從1999年梅賽德斯·賓士率先上車基於毫米波雷達的自適應巡航控制系統，過去的二十多年時間，毫米波雷達一直是ADAS感知的重要組成部分。但基於機器學習的攝像頭感知技術的前裝上車，雷達的效能缺陷成為焦點。
特斯拉棄用傳統毫米波雷達，正是因為在融合感知組合中，無法與高解析度的攝像頭採集資料進行更高效的“對等融合”，從而造成決策置信度的下降。
隨著4D毫米波雷達的亮相，機器學習不再是攝像頭視覺感知的“專利”。角解析度的提升，意味著物體檢測尤其是分類不再是雷達的弱項。
“機器學習有潛力幫助工程師以雷達為中心，教會感知系統如何有效分辨物體。而雷達的成本比鐳射雷達要低，功耗也相對較低。”作為傳統毫米波雷達的主要供應商，安波福公司也在推動4D成像雷達技術的應用落地。
安波福最新推出的FLR4系列前向雷達，其中，FLR4比現有型號增加了兩倍的距離解析度和三倍的垂直視場。角雷達方面，SRR6則是與前一代相比，探測距離提高了40%，距離解析度提高了兩倍，垂直視場提高了三倍。
FLR4+，則是該公司的首款4D成像雷達，探測距離同樣超過300米，並且透過機器學習支援真正的高程目標識別，並且還著重強調了具有吸引力的價格/效能比。
在角雷達應用上，安波福也推出了SRR6+和SRR6 HD兩個型號，前者的探測距離比前一代角雷達增加了一倍，並增加了更高解析度的角度識別。後者則為代客泊車和低速自動駕駛提供最大的解析度輸出。
“雷達提供的資料，比視覺系統提供的要複雜得多；不過，前者除了提供目標的位置之外，還提供距離和速度等資訊，這是相當有價值的。”安波福相關負責人表示，同時，由於域控制器架構帶來的高算力，意味著機器學習加速成為可能。
一、
2021年被視為4D成像毫米波雷達量產元年的開啟。
window。DATA。videoArr。push（{“title”：“提升解析度只是第一步！4D成像雷達+深度學習的“化學反應””，“vid”：“g33219q67t0”，“img”：“http：//puui。qpic。cn/vpic/0/g33219q67t0。png/0”，“desc”：“”}）
大陸集團、採埃孚、Unhder、傲酷、森思泰克等多家雷達廠商已經披露量產定點；為升科則是與恩智浦攜手首發量產後者最新一代4D雷達方案，這款名為S32R45的專用16nm成像雷達處理器已經投入量產，並將於今年上半年首次用於客戶量產。
作為4D成像專有雷達硬體加速器，S32R45實現64倍標準處理器的計算效能，應用超解析度雷達軟體演算法實現小於1度的角度解析度，同時應用高階MIMO波形設計支援多個天線通道同時工作，從而實現雷達感測器效能的提升。
同時，4D成像雷達率先提供了短距、中距、長距三合一的併發多模雷達感測，可實現對汽車周圍寬廣視場的同時感知。為了達到這個目標，恩智浦利用創新架構，透過配置低複雜度感測器，實現192個虛擬天線通道，來提高原始感測器硬體的效能。
而為了滿足不同客戶的價效比需求，S32R45雷達處理器是作為第6代汽車雷達晶片組系列中的旗艦產品，主力市場是面向更高級別自動駕駛。恩智浦同時推出了更高性價比的處理器S32R41，專為L2+自動輔助駕駛應用量身定製。
為了能夠滿足下游客戶的快速升級適配，S32R平臺提供了通用架構，以實現軟體複用和快速開發，同時還提供高效能的硬體安全引擎，支援OTA更新，符合新的網路安全標準。
作為傳統毫米波雷達巨頭之一，博世去年也在中國市場首次對外亮相第五代雷達至尊版，即4D成像雷達。
採用76-77GHz頻段，最遠探測距離高達302米，水平視場角可達120度，垂直視場角可達24度。
此外，博世還在去年宣佈與晶片晶圓代工廠GlobalFoundries合作開發用於自動駕駛功能的雷達晶片的協議，其位於德國工廠將開始投產高頻雷達晶片。
按照計劃，博世首款基於新方案的雷達SoC在去年下半年交付，用於新一代汽車雷達的進一步測試驗證。“技術的升級，意味著傳統雷達製造商希望從晶片設計開始自主掌控個性化方案開發。”
同時，藉助格芯的晶圓級定製化解決方案，博世將正式進入下一代高精度雷達技術的競爭賽道，並且極大改善現有傳統雷達無法識別靜態物體的缺陷。
而在下一代毫米波雷達產品研發上，此前以攝像頭視覺技術見長的Mobileye也宣佈將自主研發基於自主晶片+軟體定義的毫米波雷達，這款具有2304個虛擬通道的4D成像雷達計劃於2025年量產，搭載專用的SoC和處理演算法。
另一家採用專用晶片組的4D成像雷達初創公司是Arbe，成像技術採用專有的晶片組技術（同樣來自格芯的晶圓代工及方案）為數千個通道的虛擬陣列提供高效能，同時可最佳化成本和功耗。增強型的FMCW技術能夠從多天線傳遞並接收訊號。
同時，透過將資訊從時間域轉換為頻率域（FFT），4D雷達能輸出高畫素密度以較高的方位角和高度解析度提供4D圖形，同時感應較大範圍、較寬視角內的環境。
此外，Arbe的這款4D雷達能夠降低近零旁瓣發生水平，解決距離多普勒模糊識別，並避免與其他雷達發生干擾，而類似的訊號干擾問題已經成為業內關注的焦點，尤其是道路上行駛的新車越來越多的搭載不同數量的毫米波雷達。
此外，根據客戶的不同需求，這款雷達方案實現完全可定製，採用模組化設計，適合從L2到L5、遠端前向到中距離盲區等各種應用，允許主機廠自由設定解析度、範圍、視野和功能，從而適配不同的功能設計和成本要求。
二、
在高工智慧汽車研究院看來，隨著類似NXP、TI這樣的雷達晶片方案供應商陸續推出4D雷達晶片方案，輸出點雲資料只是入門級別。資料處理才是真正提高雷達效能所必需的。
去年，AI視覺晶片方案商安霸收購了4D成像雷達初創公司傲酷（Oculii），後者的自適應軟體演算法可以在傳統雷達晶片基礎上實現高解析度、更長距離和更高的探測精度。
接下來，傲酷的4D雷達軟體可以直接部署在安霸的CVflowSoC上，甚至可以提升傳統雷達的解析度和探測精度，從而提供全天候、低成本和可擴充套件的融合感知解決方案。
“我們希望傲酷獨特的自適應雷達感知演算法，結合安霸的視覺和人工智慧處理能力，解鎖更高水平的感知精度，而不是傳統的視覺和雷達的後融合解決方案。”到目前為止，傲酷已經與超過10家客戶簽訂了軟體授權協議，並拿到了前裝量產的商業開發合同。
在安波福公司看來，在感測器方面，以毫米波雷達為中心的解決方案提供了一種可選的路徑，尤其是4D成像雷達的加入，意味著，接下來機器學習技術也可以使用來自雷達的資料，並與其他資料進行融合。
對於L2+/L3功能，如高速公路自動駕駛和車道改變輔助，用於前向的4D成像雷達可以提供更高的角解析度資料以及高程感知能力，同時提升角雷達的近距離精準探測能力，提升高階自動泊車的感知識別。
在實際的道路場景應用上，此前安波福公司也給出了結合機器學習能力的一系列資料。比如，針對道路上的小物體或碎片，機器學習可以將探測距離再提高50%以上，並能跟蹤200米範圍內的小物體。
同時，對於前方小物體是否可以安全行駛透過，機器學習系統也可以用安全的和不安全的物體進行訓練。此外，與經典的雷達訊號處理相比，機器學習減少了70%的漏檢，透過與其他感測的融合可以進一步改善檢測。
機器學習還可以幫助提供準確的目標檢測和跟蹤，包括目標邊界和魯棒分離，可以將位置誤差和目標航向誤差降低50%以上，這意味著該車輛能夠更好地識別停在其他車道上的車輛，以及靜止或緩慢移動的物體。
此外，隨著點雲資料的增加，噪音也會增加。比如，隧道對於傳統雷達是另一個具有挑戰性的環境。隧道牆壁是一個巨大的反射面，可能導致非常多的返回點，甚至可以超過雷達處理目標的能力。
在安波福公司看來，機器學習可以幫助車輛瞭解何時進入隧道，能夠以比經典方法更高的精度過濾掉檢測中的噪聲。同時，還可以更好地解釋隧道和其他封閉環境中的雷達回波，對扇形等目標進行分類。
window。DATA。videoArr。push（{“title”：“提升解析度只是第一步！4D成像雷達+深度學習的“化學反應””，“vid”：“j33216znp1m”，“img”：“http：//puui。qpic。cn/vpic/0/j33216znp1m。png/0”，“desc”：“”}）
