4D毫米波雷达比3D毫米波雷达到底强在哪儿？

[首发于智驾最前沿微信公众号]最近有一个小伙伴在留言区提问：最近智界开启了老车型智驾硬件升级活动，老R7的前1后2毫米波雷达替换成4D毫米波雷达。因此想让智驾最前沿聊聊，前向一颗4D对于识别路面的洒落障碍物相较于3D毫米波有多大提升？

先说结论，4D雷达相比传统那种只能看平面的雷达，最大的区别不是单纯多一项数据，而是能“看得更立体、更靠谱”。雷达对自动驾驶来说，就像人的耳朵与触觉。它听到（接收）回波，算出距离和速度，再告诉大脑什么时候该刹车或避让。它能更好地区分路面上不同高度的物体，给出更结构化的点云，帮助车辆在复杂环境中做出更稳妥的判断。

什么叫4D毫米波雷达，和3D/传统雷达有什么差别？

“4D”并不是一个数学名词，而是从“感知维度”的方面体现出雷达的功能。早期的汽车雷达主要能量测距离，顺带能测径向速度（也就是目标是靠近还是远离，速度是多少）。后来雷达加了天线阵列，可以分辨方位角（左右在哪儿），这有时被称为“3D”，但很多厂家和文章里对“3D/4D”的叫法并不完全统一。我这里把4D雷达解释为能同时提供四类信息，距离、方位、速度和高度（也可以理解为垂直角度）。高度的加入让雷达不再只是“平面上的影子”，而是有深度的立体感知。

通俗点想象，传统雷达是站在马路边拿望远镜看东西，只能知道东西有多远和在什么方向上；4D雷达像是拿了带高度测量的立体相机，不仅知道东西在哪里，还知道它高矮，能分辨出地面上的小石子、路边的护栏和人头的高度差别。这种高度信息对行人、骑车人、卡车车顶、路牌横杆这些场景非常有价值。

它是如何“看出高度”的？

要让雷达看出高度，关键在两个方面，即天线的布局和信号的处理方式。早期雷达天线少，收发天线数量有限，没法用角度差来精确判断垂直方向。现在的4D雷达在发射和接收部分用了更多的天线单元，按一定规则排列，这就允许雷达去测量到信号在不同天线间的相位差。把这些相位差拼起来，雷达能推算出目标从侧面看和从上方看的角度，从而得到高度信息。

还有一个关键技术就是波束形成和MIMO技术。MIMO就是多个发射和多个接收的组合方式，通过不同发射/接收对的相位信息组合，得到更多独立的测量样本。波束形成则像握着手电筒调整光束方向，把能量集中在某个方向，提升对特定方位的分辨率。再配合快速的时频编码和更强的信号处理器，雷达能在同一时间帧里得到更细的角度和距离测量。现代芯片算力变强后，这些繁重的数学运算可以在传感器端完成，输出更“干净”的点云给车载中枢。

用更好理解的比喻，想象你要拍一个物体的立体照，多颗小相机从不同高度和角度拍照，再把照片合成就能得到目标的三维形状。4D雷达做的事情和这差不多，只不过用的是电磁波而不是光，天线阵列和信号处理替代了多相机与拼接算法。电磁波有穿透雾雨的能力，这也是雷达在恶劣天气比摄像头更可靠的原因之一。

4D比3D/传统雷达在实际自动驾驶场景带来哪些提升？

有了高度信息和更稠密的点云，系统能做的事情就会增多且会更可靠。举几个常见的例子，路边有一排护栏，护栏上方有横杆，如果车辆只知道距离和方位，可能把护栏和横杆当成一个整体来处理，不够精细；4D雷达可以告诉系统哪些回波来自较高位置，哪些来自地面，这样决策层就能更准确判断哪些物体是行进障碍，哪些只是高处的标志，这样就不会阻挡车辆行驶。再比如在隧道或桥洞入口处，车顶较高的大货车和普通小车通过的剩余高度不一样，4D雷达能帮助判断是否存在高顶障碍物，从而在需要时提示减速或变道。

在行人和骑行者的识别上，4D雷达能提供更稳定的几何信息。摄像头在夜间或逆光下容易失灵，激光雷达在雨雪下也会受影响，但雷达对雨雪更“宽容”。当摄像头信息不可靠时，雷达提供的高度和速度信息能作为重要的备份，避免出现错误超车或误判距离的情况。车速、方位与高度三者结合后，追踪动态目标时不容易把两个人或一个人和一个物体混淆，从而减少误判。

4D雷达还有一个非常重要的优势是运动预测更稳。车辆需要预测前方目标的运动轨迹来决定自己下一步的动作。精确的角度和速度信息意味着跟踪算法可以更准确地维持目标轨迹，不容易在短时间的噪声里“丢目标”。这让路径规划和决策更平滑，降低了因为感知抖动带来的频繁刹车或不必要的避让。

4D雷达并不是万能的，它的局限和实际取舍是什么？

4D雷达虽然听起来非常强悍，但仍然有一些不得不面对的缺点。第一，雷达的点云密度和细节性仍然比不上高线数的激光雷达。激光雷达在远距离和小目标轮廓方面更清晰，哪怕是4D雷达也不能完全替代高端激光雷达的全部功能。第二，高度分辨率有物理限制。天线数量、车上安装位置和信号带宽都会影响垂直方向的精细程度，所以在某些场景下高度信息并不一定非常精确。第三，成本和工程量会增加。更多天线和更复杂的信号处理意味着传感器本身更贵，电磁兼容、散热与外壳设计也要更谨慎才能达到车规级要求。第四，数据要处理好才有用。4D雷达输出的点云需要配套的算法和专门的标注数据集来训练模型。如果没有成熟的算法，丰富的点云也可能变成“噪声堆”，无法直接转化为可靠决策。

正因如此，很多厂商不会把4D雷达当作单独的“灵丹妙药”。更现实的做法是把它作为重要的技术补充，与摄像头和激光雷达形成互补。摄像头负责高分辨率的语义理解和颜色信息，激光雷达负责提供稠密的三维形状，4D雷达负责在低能见度或复杂电磁环境下提供稳定的距离、速度和高度信息。三种传感器协同工作，比任何一种单独工作都更可靠。

如何把4D雷达用得顺手且物有所值？

要想在车上真正把4D雷达发挥价值，有几件事必须注意。传感器安装位置要经过反复验证，位置决定视场、遮挡和天线效率，随便塞一个位置会大幅削弱性能。时间同步和空间标定也很关键，雷达、摄像头和激光雷达的数据要在时间上对齐、在空间上校准才能做有效的融合。在算法层面上，更要先做轻量级的在线处理，把不确定性大的判断先放到保守策略里，再把复杂的语义推理交给中央算力或离线模型优化。最后要考虑量产时的可靠性问题，车规级封装、抗振动、耐高低温和电磁兼容都是必须通过的门槛。

从产品选择角度出发，车厂需要把成本、预期功能和目标场景对齐。不是每一辆车都需要最先进的4D雷达。对一些以城市低速为主的共享出行车辆，4D雷达能带来明显的安全提升；而对预算有限、场景较单一的量产家用车，可能会选择低成本传感器组合并在软件上做更多优化。

4D雷达会如何影响自动驾驶的未来？

随着技术的进步技，芯片更便宜、天线制造也会更成熟，算法也能更好地解释雷达点云。未来，4D雷达会越来越常见，尤其是在需要全天候、全天时可靠感知的场景里，4D雷达或将成为主要硬件。但短期内它不会把激光雷达完全替代，但会让传感器融合更稳健，可以有效降低光学传感器在恶劣天气下的单点失效风险。

如果你把自动驾驶想成一支球队，摄像头是前锋负责看清楚细节，激光雷达是中场负责搭建精细的三维场景，4D雷达就是那个在关键时刻拦截对方进攻的后卫，雨雾天它常常是最可靠的防线。只有把队伍成员搭配合理，才能把比赛打好。4D雷达的出现，可以让这支队伍在风雨中也不容易被打乱节奏，这就是它最直接也最实用的价值。