引言：感知技术迎来新的转折点
传统的辅助驾驶正逐渐被更复杂、更协调的自动驾驶系统所取代。这种转变对感知能力提出了新的要求，尤其是在对复杂环境进行一致、有序且可靠的理解方面。仅依靠视觉的系统仍然会受到现实道路状况的挑战，例如雾、雨、夜间逆光、多层高架桥和低矮的静态障碍物。另一方面，传统的3D毫米波雷达也存在局限性，因为它无法测量高度。
鉴于此，4D毫米波雷达正成为一项基础传感技术，它能够提升深度感知能力，增强空间理解力，并在各种环境条件下保持可靠的性能。它弥补了其他传感器性能下降造成的不足，并提供与最新的Transformer和基于BEV的感知模型相一致的高价值结构化数据。
本文探讨了4D毫米波雷达的技术意义、其在下一代传感器融合系统中的作用、重要应用场景以及Linpowave在各种自动驾驶级别中的实际部署。
4D毫米波雷达的技术进步
改进的空间表示以实现精确的三维知识
传统毫米波雷达在识别垂直结构方面能力有限，因为它通常只能输出距离、速度和方位角信息。因此，在匝道、高架桥、低矮障碍物或多层交通等情况下，雷达探测可能会比较困难。
通过增加仰角（俯仰角）， 4D 毫米波雷达拓宽了空间感知范围，并可以对周围环境进行更彻底的 3D 解释。
这项改进使自动驾驶汽车能够区分：
高架和地面交通
交通锥、路缘石和其他低矮物品
道路地形及上下坡度
规划和控制模块从结构化程度更高的数据中接收更高质量的输入，从而使车辆在各种情况下都能表现出更稳定、更可预测的行为。
通过高密度点云实现更丰富的几何表达
借助先进的MIMO天线阵列和精简的信号处理流程，4D毫米波雷达能够生成密集且有序的点云。尽管其密度不如激光雷达，但这些输出结果仍能提供足够的空间细节来描述物体的轮廓、形状和运动模式。
这种程度的几何丰富性促使人们：
更值得信赖的语义理解和环境建模
在弱光或恶劣天气条件下均能保持稳定的性能
基于BEV的深度学习模型的增强深度先验
在视觉系统性能下降的情况下，例如暴雨或逆光条件下，4D 雷达可以继续提供可靠、有用的数据。
4D雷达在多传感器融合中的重要性日益凸显
“核心传感器”与“辅助传感器”相对
过去，毫米波雷达主要作为辅助传感器，提供速度和距离信息以辅助视觉系统。随着行业向L2++和L3架构转型，4D雷达在感知堆栈中变得越来越重要，这也增加了对冗余和结构化深度感知的需求。
由于其点云格式，融合数据更加连贯，优化也更加简便，因为它能够自然地与视觉深度图和纯电动汽车模型输入相匹配。4D雷达显著提升了系统在复杂多变的场景（例如雾天路口或夜间高速公路汇流处）中的泛化能力。
融合开发：从基于规则到基于模型的转变
现代 AV 技术栈不再依赖手动创建的规则，而是利用神经网络联合学习多模态特征。
4D雷达对这些基于模型的融合架构的贡献是：
稳定速度和航程的测量
不受光照影响的稳固几何结构
适用于深度融合的结构化点云
这些特性通常会导致训练过程中模态权重更高，从而增强感知输出的一致性和可靠性。
重要的4D雷达应用场景
恶劣天气
浓雾、夜间逆光和雨水反射都会导致视觉系统性能下降。
4D 雷达能够保持相对稳定的点云输出，从而在低能见度条件下实现连续感知。
高速前向感知
高速公路场景中的预测性决策需要精确的远距离检测和早期轨迹估计。
4D雷达在以下方面表现出色：
拍摄远处的微小物体
提供平滑且恒定的速度数据
鼓励在快速机动过程中发出早期预警
这使得它在高速公路辅助驾驶和 NOA 方面特别有用。
低速近距离城市环境
准确检测静态障碍物和近距离细节对于停车、狭窄道路导航和交通拥堵辅助至关重要。
4D雷达提供的稳定且有序的几何数据可改善以下方面：
路边识别
识别低空物体
在复杂且缓慢的情况下实现可预测性
Linpowave的4D雷达技术及其部署
涵盖多种场景的全面产品组合
Linpowave凭借其在MIMO天线设计、点云建模和信号处理流程方面的强大专业知识，提供适用于各种驾驶场景的广泛4D雷达产品。
V300系列：对中远距离的感知
V300 是一款用于前侧感知的传感器，它采用以太网接口输出高密度结构化点云。该传感器可轻松与视觉系统对接，实现多传感器融合，并支持需要高带宽环境数据的 L2++ 和 L3 系统。
U300系列实现中短距离城市感知
U300 能够在低速、近距离场景（例如停车或交通拥堵辅助 (TJA)）中可靠地检测小型、静止或近距离物体。这有助于增强车辆在狭窄空间、拥挤城市中的操控性。
Linpowave 通过向开发人员提供 SDK、清晰的点云文档、API 和工具链，促进了有效的算法开发以及与当前融合框架的无缝集成。
行业展望：融合就绪、成本优化、可扩展
随着雷达芯片组的进步和成本结构的改善，4D毫米波雷达在大众市场车辆中的应用越来越广泛。由于其成本效益、鲁棒性和性能平衡性，它被认为是未来L2++到L3架构的关键传感技术。
由于对稳定性和结构化深度的日益重视，4D 雷达有望继续成为下一代自动驾驶系统的关键组成部分。
常见问题解答
激光雷达能否被4D毫米波雷达取代？
激光雷达和4D雷达可以很好地协同工作。虽然激光雷达的应用取决于系统需求和预算，但视觉+4D雷达正逐渐成为一种流行且经济的主流架构。
4D雷达在恶劣天气下如何工作？
在雨、雾或弱光条件下，4D雷达通常比视觉系统能保持更稳定的探测性能。应用场景和配置都会影响其性能。
Linpowave是否提供开发方面的帮助？
当然。为了帮助开发融合模型，Linpowave 提供了全面的点云文档、SDK、API 和工具链。
4D雷达是否适用于城市道路和高速公路？
当然。U300 系列在近距离、城市和低速环境下表现良好，而 V300 系列则最适合远距离、高速感知。