利用智能毫米波雷达重新定义自动泊车的安全边界
在自动驾驶技术的演进过程中，自动泊车辅助（APA）系统正经历着根本性的转变——从一项便利功能转变为一项安全关键能力。随着SAE L3乃至L4级自动驾驶功能的逐步推广，诸如狭窄车库、变幻莫测的照明环境以及动态障碍物等泊车场景，对感知可靠性提出了近乎苛刻的要求。
本文探讨了智能毫米波雷达如何结合物理优势和算法创新，克服传统超声波和视觉方法的局限性，成为先进自动泊车的核心感知支柱。
一、为什么传统的停车感知架构正接近其局限性
早期的自动泊车系统主要依赖于超声波传感器（USS）和环视摄像头（SVM）。然而，随着系统向全场景自动化发展，这种架构的物理局限性日益凸显。
1. 超声波传感器：短距离和有限的语义
超声波传感器依靠声波进行探测，但由于空气衰减，其有效探测范围通常在五米以内。因此，车辆必须以极低的速度行驶才能完成空间扫描。
更重要的是，超声波传感器缺乏物体分类能力。它们无法可靠地区分路缘石、停车锁或行人，而且对天气状况或表面污染高度敏感，导致频繁的误报。
2. 恶劣条件下的视觉系统
摄像头具备强大的语义理解能力，例如识别停车线和标志。然而，在光线昏暗的停车场、强光照射下或雨雾天气中，图像质量会显著下降。
基于单目或鱼眼摄像头的深度估计在远距离也会失去精度。这使得难以提供可靠的360度安全冗余，在无人值守代客泊车场景中构成重大风险。
二、智能毫米波雷达：从辅助传感器到核心感知
为了应对这些挑战，智能毫米波雷达正从驾驶场景扩展到停车应用，在鲁棒性和探测范围方面提供了决定性的优势。
1. 感知范围的阶跃变化
与超声波传感器相比，毫米波雷达的探测范围扩大了五到十倍。这使得提前数十米即可识别可用停车位并进行轨迹规划，从而支持新兴的“直接停车”用户体验。
车辆不再需要驶过停车位再倒车，大大提高了停车效率和用户舒适度。
2. 真正的全天候耐用性
毫米波雷达工作频率为 77 GHz 和 79 GHz，即使在黑暗、暴雨或传感器污染等恶劣环境下，也能保持稳定的测距和速度测量。这种可靠性是安全至关重要的自动泊车系统的基础。
三、技术赋能：4D成像和人工智能驱动的雷达智能
毫米波雷达的影响不仅限于硬件——它是由信号处理和感知算法的进步所驱动的。
1. 4D成像和垂直分辨率
传统的“3D雷达”缺乏高度信息，因此难以区分地面障碍物和高空建筑物。
现代智能雷达引入了垂直分辨率，形成了4D成像雷达。借助定制的硬件，例如3D波导天线阵列，这些系统可以生成高密度点云数据，从而实现精确的三维环境重建。
这项功能显著降低了底盘刮蹭或与悬挂障碍物碰撞等风险。
2. 人工智能和机器学习的集成
领先的解决方案将深度学习直接嵌入到雷达处理流程中。
通过分析微多普勒特征，人工智能算法可以对行人、骑行者、静止车辆和结构元素进行分类。在多径反射严重的复杂停车环境中，机器学习能够过滤掉虚假目标，并保持对部分遮挡物体的稳定跟踪。
3. 基于卫星架构的传感器融合
为了优化系统级计算效率，业界正越来越多地采用卫星架构设计。雷达传感器将原始数据传输到中央域控制器，在那里，远程雷达感知与基于摄像头的语义理解融合在一起。
最终得到的是一个 360 度无盲点的停车环境数字孪生模型。
四、毫米波雷达赋能的关键停车应用
1. 自动泊车辅助系统 (APA)
在 SAE L2 系统中，毫米波雷达充当安全卫士，可以及早发现动态车辆和行人，并确保在混合交通环境中平稳停车操作。
2. 家庭停车试点项目（HPP）
HPP需要在最后500米内进行自主导航，无需GPS或高清地图。
雷达通过识别柱子和墙壁等稳定特征来支持SLAM。基于雷达的地图本身对光照变化具有较强的鲁棒性，与仅基于视觉的解决方案相比，具有更高的长期稳定性。
3. 自动代客泊车 (AVP)
在 SAE L4 AVP 场景中，驾驶员可以在下客区下车。毫米波雷达的感知范围超过 100 米，可提供足够的反应时间，以安全应对突发的动态障碍物。
4. 雷达增强型3D环视
通过将雷达测得的障碍物距离叠加到环视图像上，该系统可以减轻视觉失真，并为低速机动提供厘米级的精度。
五、未来展望：停车观念将如何演变
三大趋势将塑造下一代自动泊车感知：
多频段互补性：
毫米波雷达将与超宽带技术相结合，实现超近距离探测，完全取代大型超声波传感器阵列。软件定义雷达：
集中式计算平台能够持续改进 OTA 驱动的雷达性能，包括更好地检测小型障碍物。系统级安全冗余：
传感器融合将从功能堆叠发展到基于物理的安全互补，涵盖雷达、摄像头和超声波。
结论
智能毫米波雷达并非简单的升级，而是迈向完全自动驾驶和泊车的基石技术。它能够应对真实环境中的感知挑战，将自动泊车系统提升到真正关乎安全的关键层面。
对于全球汽车制造商而言，构建以智能雷达为核心的感知架构已不再是可选项，而是迈向安全、可扩展且面向未来的智能出行的必要步骤。