撑成像系统本身的测试验证。”赵捷说到。

4D毫米波雷达正在加速落地

目前，行业在车载毫米波雷达成像技术上的进展主要分为两种，一种是俗称的4D成像（即建立在FMCW体制上的增加高度维信息的4D成像），另一种是车载SAR成像。行易道同时发力这两类技术并取得了一定的成果。

据赵捷介绍，行易道4D雷达更多的应用在前向成像，SAR雷达则应用在侧向成像。“对于汽车周边360度成像，我们有多种技术，原理上4D可以360度覆盖，但是侧向我们又提出来一个SAR成像，因为SAR成像不管是效果还是成本、性价比方面都会比较高。”

据了解，SAR成像系统主要的原理是利用汽车运动形成空间的大天线孔径从而实现高的分辨率。行易道是国内第一个提出做车载SAR雷达的公司，2016年开始研发，2019年已经实现了SAR雷达的工程样机，2020年两篇车载SAR应用相关论文获得IEEE录用，2022年已经有四五个算法方面的专利授权。

“SAR雷达持续得到的认可还是蛮多的，我们在海外有一家客户，国内有一家大型乘用车客户，都在测试和产品化的进程中。”赵捷说到。

在4D毫米波雷达方面，据介绍，2020年，行易道承担了北京市科委的一个研发项目，2022年年底的测试结果令人满意。同在2022年，行易道还推出了新产品——伽利略300，这是一款面向L2、L3智能驾驶应用、实现高程信息输出的4D中程雷达，采用行业领先的超分辨算法，在支持雷达实时判断方面具有突出优势。

值得一提的是，在解决前向成像时，尤其是行业关注的提高角度分辨率问题时，由于毫米波雷达的尺寸和成本限制，实现起来比较困难。行易道在不增加硬件成本和尺寸的前提下，提出了压缩感知超分辨算法，为建构毫米波成像系统提供了有效的方法。

赵捷解释称，和波束形成、子空间算法相比，压缩感知算法最大的特点是突破了传统的采样定理的限制，进行无模糊重构，即在有限的硬件约束下，采样点更少，运算速度更快，占用的硬件资源更少。

从行易道自研的4D毫米波雷达产品参数来看，通过增加压缩感知算法，4D雷达角分辨率能够提升到0.6×0.8度（已经实现工程化），处于行业处于领先水平。通过仿真测算，下一代压缩感知算法可以实现0.1×0.1度的角分辨率。

“从目前已经做的一些前期技术可行性方面来看，毫米波雷达在角分辨率上能够和激光雷达实现同样的性能，这是未来4D毫米波雷达的技术趋势，从全球来看这一技术正在加速落地。”据赵捷透露，其推出的4D雷达产品ALRR300在已经获得了海外定点，今年将实现交付。

最后，赵捷坦言，目前行业所关注的激光雷达和毫米波雷达谁替代谁的问题，其背后的焦虑其实就是分辨率的问题。因此对于毫米波雷达而言，不管是4D雷达也好，还是SAR雷达等其他新技术路线，一定要尽快尽早地实现高分辨率成像，才能够在市场占据一席之地。

审核编辑 ：李倩