4D雷達成像技術

當我們談及3D捕捉時，總是先想到光學傳感器。當我們討論在第四維度（時間）討論視覺數據時，傾向于考慮場景數據調度。這些是我們多年來關注激光雷達(LiDAR）和攝影測量，以及用戶針對緩慢移動的大型項目，在時間尺度上將這些技術應用于靜態物體所造成的偏見。

對自動駕駛汽車不可思議的需求推動了多種傳感器的發展，因為，我們不能隨便將從某個應用中獲取的傳感技術，毫不改動地投入其它應用。就像4D成像雷達這樣的新型傳感器，該技術使用回聲定位（如海豚、蝙蝠、或某些人可以確定物體位置的方法）和飛行時間（ToF）測量原理來捕捉3D空間信息。此外，它們還被用于在快速移動的汽車或快速飛行的無人機上，實現時間尺度的成像。

雷達 vs. 激光雷達

據麥姆斯咨詢報道，最近Sensors Online的一篇文章提出了一個相當有說服力的論點：這些4D傳感器對于實現Level 4和Level 5級自動駕駛來說至關重要。在這篇文章中，Arbe Robotics的首席執行官兼聯合創始人Kobi Marenko解釋了“如果沒有4D成像雷達的幫助，光學傳感器并不能達到Level 4和Level 5級自動駕駛”的原因。在進一步討論該問題之前，先簡單介紹一下自動駕駛分級：- Level 0意味著無自動化，就像現在的手動汽車一樣：司機需要自己控制一切，而汽車本身不能做出任何判斷和控制。- Level 1~3即增加了不同程度的自動化，目前特斯拉的自動駕駛級別介于Level 2到Level 3之間，其自動駕駛系統可實現引導、加速、制動，有時還能控制駕駛本身（盡管這是不應該存在的）。- Level 4意味著汽車可在沒有駕駛員控制的情況下運行，但僅限于特定條件下使用。例如，大學校園里運行的自動駕駛汽車。- Level 5意味著汽車可完全實現自動駕駛，你在車中休息或小睡，你的汽車就能將你安全送回家。從以上汽車自動化級別可以看出雷達的重要性。與攝像頭和激光雷達相比，4D成像雷達能在任何條件下工作，可提供“在包括霧、暴雨、漆黑及空氣污染等各種惡劣天氣和環境條件下最高可靠性的探測”。4D成像雷達的感知范圍還可達到300米，并能捕捉可顯示物體相對汽車是靠近還是遠離的多普勒頻移，這能夠滿足更高汽車自動化級別的要求。

自動駕駛汽車的激光雷達測量圖

4D成像雷達：“壓箱底”技術？！值得注意的是，Marenko并不認為4D成像雷達能夠獨自處理自主任務。他認為4D成像雷達只是包括光學傳感器在內的汽車自動駕駛傳感器系統的一部分。這是自動駕駛汽車中關于3D捕捉的舊觀念——即“每種技術都是工具箱中的一種單獨工具”，目前這個概念仍然適用。Marenko認為：“4D成像雷達是所有傳感器中探測范圍最遠的，這使得它可能最先識別危險。然后，4D成像雷達可將攝像頭和激光雷達傳感器的探測引導到相關區域，這將大大提升自動駕駛的安全性。”Marenko最后最有說服力的論據就是成本。整套汽車自動駕駛傳感器的成本需降到1000美元以下，才能實現商業化。另外Marenko還有比較偏激的觀點：4D成像雷達可讓自動駕駛汽車完全擺脫對激光雷達的需要。

自動駕駛的實現需要感知層、決策層以及執行層的各系統相互配合，通過感知層的環境信息和車內信息的采集處理，傳遞給決策層，決策層依據獲取的信息進行判斷決策，再反饋到執行層來執行任務。

因而自動駕駛實現的第一步就是感知。目前L2、L3級別自動駕駛主要使用激光雷達、毫米波雷達以及攝像頭作為傳感器來接收信息。

攝像頭測距能力不足且易受極端天氣、光線等因素的影響，因而通常會搭配毫米波雷達使用。但是這種方案分辨率較低，且獲取數據不夠豐富。激光雷達雖然可以彌補上述問題但是成本高昂限制了大規模應用。在這種情況下，很多公司在思考如何為自動駕駛提供更強的感知能力。其中Waymo、Arbe、Echodyne是這一領域的先行者，他們最新研制了4D成像雷達，以彌補毫米波雷達和激光雷達的不足。

圖片來源：Arbe

4D成像雷達優勢凸顯

通常情況下，雷達是對能散發電磁波的物體進行探測。這種物體叫做散射體，分為點散熱體和分布散熱體。雷達通過接收散熱體發出的信息來收集數據，并將數據傳遞給決策層。

但是，在觀測目標周圍往往不止有一個散熱體，比如雜波就是分布在目標周圍的分布散熱體。雷達需要在雜波等信息中提取到有用信息。

在目前已有的方案中，毫米波雷達比攝像頭和激光雷達優越的條件在于，可以適應各種極端天氣。但是缺點也是顯而易見的，那就是對雜波的處理能力較弱，同時無法遠距離定位目標信息，分辨率較低。

毫米波雷達的低分辨率以及識別能力的缺陷，導致其會對過多信息產生誤報。也就是說，如果雷達無法提升對雜波的處理能力，就會造成重大漏報隱患，從而帶來安全問題。

事實上，雜波所提供的信息越多，對于做出正確的決策越有利。但前提是，感知器需要有探知到一定區域內所有目標的能力。因此超高水平的垂直和水平分辨率是很重要的。

為了提高分辨率以及更準確的接收信息，一些自動駕駛公司研發了4D成像雷達。

與攝像頭和激光雷達相比，4D成像雷達能在任何條件下工作，甚至是霧、暴雨、漆黑及空氣污染等各種惡劣天氣和環境條件下也能提供最高可靠性的探測。

市面上的雷達一般擁有12個信道（3發4收），而4D成像雷達采用
2300 個通道 (48 發射* 48 接收)。信道陣列可以提供1°方位角分辨率和2°仰角分辨率，探測最遠距離為300 米，測距精度在10-30厘米，在寬闊的視野下和遠程范圍內能夠同時追蹤數百個目標。并能捕捉可顯示物體相對汽車是靠近還是遠離的多普勒頻移，這能夠滿足更高汽車自動化級別的要求。

此外，4D成像雷達在成本上比激光雷達有優勢。目前，要實現傳感器套件的批量生產，成本應該低于1000美元以下，但是當前一些處于測試階段的車輛所使用的元件和系統成本甚至是這個價格的100倍。而據了解，使用4D成像雷達所用的成本，只相當于使用激光雷達上的一個單元件的成本，因此其可以幫助制造商實現降低成本的目標。

海拉、英凌飛等相繼入局

2020年的CES上，全球毫米波雷達巨頭海拉宣布戰略投資傲酷，并建立戰略合作伙伴關系。而在此之前的一個月，全球雷達芯片巨頭英飛凌也宣布和傲酷進行戰略合作，利用傲酷的4D成像雷達技術大幅提升其針對L2/3 ADAS量身定制的77G單芯片解決方案的角分辨率性能。

據悉，在普通硬件水平的基礎上，傲酷可以依靠軟件算法來實現虛擬雷達孔徑，模擬出許多倍天線，實現點云成像并極大提高角分辨率。

圖片來源：傲酷雷達

傲酷的4D成像技術可以實現在靜止對靜止檢測、低速移動、高速移動的情況下，對周邊的車輛、行人（含橫穿車輛、行人）等高清全息探測。同時，四個FOV120角度雷達，可以形成360度環視點云，探測半徑可達200米。

4D成像點云技術可以極大地提升雷達性能。常用的角雷達、前向雷達和車路協同感知雷達，在此技術的加持下，都能以全新的面貌出現。

2019年12月，以色列公司Vayyar完成D輪1.09億美元融資。Vayyar專注于雷達技術的研發，此輪融資目的是開拓其4D成像雷達技術。

Vayyar的4D成像雷達技術主要通過成像系統級芯片（SOC），在單顆芯片上集成了72個發射器和72個接收器，覆蓋了3 GHz~81 GHz雷達和成像頻段。憑借集成的大內存高性能DSP，Vayyar的傳感器無需任何外部CPU執行復雜的成像算法。

通過使用寬帶無線電波，Vayyar的傳感器可以穿透不同類型的材料，并能在任何天氣或光照條件下運行，使其理想地適用于汽車和工業市場。

以色列另一家研發4D成像雷達技術的公司是Arbe。同年12月，Arbe獲得了來自北京汽車集團產業投資有限公司、源清資本等機構的投資。

Arbe 開發了自己的4D成像雷達 RFIC 芯片。該芯片是業界首創的基于22nm射頻CMOS工藝的產品。RFIC芯片搭配了自研算法和原創天線設計，可以提供比原來的圖像精細100倍的圖像精度，因而能夠區分大小不同的目標。其分辨率達到了1°方位角和2°仰角，視野寬度達到100°方位角和30°仰角，可在長達300米的范圍內以每秒30幀(接近實時)同時追蹤數百個目標。

Arbe CEO Kobi Marenko 認為，未來4D成像雷達可讓自動駕駛汽車完全擺脫對激光雷達的需要，其也將從冗余升級為自動駕駛的核心部件。Waymo、蓋茨基金會也相繼投入這一賽道，加速自動駕駛的落地。

小結：4D成像雷達具有高分辨率，可以在任何極端環境下獲取到有效信息，彌補毫米波雷達的缺陷。同時，在成本上比激光雷達要低，更具有量產的可能性。目前不論是巨頭公司，還是初創企業，都紛紛入局4D成像雷達這一領域，并且獲得了資本的支持。也有主機廠開始與他們合作，推進4D成像雷達的落地。隨著技術的技術以及合作的推進，4D成像雷達可能會逐漸替代掉激光雷達，成為自動駕駛的核心部件。

總結

以上是生活随笔為你收集整理的4D雷达成像技术的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。