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
  • 首页
  • 新闻
    土耳其汽车行业新闻
    全球汽车行业新闻
    土耳其赛车新闻
    全球赛车运动新闻
  • 汽车
    内燃机
    • 内燃机车型
    • 内燃机技术
    • 燃油与消耗
    • 排放与环境
    • 内燃机车辆所有权
    • 内燃机汽车历史
    电动
    • 电动车型
    • 电动汽车技术
    • 充电与基础设施
    • 电池技术
    • 续航与能耗
    • 电动汽车所有权
    • 电动汽车历史
    混动
    • 混合动力车型
    • 混合系统
    • 电池与充电
    • 消费与效率
    • 混合所有权
    • 混合动力汽车的历史
    超级跑车
    超级跑车
  • 技术
    驾驶员辅助系统
    安全技术
    照明与视野技术
    信息娱乐与互联
    自动驾驶与人工智能
    未来科技
  • 指南
    购买指南
    销售指南
    维护与使用
    所有权与费用
    轮胎和轮毂
    保险与车检
  • 历史与文化
    汽车历史
    标志性车型
    经典与合集
    土耳其的汽车之旅
    汽车设计
    汽车与流行文化
  • 赛车运动
    一级方程式
    拉力赛 (WRC)
    越野拉力赛
    MotoGP
    Formula 2 与 Formula 3
    卡丁车
    勒芒24小时耐力赛
    WEC
    NASCAR
    IndyCar
    DTM
    GT 赛事
    漂移
    直线加速赛
  • 了解我们
    关于我们
    联系方式
  • 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. 首页
  2. 技术
  3. 自动驾驶与人工智能
  4. 4D雷达在自动驾驶中有什么作用?

4D雷达在自动驾驶中有什么作用?

  • 自动驾驶与人工智能
  • 作者: Lütfi Mete Odabaşı
  • 创建时间: 9 十一月 2026
摄像头和激光雷达是好天气的传感器;在雾雨交加的夜晚,真正支撑汽车前行的是能够感知高度的4D毫米波雷达.
摄像头和激光雷达是好天气的传感器;在雾雨交加的夜晚,真正支撑汽车前行的是能够感知高度的4D毫米波雷达.

一提到自动驾驶,我们脑海里浮现的总是一样的组合,对吧? 摄像头和激光雷达. 一个像照片一样解读世界,另一个用激光把周围环境一点一点扫描出来. 那雷达呢? 说实话,大多数人一听到雷达就想到天上的飞机,然后就略过了. 然而,如今在道路上行驶的自动驾驶系统里,最忠实、最耐恶劣天气的传感器仍然是雷达. 而且,它已从经典雷达仅测量速度和距离的简单形态,进化为能感知物体高度并生成点云的4D成像雷达. 那么问题很明确: 4D雷达在自动驾驶中到底有什么用?它真是激光雷达的对手,还是感知堆栈中沉默却不可或缺的支撑者?

本页内容就正好从这里开始. 我向你保证,读完之后你会清楚地明白:哪个传感器负责什么、为什么,以及承诺与现实在哪里分道扬镳.

什么是雷达?它在汽车上做什么?

先来打个简单的比方? 雷达就像在黑暗房间里拍手、根据回声返回的时间判断墙壁位置的人一样工作. 它发射无线电波,聆听从车辆、行人、护栏反射回来的回声,根据返回时间测量距离,并根据频移直接测量速度. 是的,雷达在测速方面简直是冠军; 摄像头对速度只能靠推测,而雷达是测量,不是猜测.

自动驾驶车辆使用的雷达通常工作在77-81 GHz频段. 这个频段的波长大约是4毫米. 关键技巧就在这里: 由于这一波长比雾滴、灰尘和小雨滴都大,大部分颗粒都能被电波轻松绕过. 也就是说,在摄像头和激光雷达"失明"的天气里,雷达仍能继续"看见". 而且,得益于FMCW (连续频率调制波形)架构,它不仅成本低,而且由于没有机械运动部件,非常耐用. 当然,硬币也有另一面: 如果旁边车辆的FMCW雷达使用相同的频率,干扰就难以避免. 而抗干扰编码的雷达则意味着强大的处理器、高功耗和不友好的价格标签.

要点速览

  • 4D雷达测量四个维度: 距离、方位角、俯仰角和径向速度.
  • 工作在77-81 GHz频段的雷达在雾、灰尘和小雨中基本不受影响.
  • 4D雷达的探测距离可达300 m; 固态激光雷达在角分辨率上仍领先约5倍.
  • 汽车雷达市场预计将从2026年的72.5亿美元增长到2033年的270.3亿美元.

从经典3D雷达到4D成像雷达: 缺失的维度轴

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

现在我们来到真正有趣的部分. 多年以来我们车上的经典雷达实际上是三维工作的: 距离、速度和水平角度(方位角). 听起来够用了,但缺了一样: 没有高度信息.也就是说,经典雷达无法判断前方物体是在地面还是在空中. 是能从下面通过的桥梁横梁,还是该撞上的下水道井盖,在那个平面上两者没有区别.

4D成像雷达恰恰就是补上了这第四个维度——高度角,一切因此改变. 距离、方位、俯仰角和径向速度: 四个测量维度,它的名字也由此而来. 不仅如此; 与3D雷达稀疏而模糊的数据不同,它生成更密集、分辨率更高的点云. 这个点云是通过用一种名为CFAR的算法从雷达的原始数据立方体中提取峰值而获得的,并且可以以类似激光雷达的方式馈送给感知算法. 但这里要注明一点: 尽管密度有所提高,4D雷达的点云仍然比激光雷达噪声更大、更稀疏.

点云有什么用?

点云是物体分类的原材料. 也就是说,车辆不仅能推断出某物存在,还能推断出它长什么样. 比如判断一辆车会从桥下通过,还是会撞上桥墩,这类应用中这个维度堪称救命的. 4D雷达之所以能让车辆区分桥梁、高架桥或路上的低矮障碍物,正是从这里打开的大门. 数据方面也是相当可观的工程: 3D雷达的数据立方体以每秒2.5 Gbps的速度流动,而4D雷达的这一速度可高达10 Gbps. 这意味着它背后需要一个具备强大算力的系统.

4D雷达与激光雷达和相机的正面较量: 数据怎么说?

那么,把数字摆上桌面时,格局如何? 下面的对比,是三种传感器方案的汇总表:

特性4D雷达传统3D雷达激光雷达(固态)
探测距离300 m70 m / 250 m(视型号而定)200 m
视场角120° / 30°宽,取决于型号120° / 25°
角分辨率1° / 1°4° / 1,5°0,2° / 0,2°
高度(俯仰)有无有
速度测量直接多普勒直接多普勒有限
全天候条件是是否
成本中等低中高

从表格中得出的结论很清晰. 固态激光雷达在角分辨率上约为4D雷达的五倍; 点云更密集,地图更锐利. 但4D雷达在三个方面胜过激光雷达: 更远的探测距离、直接的速度测量以及在任何天气下都能工作. 也就是说,一个是望远镜,另一个是指南针; 两者都有用,但用途不同.

那相机呢?

相机在场景理解方面仍是最佳: 交通标志、车道线、红灯...... 这些雷达都读不到. 但相机的弱点也很明显: 在雨、雪、雾和黑暗中,其可靠性大幅下降. 而雷达恰恰相反,在这些条件下从容工作,它的不足在于细节的匮乏. 两者单独使用都有欠缺,合在一起则强大.

在恶劣天气下真的可靠吗? 一个冰冷的真相

雷达在恶劣天气下的优势是夸大还是事实? 让我们把疑团好好理清. 在雾气实验中,即使是在能见度降至300米的轻度雾中,激光雷达也会出现严重的信号衰减,而雷达基本不受影响. 在大雾中,当能见度降至50米时,差距变得更加明显. 而在下雨时,对两种传感器来说,真正的敌人都是雨滴反射出的虚假点; 不过在雷达中,这些虚假观测几乎保持静止,因此基本不会干扰运动目标跟踪. 也就是说,雷达在恶劣天气中的这张王牌是真实的,不是营销噱头.

但我们不妨先停下来,冷静想一想冰封时代的情况. 在一项实地测试中,所有传感器被冰层覆盖的车辆,包括雷达和基于图像的系统在内,全都失去了功能. 雷达也并非绝对的保障;冰层同样能将它阻挡. 制造商将雷达作为恶劣天气的兜底层并非没有道理,但没有任何一种传感器能单独充当救世主.

制造商为什么不把雷达从阵容中剔除?

因为实用主义占了上风. 在移动感知和汽车领域,雷达被定位为在低能见度条件下可靠工作的感知层; 处理器制造商则展示了在环境感知中,可以准确提取最远200米处物体的位置和速度. 新一代处理器芯片和单芯片解决方案,正在让4D雷达接近量产. 市场似乎也认可这一点: 预计4D成像雷达市场规模将从2026年的43亿美元增长到2033年的136亿美元. 况且,2026年的4D雷达大多并非为完全自动驾驶而设计,而是面向驾驶员辅助功能的; 整个行业正在一步步稳步前进.

雷达会取代激光雷达吗? 答案在这里

我们来到了这场争论的核心. 近年来,雷达-激光雷达-摄像头协同感知实验在雾天和雨天场景中展现出显著的鲁棒性提升; 在激光雷达失效的情况下,雷达的介入显著提升了系统性能. 也就是说,雷达的实用性已经得到证明. 但有一点也被证明了: 尽管4D雷达与固态激光雷达在成本和视场角上相近,但分辨率差距仍然有利于激光雷达,而且这一差距在目标分类上确实带来实质性差异. 业界普遍期待,在完全自动驾驶中,为安全性和可靠性起见,两种传感器应配合使用; 而在通用型、价格合理的车辆上,则由雷达(有时伴随固态激光雷达)作为主传感器发挥核心作用.

简而言之,明确的答案是: 4D雷达并非在自动驾驶感知堆栈中取代摄像头和激光雷达的传感器,而是在速度和距离测量上可靠、能在恶劣天气中坚持工作的支持层. 雷达已知的弱点也不应被忽视: 由于测量稀疏且充满噪声、反射引起的杂波、多径信号效应以及数据集匮乏,雷达算法往往从激光雷达和摄像头模型改编而来,也就是说,雷达的真正潜力仍未被充分利用. 这意味着还有很大的改进空间,而且是令人兴奋的那种.

各厂商的不同路径: 以特斯拉为例

在传感器策略上,各厂商已走上不同的道路. Tesla在2021年完全移除了雷达,转向仅依赖摄像头的方案,理由包括安装简便、降低供应链依赖和加快生产速度. 然而,在恶劣天气下性能下降和盲区能力不足的批评之后,关于雷达可能被重新加入的消息从未间断; 其中一些说法来源并不可靠,因此我们持谨慎态度进行关注. 另一方面,Rivian等厂商则宣布了融合摄像头、雷达和激光雷达的传感器融合平台. 历史也表明,这场争论尚未落幕.

关于4D雷达的常见问题

4D中的四个维度究竟是什么?

距离、方位角(水平角度)、仰角(高度角度)和径向速度. 传统雷达具备前三项,唯独缺少高度信息; 4D雷达将它补上了.

4D雷达贵吗?

它比传统3D雷达贵,但比旋转式机械激光雷达便宜; 成本上处于中端水平. 单芯片解决方案旨在拉低价格.

雷达在任何条件下都能工作吗?

在雾、灰尘和小雨中可以,甚至表现更出色. 但如果传感器被冰层覆盖就无法工作; 它并非绝对的保障.

我最后的解读是:如今能看清照片级细节的摄像头、像望远镜般绘制精确地图的激光雷达,以及即使在暴风雨中也绝不退缩的雷达. 自动驾驶的未来取决于这三者共舞的水平有多高. 雷达在这场舞蹈中也许不是主角,但看起来绝不会退出舞台; 而且随着4D成像技术的进步,它每年都在发挥更重要的作用.

参考资料

  • 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)

分享此页面

分类编辑

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

一位年轻、充满活力、热爱探索和学习的汽车与赛车运动爱好者.Mete 以年轻人的视角为我们的汽车新闻、知识和文化平台增添价值.他密切关注汽车技术创新和赛车运动的发展,并将所学转化为 otomobilgi.com 的充实而实用的内容.

相关内容

这些硅基大脑每秒处理数十兆字节的数据,并在千分之一秒内将其转化为决策,正是它们决定了自动驾驶汽车真正的实力较量.
自动驾驶与人工智能管理自动驾驶的芯片: Nvidia 和 Mobileye
每辆联网的汽车都带有一个攻击面;2015年的Jeep事件表明,这不是危言耸听,而是已被证实的事实.
自动驾驶与人工智能自动驾驶汽车会被黑客入侵吗?智能网联驾驶中的网络安全风险
由于两个系统都是 SAE Level 2,方向盘后面真正的驾驶员仍然是你:如今没有任何一辆汽车会把责任从你手中接走.
自动驾驶与人工智能Super Cruise与Tesla FSD的5个核心区别
V2X能在几毫秒内让激光雷达和摄像头都看不到的角落变得可见,它借助的是300米外传来的信号.
自动驾驶与人工智能V2X:自动驾驶车辆之间如何“对话”?
自动驾驶车辆能在 800 米外听到警报声,却还是停在消防车前面堵着路;它们有耳朵,却缺了反射神经.
自动驾驶与人工智能自动驾驶车辆遇到警车和救护车警笛时会怎么做?
大雪中激光雷达的探测性能下降超过50%,由于人工智能无法判断该信任哪个传感器,Robotaxi只能停驶.
自动驾驶与人工智能自动驾驶汽车为何在雨雪中会"失明"?
自动驾驶系统在模拟中经过数十亿虚拟公里的试错学习;而真正的考验则在真实沥青路上才开始.
自动驾驶与人工智能自动驾驶汽车是如何学会驾驶的?模拟的“影子学校”
Waymo只在极少数区域实现无人驾驶,而Tesla到处都在安全监督下运行;这一差异并非偶然,而是两家公司商业模式本身使然.
自动驾驶与人工智能当Waymo已能在城市中独自穿行时,特斯拉为何仍然需要驾驶员?
自动驾驶领域没有唯一正确的传感器;成本、安全性和监管之间的平衡将决定最终的赢家.
自动驾驶与人工智能激光雷达还是摄像头?自动驾驶传感器之战的成绩单
只要方向盘还握在你手中,无论汽车多么智能,在法律上你仍然是驾驶员.
自动驾驶与人工智能Level 2 还是 Level 3? 自动驾驶的承诺与现实

标签

  • 自动驾驶
  • 传感器技术
  • 传感器融合
  • 激光雷达
  • 自动驾驶分级
  • 4d雷达
  • 成像雷达
  • 多普勒效应
  • 高级驾驶辅助系统
  • 自动驾驶安全
  • 雷达点云
  • 调频连续波雷达

在社交媒体上关注我们

  • 关于我们
  • KVKK信息披露声明
  • 隐私政策
  • 联系
Otomobilgi.com
独立汽车文化平台
由 Virgo CMS 强力驱动