智能汽车行业系列（十三）：4D成像毫米波雷达，自动驾驶最佳辅助

4D毫米波雷达优势显著，有望成为自动驾驶最佳辅助 4D毫米波雷达具有诸多优势：（1）性能方面：全天候：毫米波的波长比可见光和红外线更长，可以穿透微小的障碍物，不受天气影响，具有“全天候”的特点；具备精确速度信息：毫米波雷达对速度信息感知精准，有效助力算法识别物体运动轨迹和方向；相对稠密的点云信息：4D毫米波雷达可以输出包含速度、方位角、俯仰角、距离4个维度的点云信息，并且点云密度相比传统的毫米波雷达大幅提升，为算法提供助力。（2）成本方面：毫米波雷达产业链历经多年发展相对成熟，芯片走向成熟化，算法端在近年日益完善，4D毫米波雷达拥有较好的降本潜力。因此4D毫米波雷达有望成为自动驾驶不可或缺的传感器之一，助力功能落地。 多方案提升分辨率，技术逐渐成熟，大规模上车指日可待 分辨率是衡量4D成像毫米波雷达性能的关键指标，行业致力于尽可能高的提升分辨率以助力整车智能驾驶。提升分辨率有多种路径，可分为软件和硬件两类方案，硬件方案有：芯片级联、芯片集成、超材料改进天线等，软件方案有：虚拟孔径成像、超分辨率算法等。目前4D成像毫米波雷达仍处于起步阶段，多种技术路线并存，预计经过对性能与成本的权衡，路线最终将走向收敛。同时，伴随硬件集成化程度不断提升，产品成本有望持续下降，叠加信号处理以及融合处理算法逐渐成熟，大规模上车应用指日可待。 产业链包含上游零部件厂商及中游整机厂商，机会良多 4D成像毫米波雷达上游零部件降本空间较大。4D成像毫米波雷达上游产品主要为射频芯片、处理芯片、高频PCB以及算法。（1）射频芯片与处理芯片：毫米波雷达核心部件，研发壁垒高。目前市场主要以英飞凌、恩智浦、TI等海外巨头为主，国内如加特兰等厂商亦逐步实现突破。芯片呈现SoC集成化趋势，产品降本增效，优势玩家地位有望强化。（2）高频PCB：价值量较高，新技术如天线片上集成等方案有望推动降本进而实现产品出货量提升。（3）算法：分为信号处理算法和数据处理算法。其中信号处理算法与射频芯片和天线存在一定耦合性仍有较高技术壁垒，数据处理算法有上移到域控制器的趋势，同时数据处理算法以及自动驾驶算法目前走向趋同，算法开发成本有望被摊薄。 中游雷达制造厂商竞争激烈，存在上中游垂直一体化。4D成像毫米波雷达的中游厂商可分为具有毫米波雷达生产经验的传统大厂，以及新切入赛道的自动驾驶方案商与初创厂商，竞争激烈；同时部分公司既是零部件供应商又是雷达制造商，实现垂直一体化，具有成本和性能优势。目前4D成像毫米波雷达行业整体处于发展初期，技术路线多元，国内外玩家起点接近，国内厂商有望抓住整车厂验证4D成像毫米波雷达的窗口期，迎头赶上，占据一席之地。 受益标的：德赛西威、经纬恒润-W、威孚高科、华域汽车、保隆科技 风险提示：技术发展进度不及预期、市场需求不及预期。 1、视觉感知最佳辅助——4D成像毫米波雷达 1.1、感知是自动驾驶的首要环节，高性能传感器必不可少 感知环节负责对侦测、识别、跟踪目标，是自动驾驶实现的第一步。自动驾驶的实现，首先要能够准确理解驾驶环境信息，需要对交通主体、交通信号、环境物体等信息进行有效捕捉，根据实时感知的环境信息，自动驾驶系统得以完成接下来的决策、规划与控制等环节。传感器的性能会直接影响到感知信息的质量，目前广泛搭载的传感器有摄像头、激光雷达、毫米波雷达、超声波雷达等。 图1：传感器在自动驾驶实现过程中发挥基础性作用 特斯拉的视觉感知方案推动自动驾驶行业进入新的篇章。2021年，特斯拉使用Transformer算法构建BEV（Bird’s Eye-View,鸟瞰图）空间，解决了传统视觉感知的深度探测难点 ， 从而通过视觉也可以进行较为准确的距离估计 ； 同时 ，Transformer算法更契合多个传感器融合，可拓展性更强。2022年，特斯拉使用基于BEV+Transformer和占用网络，形成对外部3D空间的还原，对通用障碍物感知能力进一步增强。特斯拉依靠摄像头进行感知的FSD功能已经能够实现近乎对全部驾驶场景的覆盖，累计行驶里程呈指数型增长。 图2：特斯拉占用网络的视觉感知具备3D空间感知 图3：截至2023Q3，FSD累计行驶里程突破5亿英里 特斯拉重新使用毫米波雷达辅助摄像头来提升感知能力。2021年特斯拉放弃使用毫米波雷达，集中资源进行视觉感知能力的提升。2022年2月，马斯克坦言只有非常高分辨率的雷达才有意义，将取消毫米波雷达的原因指向“分辨率不足”；同年6月，特斯拉向美国联邦通信委员会（FCC）注册一款全新高分辨率雷达设备。 根据汽车之心公众号，2023年2月，国外博主Greentheonly曝光特斯拉全新的计算平台HW4.0为毫米波雷达预留了接口；同年6月，该博主又放出特斯拉新毫米波雷达的实物图。综合推断，特斯拉将要搭载的新款毫米波雷达将是具有高分辨率的4D成像毫米波雷达。4D成像毫米波雷达具有诸多优良特性，能够更好地辅助视觉感知方案。 图4：特斯拉向FCC注册的新雷达示意图 图5：特斯拉新雷达实物图与此前FCC备案一致 1.2、毫米波雷达具有“全天候性质”，但存在分辨率不足的问题 毫米波雷达通过调制、收发、信号处理进行障碍物的感知。毫米波是电磁波，其频段在30-300GHz之间，属于“极高频”，抗环境噪声干扰能力强；毫米波波长在1-10毫米之间，与波长通常为数百至上千纳米的激光相比，它的波长更长，具备传输距离远、绕射能力强、穿透性更好等特点。工作在毫米波波段的雷达称为毫米波雷达，在自动驾驶领域广泛应用。 图6：毫米波雷达波长在1-10mm之间 毫米波雷达主要由雷达前端收发模块、数字信号处理单元以及接口模块组成。 雷达前端收发模块进行毫米波信号的调制、发射与接收，包括天线阵列、射频前端、中频电路、模数转换器；数字信号处理单元进行信号处理与数据处理，包括DSP（数字信号处理器）、MCU（微控制单元）或FPGA（现场可编程门阵列）等；接口模块负责数据通信以及与其他系统的集成。毫米波半导体技术已经比较成熟，已经在自动驾驶车辆中广泛应用。 图7：毫米波雷达主要由前端雷达传感器、数字信号处理单元以及接口模块构成 信号收发与信号处理是毫米波雷达运行的重点环节。毫米波雷达工作流程如图7所示：（1）首先射频发射器产生电磁波信号并且将之发射，信号到达目标物体； （2）物体反射或者散射信号形成回波信号，接收器接收回波信号；（3）混频器将回波信号与原始信号混合，经过滤波器进行滤波，得到中频信号（实际是雷达发射信号与回波信号的频率差，包含有物体的位置、速度等信息）；（4）中频信号输入到处理后端进行调制解调、FFT（Fast Fourier Transform，快速傅里叶变换）等算法处理，提取目标信息并进行分析，实现目标检测、距离测量、速度测量、方位估计； （5）最终将结果输出以进行后续感知处理。 图8：毫米波雷达工作流程 毫米波雷达通常调制FMCW（调频连续波）波形，能够同时测速、测距。多普勒效应是指物体发射的波长会因为相对运动而产生变化，例如火车汽笛声在驶向我们时会更加高亮，是因为此时我们接受到的汽笛声波波长变短，频率增加，因而可以被用来测速。毫米波雷达通常是FMCW（调频连续波）雷达，FMCW是连续的频率调制，频率会线性增加与减小，根据这一特性，雷达能够有效从FMCW的回波信号变化中分离出时间与距离的信息，从而准确测算出障碍物的相对速度与距离。 图9：从FMCW波形能够有效分离距离与时间导致的多普勒频移 毫米波雷达同时能够测算方位，识别多个物体，适用于车载领域。通过增加分离的天线数量，毫米波雷达能够根据回波信号阵列之间的相位差得到物体的方位信息；通过对多个回波信号进行处理得到不同的中频信号，毫米波雷达也能够有效分辨多个物体。毫米波雷达能够测距、测速、测向、分辨多个物体，且FMCW波形的调制、处理等技术相对成熟，功耗小、成本低，使得毫米波雷达契合车载领域。 图10：多个天线接收信号，依据相位差得到方位信息 图11：通过中频信号处理得到多个物体的位置信息 毫米波雷达具有多种优良特性，对智能驾驶不可或缺。（1）“全天候”：相对波长为纳米级的光波，毫米波波长更长，能够轻易穿过比其波长小的障碍物，一般来说，雨滴、雪花的平均直径均在5mm以下，因此毫米波雷达工作基本不受雨雪雾等天气的影响，具有“全天候”的特点；（2）具备速度信息：基于毫米波的多普勒效应，毫米波雷达可以获得高精度的速度信息，这对于自动驾驶感知至关重要；（3）识别遮挡物体：毫米波信号具有多径效应，信号通过反射、漫反射、衍射、绕射等方式，在一些场景下，能够检测遮挡物体。大陆集团曾提到基于其ARS430毫米波雷达的经验，这类遮挡车辆大约在40%的场景中可以被发现。当然其探测遮挡物体的性能表现也基于一些条件，如道路表面情况、前车的位置、以及被遮挡车辆的位置等。而算法对于此类场景的探测尤为重要，华为在其4D毫米波雷达发布会上也着重提到了这一点。 表1：毫米波雷达具有全天候等感知优势 图12：多径效应检测识别“隐藏目标” 摄像头与毫米波雷达能够形成感知系统上的优势互补。摄像头是被动感知传感器，具有成本低、易于集成、语义信息丰富等特点，并且摄像头是数据带宽最高的车载传感器之一，可以提供高分辨率图像与实时视觉信息，但是摄像头容易受到恶劣天气、眩光等环境的影响，没有精确的物体深度信息与速度信息。毫米波雷达在摄像头所不足的方面可以提供有效补充，两类传感器融合则能以较低的成本实现性能更好的自动驾驶感知。 图13：毫米波雷达与摄像头优势互补 传统毫米波雷达无法测高，限制其在自动驾驶中发挥更大的作用。传统毫米波雷达只能探测距离、角度、速度三类信息，由于没有高程信息，限高杆、高架桥等物体容易触发毫米波雷达障碍物反馈，因而实践中只能设定保留动态目标追踪结果或降低毫米波雷达感知权重，导致日常使用中毫米波雷达基本无法识别静止物体。 例如特斯拉的辅助驾驶未识别到白色静止卡车导致相撞的事故，是由于摄像头没有分辨出白色车厢与天空的区别，同时毫米波雷达没有准确识别侧翻静止的货车。针对此问题，毫米波雷达需要增加俯仰角的感知能力。 图14：雷达电磁波具有多径效应，能够检测遮挡物体 图15：摄像头与毫米波雷达对白色静止卡车识别失误 1.3、4D毫米波雷达增添高度维信息，形成精确的感知能力 4D毫米波雷达增添俯仰角信息，可以识别物体高度。正如上文提到，毫米波雷达由于无法分辨高度维信息，在使用中会将静止物体识别的置信度降低，如无其他可靠传感的情况下，可能导致误刹或漏刹，造成较差的驾驶体验甚至威胁行驶安全。而如果增加俯仰方向的天线排布，毫米波雷达就能够测量到高度信息，从而克服上述不利的情况，4D毫米波雷达便应运而生。4D毫米波雷达中的“4D”指的是距离、方位、速度以及高度，4D毫米波雷达不仅继承了毫米波雷达的优点，包括“全天候”有效运行、感知遮挡物体，并且在分辨率、精度上更进一步，能够识别较小的物体、静止物体以及空中障碍物。作为毫米波雷达的升级，4D毫米波雷达具有更优异的性能，对复杂路况展现了更强的适应性。 图16：可以通过天线特殊排布方式实现方位-仰角分辨率 图17：4D毫米波雷达具备俯仰角测量能力 表2：4D毫米波雷达相对毫米波雷达优势显著 4D成像毫米波雷达清晰度更进一步，能够输出三维点云图像。通过改进识别算法、增大雷达孔径等方式，4D毫米波雷达能够像激光雷达一样输出相对密集的三维点云，能够勾勒出物体的形状，进而识别出物体，具有高清的特质，这就是4D成像毫米波雷达。相邻两个点云之间的角度即为角分辨率，角分辨率越小则代表雷达清晰度越高，4D成像毫米波雷达的角分辨率最高可以达到1°以内，意味着在 200m 远的范围，雷达能够区分相距约3.5米或以上的两个物体，对近处的物体的识别则会更加清晰。由于4D成像毫米波雷达会生成三维点云，因此对比对象常常是激光雷达，而不再是毫米波雷达。 图18：毫米波雷达无法识别高度信息（左），4D成像毫米波雷达点云清晰（右）