傳感器增強，被視為高階智駕繼續解鎖ODD（針對自動駕駛及相關功能專門設計的運行條件）的關鍵環節之一。
眾所周知，市面上在售新車搭載的智駕系統，由于傳感器、算力以及軟件算法能力的差異，會導致系統正常運行的前提條件及適用范圍（比如，針對不同的道路環境、場景、障礙物等）都不太一樣。
以最近被熱炒的AEB（自動緊急制動）功能為例，即便是同樣一套系統，在不同傳感器、算力的配置下，也存在性能差異。
比如，在懂車帝的夜間AEB測試報告中，同樣搭載華為ADS2.0的阿維塔11和問界M5智駕版，由于兩者在域控算力、傳感器配置的不同，在部分項目的測試結果上也有巨大的差異。
這其中，在傳感器部分，考慮到夜間或惡劣環境下的工況，激光雷達和毫米波雷達被視為攝像頭的有效能力補充。而尤其是毫米波雷達，對于外部環境的抗干擾能力更勝一籌。
不過，由于傳統毫米波雷達的角分辨率問題，導致對于多目標物的識別、分類能力要落后于激光雷達。比如，在行業早期，AEB功能主要通過毫米波雷達實現，此后引入視覺融合感知。
但，由于兩種傳感器的性能差異，為了規避毫米波雷達帶來的噪音，一些廠商（比如，Mobileye、特斯拉）轉而主推純視覺方案。
此外，更多的車企在導入激光雷達。比如，沃爾沃汽車曾對外表示，“在夜間工況，激光雷達可以看到前方250米的距離。這意味著，對于規控環節，至少多了3-4秒的反應時間，而攝像頭不具備這種技術。”
而更多的廠商，準備推動4D成像毫米波雷達的上車，目的是在可以對標激光雷達性能的前提下，最大程度降低感知系統的成本。
“傳統雷達分辨率一般在2°-4°之間，而4D成像雷達可實現低于0.5°的高角度分辨率，提供類似激光雷達的性能。”在行業人士看來，相比而言，成本可以降低50%以上。
不過，和激光雷達類似，由于增強了點云輸出，4D成像雷達在端側的算力要求也是指數級上升。目前，市面上常見的方案，大多數需要額外配置成本較高的FPGA來進行數據處理，并且還需要多級聯方案。
如何繼續降本，是擺在4D成像雷達面前的一道坎。此前，高工智能汽車研究院曾作出樂觀預測，不過到目前為止，也僅有理想、深藍、路特斯、飛凡等少數幾個品牌的幾款車型有相應配置。
“當產品的自動駕駛需求到了L3或以上，對點云、目標識別的質量有著較高要求，4D毫米波雷達就屬于必選項。”有關4D成像雷達的應用前景，楚航科技CEO楚詠焱依然保持樂觀。
從方案配置以及成本來看，4D成像雷達將成為純視覺與激光雷達高階配置中間的高性價比可選方案之一。同時，對于大部分Tier1來說，相關的算法可以快速參考視覺的機器學習技術。
而對于降本增效，行業內主要有三種解決方案，一是開發定制的ASIC來代替FPGA；比如，Mobileye、Arbe Robotics以及NXP、TI等傳統雷達芯片巨頭都有相應的方案。
其中，NXP在一年前推出了業界首款專用16nm成像雷達處理器S32R45，配置4個Arm? A53內核，3個鎖步Arm M7內核以及8MB SRAM + LPDDR4 + 外部閃存。
緊接著，NXP與為升科（CubTEK）聯手發布最新一代4D成像雷達方案，基于該方案開發的4D成像雷達是第一款可同時提供短、中、遠程三合一多模式雷達，支持192個虛擬天線通道以及上一代處理器64倍的計算性能。
“多傳感器融合需要匹配足夠優化的融合算法。在這其中，4D成像雷達可以實現多傳感器的前融合和點云融合，從而降低漏檢率、誤報率等。”為升科（CubTEK）CTO蔡青翰表示。
第二種解決方案，主要是減少級聯以及國產化芯片方案；比如，承泰科技推出的CTLRR-520，采用雙級聯方案，比擬業界4級聯性能，性價比高；同時，實現95%以上國產化率。
目前，承泰科技已獲得國內外頭部車企智能駕駛項目超80個，累計業務訂單近11億，交付智能駕駛產品已超60萬套。同時，公司已拿到國際龍頭車企多款車型的正式項目定點。
此外，楚航科技推出的兩片級聯方案，基于傳統3D毫米波雷達工藝設計和硬件結構，多增加了一顆射頻芯片，能夠在算法、射頻天線和硬件升級上大幅提升產品性能，并做到有效的成本控制。
目前，該公司的4D成像毫米波雷達已獲得葦渡科技和國內某頭部知名車企兩大量產車型項目定點，實現了在乘用車和商用車雙領域內的覆蓋。
公開信息顯示，楚航科技位于安慶的雷達基地，年產能高達180萬只；并且，已獲得德國大眾、奇瑞、長城、東風、海馬、零跑、合眾等定點項目。
同時，楚航科技也是海拉與佛吉亞合并后，在中國投資合作的首家國產毫米波雷達企業。此外，公司還與上市公司保隆科技，共同成立了合資公司，正在為VinFast的VF系列車型提供角雷達開發及量產服務。
木牛科技在今年也正式推出第三代4D成像雷達-I79，以低成本、車規級、高性能為核心設計理念，采用最新的波形調制技術。
其中，獨創的Antipodal專利天線，融入多雷達抗干擾設計，自研的高分辨算法大幅提升了分辨率和俯仰維度的分辨能力，將點云密度提升超過10倍，1秒檢測可達2萬點云數據。
和其他廠商相比，這套全棧自研方案，不僅節省了雷達物理通道和成本，而且在同樣的硬件下，I79的性能得以表現更好。
木牛科技從2017年便投入研發4D成像雷達技術，在硬件設計、系統設計、波形設計和算法層面開始布局，成為全球研發高精度成像雷達較早的廠家之一。
第三種解決方案，就是分布式+中央計算架構，將車身上搭載的多顆環繞4D雷達的數據在中央域控制器（比如，智駕域控制器）進行協同融合處理，從而降低端側數據處理要求。
這種方案的出發點，很簡單，傳統的汽車雷達受到端側計算和內存的限制，因此過早地丟棄可能有效的信息，導致分辨率和點云密度差。
而集中處理方案的優勢在于，基于一套軟件系統，實現在現有的ADAS域控制器上運行雷達信號數據處理，從而實現顯著的成本降低和效率提升。
同時，得益于端側無需再配置高性能計算，即便是后續進行雷達的更換，維護保養成本也將大幅度下降。
就在本月初，NXP宣布對軟件初創公司Zendar Inc.進行投資并展開合作，加速和提升自動駕駛（AD）和高級駕駛輔助系統（ADAS）的高分辨率雷達解決方案。
其中，加速向分布式架構演進，實現高分辨率雷達環繞感知技術落地，是此次合作的目標之一。而Zendar的分布式孔徑雷達（DAR）技術正是NXP看中的下一代關鍵技術，從而實現軟件定義成像雷達。
在該公司看來，目前主流的「硬件堆料」方案，大大增加了系統成本和復雜性，這也是當下汽車行業沒有大規模采用高分辨率雷達的障礙之一。
而分布式孔徑雷達（DAR）技術，主要基于軟件實現，將來自多個雷達前端的原始數據與IMU（或者組合導航）的運動數據融合，并使用機器學習方法代替傳統的雷達信號處理算法來檢測目標。
這其中，機器學習甚至是深度學習能力的加持，是4D成像雷達的又一個關鍵競爭力要素。比如，傳統雷達對于靜止的車輛可能并不適用。盡管，物體可以產生密集的反射，但不移動。
這意味著，根據傳統的雷達信號處理規則，這個物體可能是欄桿、高速公路立交橋或其他物體。幾年前，英偉達就曾提出，克服這種方法局限性的一種思路是采用深度神經網絡（DNN），類似視覺感知。
而4D成像雷達帶來的密集點云，以及俯仰角帶來的測高能力，則是為深度神經網絡模型訓練帶來可能。同時，借助雷達的BEV特征圖，更是可以與圖像BEV特征融合，進一步增強目標檢測的置信度。
這意味著，對于毫米波雷達供應商來說，4D成像市場的啟動，競爭也在從傳統的硬件為主，升級為軟硬協同能力。而對于資本市場來說，這個賽道的格局重構也才剛剛開始。
高工智能汽車研究院監測數據顯示，2022年中國市場（不含進出口）前裝標配搭載ADAS毫米波雷達（前向、后向、盲區）交付1795.27萬顆，同比增長31.21%；其中，前向搭載同比增長25.21%，盲區同比增長37.73%。
今年1-6月，ADAS毫米波雷達標配交付937.92萬顆，同比增長26.36%；其中，前向毫米波雷達搭載量459.29萬顆，同比增長27.02%，滲透率49.41%；角雷達477.51萬顆，同比增長25.63%，滲透率21.81%。
高工智能汽車研究院預測數據顯示，隨著L2及L2+持續處于市場增長的高速期，到2025年，毫米波雷達搭載總量將超過3500萬顆/年，2020-2025年復合年增長率接近30%。
這意味著，4D成像雷達的替代市場空間巨大。
