（編譯自Electronic Design）

過去十年，車輛安全始終是各類先進駕駛輔助系統（ADAS）與自動駕駛項目的核心設計約束，嚴峻的交通事故現狀也印證了其必要性。僅在美國，每年道路交通事故就會造成超四萬人死亡、二百五十余萬人受傷。美國與英國官方數據均表明，超80%的重大交通事故由人為失誤引發，駕駛分心、狀態不佳及疲勞駕駛為主要誘因。

從基礎駕駛輔助系統向高階自動駕駛的技術迭代，有望降低交通事故的發生頻次與事故危害程度。雷達、人工智能等多模態感知技術的持續進步，正不斷推動這一技術演進落地可行。

雷達技術行業應用方案

行業在實現感知能力的發展路徑上分化為兩大方向。部分廠商采用以攝像頭為核心的系統，目前已大批量搭載于量產乘用車；另一些廠商則搭建多傳感器陣列，將視覺、激光雷達（LiDAR）與雷達整合為一體化感知架構。多傳感器融合方案廣泛應用于全自動駕駛無人駕駛出租車車隊，各類感知設備的冗余配置已成為基礎安全要求。

多傳感器陣列具備天然的安全優勢，單一感知設備的短板可由其他設備的性能優勢彌補。例如，攝像頭能夠識別紅綠燈信號、讀取交通標識、區分校車與貨運車輛。雷達作為互補設備，可適應全天氣工況，借助多普勒效應直接測算物體速度，并實現遠距離目標探測。

各類傳感能力融合后，整套感知系統的穩定性優于單一傳感器。同時，雷達不受強光、濃霧及雨雪天氣影響，這一特性對于打造安全可靠、獲得公眾認可的自動駕駛系統至關重要。

目前，行業發展趨勢日趨明朗。投入商業運營的頭部自動駕駛出租車車隊，普遍搭載14顆攝像頭、4臺激光雷達與6顆雷達，并外接音頻接收器，用于識別緊急警報聲。

成本壓力始終限制著量產車輛的傳感器搭載數量，全行業工程師均在探索方案，力求降低硬件復雜度，同時提升環境感知性能。值得注意的是，最新一代車型將攝像頭總量縮減過半，激光雷達由五臺精簡至四臺，雷達數量則保持不變。行業發展重心正從傳感器的搭載數量，轉向單類傳感器的數據采集質量。

雷達重要性日益提升的原因

攝像頭與激光雷達系統依賴可見光或近紅外光，易受霧、雨、雪天氣干擾。隨著自動駕駛車輛的落地應用從陽光地帶與灣區，逐步拓展至氣候惡劣、能見度偏低的地區，搭載雷達將愈發關鍵，以確保車輛在更多行駛工況下維持安全性能。

77GHz車載頻段的雷達波可穿透霧、暴雨、煙霧、粉塵與降雪，信號衰減極低。該技術不受弱光環境影響，且車輛進出隧道等光照突變區域時，無需光線適應時間。

雷達借助多普勒頻移直接測算物體速度，可連續輸出測速數據，無需依靠連續圖像幀比對。同時雷達不限于視距探測，能夠識別前方車輛遮擋的隱藏障礙物，為緊急避險操作預留更多反應時間（見下表）。

傳統3D雷達可探測距離、角度與速度，但缺少高度數據，因此無法判斷被測物體位于路面上方（如橋梁、高架標識），還是行駛路徑上的障礙物。為彌補這一缺陷，許多3D雷達系統會通過程序設定，忽略特定尺寸或特定位置的靜止物體。該預設一旦判斷失誤，將引發嚴重安全問題。

4D雷達新增高度測量能力，可解析垂直平面內的目標物體。憑借每個探測點的完整空間位置信息，系統能夠區分橋梁與橋下行駛車輛、分離龍門架與前方滯留貨車，并為高車身車輛通過限高路段提供關鍵高度數據。

更豐富的空間信息還可生成更密集的點云。傳統3D雷達往往只能輸出稀疏探測點簇，難以完成目標分類；而4D雷達生成的點云密度更高，可分辨各類道路參與者與障礙物的輪廓特征，使雷達具備以往僅激光雷達才能實現的空間細節感知能力。

雷達面臨的復雜應用場景

橋梁與龍門架識別

3D雷達探測到車輛前方大型靜止物體時，無法判定該物體為可通行的跨線橋梁，還是需要緊急制動的障礙物。由于缺少高度數據，系統要么會無故制動，產生幽靈剎車現象；要么通過程序默認該物體無危險，從而埋下安全隱患。

4D雷達依托垂直角分辨率實現高度探測，解決了這一問題。在相關公司的4D

雷達系統的測試中，高速公路龍門架等高架設施的Z軸探測高度可達路面上方約12米。該項功能對商用車尤為關鍵，橋梁限高是其日常行駛需持續關注的要素。該系統可生成帶有高度色彩編碼的三維點位地圖，使感知系統精準判斷車輛能否安全下穿通行。

隧道環境

隧道會對感知系統形成雙重考驗。對于攝像頭而言，室外強光與隧道內部光線的急劇切換，會造成畫面短暫過曝或欠曝，在光線切換的關鍵時段降低有效視覺信息。對于雷達來說，隧道封閉結構會使墻體與頂部產生多路徑反射信號，形成信號干擾，導致系統難以區分真實目標與反射雜波。

遠距離小目標

探測路面上的動物與小型物體難度極高，原因在于其雷達回波信號接近噪聲閾值。若檢測結果不穩定，系統可能將目標誤判為干擾信號而忽略，最終錯失應急反應時機。動物的雷達反射能力較弱，因此檢測難度尤為突出。

道路使用者中的弱勢群體

對行人、騎行者及其他弱勢道路使用者的檢測，是所有感知系統中最為關鍵的核心能力。多數地區交通法規規定，除非能夠舉證免責，否則發生碰撞事故時責任將直接判定至駕駛員或車輛運營方。行人和騎行者屬于弱雷達反射目標，其回波特征極易被周邊車輛與基礎設施的強反射信號掩蓋。

雷達的未來發展趨勢

多年來，雷達一直是多傳感器感知架構中的必備部件，但其功能作用長期局限于前向碰撞預警與自適應巡航控制。3D雷達生成的點云過于稀疏，無法滿足高階自動駕駛對目標分類與穩定跟蹤精度的要求，這一短板使得雷達在感知系統中始終處于輔助地位。

依托單顆片上系統、結合人工智能波形自適應集中處理的4D雷達，大幅提升了點云密度。目前，該類系統生成的點云信息足夠豐富，可精準識別各類道路參與者、區分高架設施與路面障礙物，并在復雜雜波環境下保持穩定的目標跟蹤能力。

高端激光雷達的絕對點云密度更高，但其多余的密集數據，大多超出車輛高速行駛時感知決策的實際需求。此外，激光雷達在霧、雨、雪等惡劣環境下存在感知局限，而雷達不受此類環境因素影響。

整車廠商需要面對的實際問題是：4D雷達的點云密度是否已達到目標自動駕駛等級的應用門檻。2026年國際消費電子展上的一些測試結果表明，在越來越多L2+至L4級自動駕駛場景中，4D雷達已完全達標。

對于正在規劃下一代傳感器配置的研發團隊而言，集中式4D雷達的綜合性能與集成優勢已大幅提升，值得重新全面考量其應用價值。