Otomobilgi.comOtomobilgi.com
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • FŐOLDAL
  • HÍREK
    Törökországi Autóipari Hírek
    Globális automobilipari hírek
    Törökországi motorsport hírek
    Globális Motorsport Hírek
  • AUTÓK
    BELSŐ ÉGÉSŰ MOTOR
    • Belső égésű modellek
    • Belső égésű motor technológiák
    • Üzemanyag és fogyasztás
    • Kibocsátás és Környezet
    • Belső égésű motor tulajdonjoga
    • Belső égésű autómobilok története
    ELEKTROMOS
    • Elektromos modellek
    • Villanyautó-technológiák
    • Töltés és infrastruktúra
    • Akkumulátortechnológia
    • Hatótávolság és fogyasztás
    • Elektromos tulajdonlás
    • Elektromos autók története
    HIBRID
    • Hibrid modellek
    • Hibrid rendszerek
    • Akkumulátor és töltés
    • Fogyasztás és Hatékonyság
    • Hibrid tulajdonlás
    • Hibrid autó története
    SUPERCAR
    HYPERCAR
  • TECHNOLÓGIA
    Vezetőtámogató rendszerek
    Biztonsági technológiák
    Világítási és Látási Technológiák
    Infotainment és kapcsolat
    Önvezető üzemmód és a mesterséges intelligencia
    A Jövő Technológiái
  • ÚTMUTATÓK
    Vásárlási útmutatók
    Értékesítési útmutatók
    Karbantartás és használat
    Tulajdonjog és költségek
    Gumi és Felni
    Biztosítás és műszaki vizsga
  • TÖRTÉNELEM & KULTÚRA
    Autótörténelem
    Ikonikus Modellek
    Klasszikusok és Gyűjtemények
    Törökország autóipari története
    Autótervezés
    Az autó és a populáris kultúra
  • MOTORSPORT
    Formula 1
    Rali (WRC)
    Rallykrossz
    MotoGP
    Formula 2 & Formula 3
    Kartozás
    Le Mans-i 24 Órás
    WEC
    NASCAR
    IndyCar
    DTM
    GT Versenyek
    Drift
    Drag Versenyek
  • ISMERJEN MEG MINKET
    RÓLUNK
    KAPCSOLAT
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  1. FŐOLDAL
  2. TECHNOLÓGIA
  3. Önvezető üzemmód és a mesterséges intelligencia
  4. Mire jó a 4D radar az autonóm vezetésben?

Mire jó a 4D radar az autonóm vezetésben?

  • Autonóm vezetés és mesterséges intelligencia
  • Szerző: Lütfi Mete Odabaşı
  • Létrehozás: 9 november 2026
A kamera és a lidar a jó idő időszakának érzékelői; ködös, esős éjszakán az autót lábon tartó igazi barát a magasságot érzékelő 4D radar.
A kamera és a lidar a jó idő időszakának érzékelői; ködös, esős éjszakán az autót lábon tartó igazi barát a magasságot érzékelő 4D radar.

Az autonóm vezetésről mindig ugyanaz a páros jut eszünkbe, nem igaz? Kamera és lidar. Az egyik úgy olvassa a világot, mint egy fényképet, a másik lézerrel pöttyözte pöttyre pásztázza a környezetet. De mi a helyzet a radarral? Legyünk őszinték, a radar szónál többségünk a levegőben szálló repülőre gondol, és továbblép. Mégis, a ma közutakon közlekedő autonóm rendszerek legújabb hűségű, legrosszabb időjárástól sem tanácsadó érzékelője még mindig a radar. Ráadásul a klasszikus radar egyszerű, sebességet és távolságot mérő formájából kinőve már nemcsak a tárgyak magasságát is látja, hanem pontfelhőt állító 4D képalkató radarrá fejlődött. Akkor a kérdés egyértelmű: Mire jó a 4D radar az autonóm vezetésben, valóban a lidar versenytársa, vagy az érzékelési halom csendes, de nélkülözhetetlen támasza?

Ezen az oldalon pontosan innen kezdjük el a tárgyalást. Megígérem, hogy a végére pontosan látni fogjátok, melyik érzékelő mit és miért csinál, hol válik el az ígéret a valóságtól.

Mi az a radar, és mit csinál az autóban?

Kezdjük egy egyszerű hasonlattal? A radar úgy működik, mint valaki, aki sötét szobában tapsol, és a visszhang visszatérési idejéből következtet ki, hol van a fal. Rádióhullámot bocsát ki, meghallgatja az autókról, gyalogosokról, korlátokról visszaverődő visszhangot, és a visszatérési időből a távolságot, a frekvencia eltolódásából pedig közvetlenül a sebességet méri. Igen, a radar a sebességmérésben nyíltan bajnok; míg a kamerák a sebesség terén legfeljebb találgatnak, a radar nem találgat, hanem mér.

Az autonóm járművekben használt radarok jellemzően a 77-81 GHz-es frekvenciasávban működnek. Ennek a sávnak a hullámhossza körülbelül 4 milliméter. És itt van a kritikus trükk: mivel ez a hullámhossz nagyobb, mint a ködszemcse, a por és a könnyű esőcsepp, a hullámok könnyedén kikerülik a legtöbbjüket. Vagyis a radar ott is lát, ahol a kamera és a lidar szeme elzáródik a rossz idő miatt. Ráadásul az FMCW (folyamatos frekvenciamodulált hullám) architektúrának köszönhetően egyszerre olcsó és strapabíró is, mert nincs benne mechanikusan mozgó alkatrész. Persze az éremnek van másik oldala is: ha a mellette haladó autó FMCW radarja is ugyanazokat a frekvenciákat használja, az interferencia elkerülhetetlenné válhat. Az interferenciával szemben ellenálló, kódolt radarok viszont erős processzort, magas energiafogyasztást és barátságtalanul magas árat jelentenek.

A legfontosabb tudnivalók

  • A 4D radar négy dimenziót mér: távolság, azimut, eleváció és radiális sebesség.
  • A 77-81 GHz-es sávban működő radarok ködben, porban és könnyű esőben nagyrészt nem érintettek.
  • A 4D radar hatótávja eléri az 300 métert; a solid-state lidar a szögletes felbontásban még mindig körülbelül 5-szörös teljesítményt nyújt.
  • Az autóipari radarpiac 2026-ban 7,25 milliárd USD-ről 2033-ra 27,03 milliárd USD-ra való növekedése várható.

A klasszikus 3D radartól a 4D képalkató radarig: A hiányzó dimenziótengely

Yükseklik boyutunu ekleyen 4D radar, köprü kirişi ile kanalizasyon kapağını birbirinden ayırarak otonom sürüşün en kör noktasını kapatıyor.

Most jutunk el a téma valóban érdekesebb részéhez. A klasszikus radarok, amelyek évek óta ott vannak az autóinkban, valójában három dimenzióban dolgoznak: távolság, sebesség és vízszintes szög (azimut). Elegendőnek hangzik, de van egy hiányosság: nincs magassági információ. Vagyis a klasszikus radar nem tudja megmondani, hogy az előtte lévő tárgy a földön van-e vagy a levegőben. Egy olyan hídgerenda, ami alá át tudsz menni, vagy egy csatornafedél, aminek neki kell ütnöd - abban a síkban a kettő ugyanaz.

A 4D képalkotó radar pontosan ezt a negyedik dimenziót, a magassági szöget adja hozzá, és minden megváltozik. Távolság, azimut, eleváció és radiális sebesség: négy mérési dimenzió, innen ered a neve is. És ezzel nem áll meg; a 3D radar ritka és elmosódott adataival szemben sűrűbb és nagyobb felbontású pontfelhőt állít elő. Ezt a pontfelhőt a radar nyers adatkockájában lévő csúcsok CFAR nevű algoritmussal történő kiszűrésével nyerik, és a percepciós algoritmusoknak a lidarhoz hasonló módon táplálható be. De jegyezzük fel ide: a sűrűség növekedése ellenére a 4D radar pontfelhője még mindig zajosabb és ritkább, mint a lidaré.

Mire Jó a Pontfelhő?

A pontfelhő az objektumosztályozás nyersanyaga. Vagyis a jármű nemcsak azt tudja kikövetkeztetni, hogy valami ott van, hanem azt is, hogy mire hasonlít az a valami. Olyan feladatoknál, mint például megérteni a forgalomban, hogy egy jármű átmegy-e a híd alatt, vagy nekiütközik-e a hídlábnak, ez a dimenzió életmentő kategória. Innen nyílik meg az ajtó ahhoz, hogy a 4D radar elkülöníthesse a járművet a hídtól, a felüljárótól vagy az úton lévő alacsony akadálytól. Az adatok oldalán is komoly munka folyik: míg a 3D radar adatkockája másodpercenként 2,5 Gbps-t ömleszt, addig a 4D radaroknál ez a sebesség akár 10 Gbps-ig is felmehet. Ez pedig egy olyan rendszert jelent, amely mögött erős számítási teljesítmény áll.

4D Radar a Lidarral és a Kamerával Szemben: Mit Mondanak a Számok?

És amikor az adatok az asztalra kerülnek, hogyan néz ki a kép? Az alábbi összehasonlítás a három szenzor-megközelítés összefoglaló táblázata:

Tulajdonság4D RadarKlasszikus 3D RadarLidar (Solid-State)
Hatótávolság300 m70 m / 250 m (modelltől függően)200 m
Látószög120° / 30°Széles, modellfüggő120° / 25°
Szögfelbontás1° / 1°4° / 1,5°0,2° / 0,2°
Magasság (eleváció)VanNincsVan
SebességmérésKözvetlen DopplerKözvetlen DopplerKorlátozott
Minden időjárási körülményIgenIgenNem
KöltségKözepesAlacsonyKözepes-magas

A táblázatból kirajzolódó történet egyértelmű. A solid-state lidar a szögfelbontásban körülbelül ötször jobb, mint a 4D radar; a pontfelhő sűrűbb, a térképe élesebb. De a 4D radar három területen felülmúlja a lidart: hosszabb hatótávolság, közvetlen sebességmérés és minden időjárásban működő képesség. Vagyis az egyik távcső, a másik iránytű; mindkettő használható, de más feladatokra.

És a Kamera?

A kamera a helyzetértelmezésben továbbra is a legjobb: közlekedési tábla, sávvonal, piros lámpa... Ezek egyikét sem tudja a radar kiolvasni. De a kamera gyengesége is nyilvánvaló: esőben, hóban, ködben és sötétben a megbízhatósága jelentősen csökken. A radar ezzel szemben éppen ezekben a körülményekben dolgozik nyugodtan, a hiánya pedig a kevés részlet. Önmagukban hiányosak, együtt erősek.

Rossa az Időjárásban Tényleg Megbízható? Egy Jéghideg Tény

A radar rossz időjárásbeli fölénye túlzás, vagy valóság? Váltsuk szét szépen a zűrzavart. Ködös kísérletekben már mérsékelt ködben is, amikor a látótávolság 300 méterre csökken, a lidar jelentős jelveszélyt szenved, míg a radar nagyrészt érintetlen marad. Sűrű ködben, amikor a látótávolság 50 méterre esik, a különbség még szembetűnőbb lesz. Esőben pedig mindkét szenzor valódi ellensége a csepcekről visszaverődő hamis pontok; a radaron viszont ezek a hamis megfigyelések szinte mozdulatlanok maradnak, ezért a mozgó objektumok követésébe alig keveredik bele. Tehát a radar rossz időben nyújtott aduja valódi, nem marketingfogás.

De álljunk meg egy jégkorszagnál, és gondolkozzunk el. Egy terepi tesztben minden jármű, amelynek szenzorait jég borította, beleértve a radar- és képalapú rendszereket is, elvesztette a működőképességét. A radar sem abszolút garancia; a jég azt is blokkolja. Nem véletlen, hogy a gyártók a radart rossz időre tartalékrétegként tartják, de egyetlen szenzor sem önállóan mentőöv.

Miért nem dobják ki a gyártók a radart a keretből?

Mert a pragmatizmus győz. A mobilérzékelés és az autóipar területén a radar megbízhatóan működő rétegként pozicionálódik rossz látási viszonyok között; a processzorgyártók pedig azt mutatják, hogy a környezetérzékelésben az objektumok helyzete és sebessége 200 méterig pontosan meghatározható. Az új generációs processzorchippek és egylapos megoldások a 4D radart sorozatgyártás közelébe hozzák. A piac is mintha jóváhagyná ezt: A 4D képalkotó radar piacának 2026-ban 4,3 milliárd USD-ról 2033-ra 13,6 milliárd USD-ra való növekedése várható. Hozzá kell tenni azt a tényt is, hogy 2026-ban a legtöbb 4D radar nem a teljesen autonóm vezetéshez, hanem vezetőtámogató funkciókhoz készül; az iparág lépésről lépésre halad.

Kiváltja-e a radar a lidart? Íme a válasz

Elértük a vita lényegéhez. Az elmúlt években a radar-lidar-kamera együttműködésen alapuló érzékelési kísérletek jelentős rugalmasságnövekedést mutattak ködös és esős forgatókönyvekben; amikor a lidar leállt, a radar bekapcsolása kifejezetten javította a rendszer teljesítményét. Tehát bizonyított, hogy a radar hasznos. De az is bizonyítást nyert: Bár a 4D radar és a solid-state lidar hasonló költségű és látószögű, a felbontásbeli különbség továbbra is a lidarnak kedvez, és ez a különbség valódi különbséget jelent az objektumosztályozásban. Az elvárás az, hogy a teljesen autonóm vezetésben a biztonság és a megbízhatóság érdekében mindkét szenzort együtt használják; általános célú, megfizethető árú járművekben pedig a radar (néha solid-state lidar kíséretében) fő szenzorként előtérbe kerül.

Összefoglalva a világos válasz a következő: A 4D radar nem olyan szenzor, amely kiváltja a kamerát és a lidart az autonóm vezetés érzékelési veremében; hanem támogató réteg, amely megbízható a sebesség- és távolságmérésben, és rossz időben is talpon marad. A radar ismert gyengeségeit sem szabad figyelmen kívül hagyni: Ritka és zajos mérések, visszaverődésből eredő zavarok, többutas jelenségek és az adathalmazok hiánya miatt a radaralgoritmusokat gyakran lidar- és kameramodellekből adaptálják, vagyis a radar valódi potenciálja továbbra sincs teljesen kiaknázva. Ez azt jelenti, hogy sok a fejlesztendő terület, ráadásul izgalmas módon.

A gyártók eltérő útjai: A Tesla példája

Az érzékelő-stratégiák terén a gyártók külön utakra szakadtak. A Tesla 2021-ben teljesen eltávolította a radart, és kizárólag kamerára támaszkodó megközelítésre váltott; a indokok között szerepelt az egyszerűbb összeszerelés, az ellátási láncfüggőség csökkentése és a gyártás felgyorsítása. Azonban a rossz időjárás és a gyengült holttér-p képességekről szóló kritikák után sem fogytak el a hírek arról, hogy a radar visszakerülhet; e állítások egy része nem megbízható forrásból származik, ezért óvatosan figyeljük. Másrészt olyan gyártók, mint a Rivian, bejelentették a kamerát, radart és lidart egyesítő, érzékelőfúziós platformjukat. A történelem azt is mutatja, hogy ez a vita nincs lezárva.

Gyakran Ismételt Kérdések a 4D radarral

Mit jelentenek pontosan a 4D négy dimenziója?

Hatótávolság, azimut (vízszintes szög), eleváció (magassági szög) és radiális sebesség. A klasszikus radar az első háromnál a magasságot nélkülözte; a 4D radar ezt egészíti ki.

Drága a 4D radar?

Drágább a klasszikus 3D radarnál, de olcsóbb a forgó mechanikus lidaroknál; költség szempontjából a középső sávban helyezkedik el. Az egylapkás megoldások a ár leszállítását célozzák.

Minden körülmények között működik a radar?

Ködben, porban és enyhe esőben igen, sőt kifejezetten jól. De ha jég borítja az érzékelőt, nem működik; nem abszolút garancia.

Az én záró olvasatom: a kamera, amely már fényképezőgépnyi részletet lát, a lidar, amely távcsőként éles térképet készít, és a radar, amely még viharban sem adja fel. Az autonóm vezetés jövője azon múlik, mennyire jól tud táncolni ez a hármas. A radar talán nem lesz e tánc sztárja, de úgy tűnik, sosem lép le a színpadról; ráadásul a 4D képalkotással évről évre egyre többet mond.

Források

  • Radars for Autonomous Driving: A Review of Deep Learning Methods and Challenges
  • 4D Millimeter-Wave Radar in Autonomous Driving: A Survey
  • 4D Radar Meets LiDAR and Camera: Cooperative Perception
  • Field Test of Automated Vehicles in Adverse Weather (USDOT)
  • AIR4D Imaging Radar for Autonomous Vehicles (Bitsensing)
  • The Next Generation of Active Sensors for Autonomous Driving (Mobileye)
  • 4D Imaging Radar Market Size & Share Report (Grand View Research)
  • LiDAR vs RADAR: How 4D Imaging and FMCW Disrupt AV Tech
  • Tesla May Add Radar Back To Its Cars After All (The Drive)

Az oldal megosztása

Kategóriaszerkesztő

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

Fiatal, dinamikus autó- és motorsportrajongó, aki szeret kutatni és tanulni. Mete fiatalok szemével gazdagítja autós hírekkel, tudással és kultúrával foglalkozó platformunkat. szorosan követi az autótechnológiai újdonságokat és a motorsportban történt fejlődéseket, és amit megtanul, hasznos, tartalmas tartalmakká alakít az otomobilgi.com számára.

Kapcsolódó tartalmak

Ezek a szilikon agyak, amelyek másodpercenként több tíz megabájtnyi adatot alakítanak át döntéssé ezredmásodpercek alatt, az autonóm járművek valódi hatalmi harcát határozzák meg.
Autonóm vezetés és mesterséges intelligenciaAz autonóm vezetést irányító chipek: Nvidia és Mobileye
Minden internetre csatlakoztatott jármű támadási felületet hordoz; a 2015-ös Jeep-ügy megmutatta, hogy ez nem rémálom, hanem bizonyított tény.
Autonóm vezetés és mesterséges intelligenciaHackelhetőek-e az önvezető autók? Kiberkockázat az összekapcsolt vezetésben
Mindkét rendszer SAE 2. szintű, így a kormány mögötti valódi pilóta továbbra is te vagy: ma egyetlen autó sem veszi át helyetted a felelősséget.
Autonóm vezetés és mesterséges intelligenciaA Super Cruise és a Tesla FSD közötti 5 alapvető különbség
A V2X a lidar és a kamera számára láthatatlan sarok mögötti területet ezredmásodpercek alatt láthatóvá teszi egy 300 méter távolságból érkező jel segítségével.
Autonóm vezetés és mesterséges intelligenciaV2X: Hogyan kommunikálnak egymással az autonóm járművek?
Az ötonóm járművek 800 méterről is hallják a szirénákat, de továbbra is megállnak a tűzoltóság előtt és dugót okoznak; fülük van, reflexeik hiányoznak.
Autonóm vezetés és mesterséges intelligenciaMit tesznek az önvezető járművek a rendőri és mentő szirénákkal szemben?
Súlyos hóban a lidar érzékelési teljesítménye több mint 50%-kal csökken, és mivel a mesterséges intelligencia nem tudja, melyik szenzornak bízzon magát, a robotaxik megállnak.
Autonóm vezetés és mesterséges intelligenciaMiért vakulhatnak meg a hóban és esőben az önvezető járművek?
Egy autonóm vezetési rendszer szimulációban milliárdnyal virtuális kilométer megtétele közben hibázva tanul; az igazi vizsga azonban a valóságos aszfalton kezdődik.
Autonóm vezetés és mesterséges intelligenciaHogyan tanulnak meg vezetni az autonóm járművek? A szimuláció rejtett iskolája
A Waymo csak kevés helyen vezet sofőr nélkül, a Tesla viszont mindenhol felügyelettel működik; ez a különbség nem véletlen, hanem a két cég üzleti modelljének lényege maga.
Autonóm vezetés és mesterséges intelligenciaMiért kér még mindig sofőrt a Tesla, miközben a Waymo egyedül kószál a városban?
Az autonóm vezetésben nincs egyetlen helyes érzékelő; a nyertest a költség, a biztonság és a szabályozás egyensúja határozza meg.
Autonóm vezetés és mesterséges intelligenciaLidar vagy kamera? Az érem oldala a szenzorháborúnak az autonóm vezetésben
Amíg a kormány a te kezedben van, az autó bármilyen okos is legyen, jogilag te továbbra is a sofőr vagy.
Autonóm vezetés és mesterséges intelligenciaA 2. szint vagy a 3. szint? Álmok és valóság az autonóm vezetésben

Címkék

  • önvezető vezetés
  • érzékelőtechnológia
  • szenzoradatok fúziója
  • lidar
  • autonóm vezetési szintek
  • 4d üveghullámú radar
  • 4d radar
  • doppler
  • vezetőtámogató rendszerek
  • autonóm járművek biztonsága
  • radarpont-felhő
  • fmcw radár

Kövessen minket a közösségi médiában

  • Rólunk
  • KVKK Tájékoztató Szöveg
  • Adatvédelmi Szabályzat
  • Kapcsolat
Otomobilgi.com
FUGGETLEN AUTÓS KULTÚRA PLATFORM
Virgo CMS által működtetve