在激光雷達(dá)的量產(chǎn)元年，各大造車新勢(shì)力公司逐步上線自研視覺感知算法，特斯拉宣布徹底拋棄毫米波雷達(dá)之際，毫米波雷達(dá)在自動(dòng)駕駛中應(yīng)何去何從？
目前自動(dòng)駕駛使用的主要傳感器是攝像頭、毫米波雷達(dá)和激光雷達(dá)。目前多數(shù)主打自動(dòng)駕駛特性的新車上都同時(shí)配備了上述三種傳感器，期望通過融合實(shí)現(xiàn)最優(yōu)的性能。上述三種傳感器各有優(yōu)劣勢(shì)，也經(jīng)歷了不同的發(fā)展過程。在融合之外，也不免面臨很多競(jìng)爭(zhēng)。例如特斯拉老板Elon Mask主推純視覺方案，鄙夷激光雷達(dá)，到后來連毫米波雷達(dá)也放棄。另外，隨著激光雷達(dá)成本降低，性能符合量產(chǎn)車規(guī)要求，也在逐步蠶食傳統(tǒng)毫米波雷達(dá)在自動(dòng)駕駛中的作用空間。
毫米波雷達(dá)可以說是最早應(yīng)用于量產(chǎn)自動(dòng)駕駛的傳感器，在1999年，奔馳220系列S級(jí)轎車上搭載的Distronic（DTR）雷達(dá)控制系統(tǒng)，可以在時(shí)速40~160km的范圍內(nèi)控制本車和前車的距離，實(shí)現(xiàn)了基本的ACC功能。目前各大國際主流毫米波廠商，例如博世、大陸、安波福，其前裝量產(chǎn)毫米波雷達(dá)已經(jīng)發(fā)展到了第5代，基本保持2~3年一代的更新速度。同時(shí)國內(nèi)的毫米波雷達(dá)廠商也已經(jīng)有了5年左右的發(fā)展，頭部公司的量產(chǎn)產(chǎn)品已經(jīng)接近國際先進(jìn)水平。雖然在精度和探測(cè)距離上有了很大的提升。但總體而言，其發(fā)展階段尚未實(shí)現(xiàn)本質(zhì)的突破。
對(duì)毫米波雷達(dá)，目前的量產(chǎn)毫米波雷達(dá)都只能稱為3D（距離-方位角-多普勒）雷達(dá)或準(zhǔn)4D雷達(dá)，基本上缺失或有很弱的俯仰測(cè)角/測(cè)高能力，這就導(dǎo)致雷達(dá)無法單獨(dú)作為傳感器識(shí)別前方的靜止障礙物，因?yàn)槠錈o法區(qū)分前方的車輛（真實(shí)障礙）和前方的橋梁/井蓋（虛假障礙）。在不頻繁觸發(fā)誤報(bào)的前提上，這會(huì)大大降低了障礙物感知的召回率。為了解決上述問題，目前已經(jīng)有4D雷達(dá)問世，可以實(shí)現(xiàn)較高精度的二維角度測(cè)量，如大陸的ARS548，但其在量產(chǎn)中的應(yīng)用效果尚缺乏驗(yàn)證。同時(shí)目前的4D雷達(dá)成本也較高。預(yù)計(jì)在2年左右的時(shí)間里，其可以達(dá)到量產(chǎn)前裝的要求。
對(duì)視覺，早期的視覺方案以智能攝像頭方案為主，即只有1個(gè)前向的攝像頭，但可以在內(nèi)部實(shí)現(xiàn)感知算法，直接輸出目標(biāo)級(jí)的障礙物信息和車道線信息。因此可以用來做1R1V的融合或5R1V的融合。大大降低了主機(jī)廠的開發(fā)難度。目前的L2級(jí)自動(dòng)駕駛大多還是這個(gè)路線。而像特斯拉的HW1.0–基于Mobileye芯片的第一代駕駛輔助硬件。它使用了單個(gè)EQ3系列攝像頭，單個(gè)毫米波雷達(dá)和12個(gè)中程超聲波傳感器，毫米波雷達(dá)是由博世提供，攝像頭布置于后視鏡附近，硬件選型都是基于市場(chǎng)上成熟的供應(yīng)商產(chǎn)品，在HW1.0階段特斯拉的主要工作也是多傳感器融合+應(yīng)用層軟件開發(fā)。特斯拉在2016年發(fā)布了基于自主研發(fā)視覺算法的自動(dòng)駕駛系統(tǒng)，這樣促使很多主機(jī)廠意識(shí)到多個(gè)圖像傳感器+深度學(xué)習(xí)感知計(jì)算平臺(tái)的方案實(shí)現(xiàn)遠(yuǎn)超過單個(gè)智能攝像頭的優(yōu)勢(shì)：車身360度的感知覆蓋、核心算法掌握在自己手里、可以通過數(shù)據(jù)驅(qū)動(dòng)不斷升級(jí)迭代同時(shí)OTA。國內(nèi)最早發(fā)布自研視覺感知方案的是在2020年上市的小鵬P7上的XPilot 3.0系統(tǒng)。目前國內(nèi)多數(shù)新勢(shì)力造車也會(huì)選用這一自研路線。
對(duì)激光雷達(dá)，其機(jī)械掃描的版本很早就應(yīng)用到各種無人車中，但由于量產(chǎn)車對(duì)品質(zhì)和價(jià)格的要求更高，因此直到2021年，國內(nèi)才開始發(fā)布搭載激光雷達(dá)的量產(chǎn)車，如小鵬P5搭載了兩顆 Livox覽沃科技提供的HAP激光雷達(dá)，單個(gè)橫向視角120°，針對(duì)低反射物體探測(cè)距離可達(dá)150米，角分辨率高達(dá)0.16°*0.2°，點(diǎn)云密度等效于144線激光雷達(dá)。其他領(lǐng)頭羊如速騰聚創(chuàng)和禾賽科技都發(fā)布了車規(guī)級(jí)固態(tài)激光雷達(dá)。應(yīng)用于量產(chǎn)車的固態(tài)激光雷達(dá)滿足了車規(guī)級(jí)的質(zhì)量標(biāo)準(zhǔn)，將成本從幾萬元下降到了數(shù)千元的量級(jí)，但也損失了360度的探測(cè)能力。另外，目前的高性能計(jì)算平臺(tái)也促進(jìn)了激光雷達(dá)的數(shù)據(jù)處理和目標(biāo)檢測(cè)性能提升，已經(jīng)從傳統(tǒng)基于規(guī)則的點(diǎn)云處理策略全面轉(zhuǎn)向基于深度學(xué)習(xí)的點(diǎn)云處理策略。
總體而言，毫米波雷達(dá)的發(fā)展最早，但贏來突破的時(shí)間點(diǎn)卻最晚，以國內(nèi)為例，視覺方案2016年實(shí)現(xiàn)了全向感知的突破，激光方案在2021年會(huì)實(shí)現(xiàn)固態(tài)量產(chǎn)突破，而毫米波雷達(dá)預(yù)計(jì)會(huì)在2023年實(shí)現(xiàn)4D雷達(dá)量產(chǎn)的突破，在2024或2025年上線基于4D雷達(dá)的感知方案。
對(duì)毫米波雷達(dá)而言，其感知召回率很高，但最大的問題是誤檢，包括各類雜波、多徑反射、無法判別高度的目標(biāo)等。引起這些問題的除了硬件自身的原因，軟件上也存在很大問題。毫米波雷達(dá)目前的數(shù)據(jù)處理都是在雷達(dá)內(nèi)部實(shí)現(xiàn)，依賴算力較低的MCU+傳統(tǒng)基于規(guī)則和認(rèn)識(shí)的策略進(jìn)行數(shù)據(jù)處理，自然無法實(shí)現(xiàn)目前深度學(xué)習(xí)可以達(dá)到的感知性能。
作為最早量產(chǎn)的自動(dòng)駕駛傳感器，毫米波雷達(dá)卻被攝像頭和激光雷達(dá)甩在了身后，個(gè)人覺得大部分原因可以用“門檻”二字來概括。毫米波雷達(dá)無論是硬件還是算法，其門檻都相對(duì)較高。硬件設(shè)計(jì)依賴極高的射頻基礎(chǔ)，加工工藝相對(duì)復(fù)雜，需要多年的技術(shù)經(jīng)驗(yàn)積累。因此目前主要硬件技術(shù)還是掌握在國外老牌芯片供應(yīng)商和汽車零部件供應(yīng)商手里，國內(nèi)的毫米波雷達(dá)創(chuàng)業(yè)公司也大多需具有相關(guān)高校、研究所的背景。而算法方面，雷達(dá)數(shù)據(jù)的回波強(qiáng)度信息、多普勒信息較視覺的圖像和激光的3D點(diǎn)云復(fù)雜的多，其回波點(diǎn)的特性解讀和分析也依賴大量經(jīng)驗(yàn)積累和物理知識(shí)。目前國內(nèi)自動(dòng)駕駛領(lǐng)域的行業(yè)人才多來自計(jì)算機(jī)、自動(dòng)化和機(jī)械相關(guān)專業(yè)，多數(shù)沒有諸如信號(hào)與系統(tǒng)和射頻技術(shù)的理論基礎(chǔ)。與其面對(duì)晦澀難懂不容易出效果的毫米波雷達(dá)數(shù)據(jù)，不如直接上手直觀容易理解的激光雷達(dá)和視覺感知。工業(yè)界如此，學(xué)術(shù)界也是如此。每年計(jì)算機(jī)、機(jī)器人領(lǐng)域國際會(huì)議上有關(guān)毫米波雷達(dá)感知的文章寥寥無幾，但與視覺、激光雷達(dá)感知相關(guān)的文章則是層出不窮，很多方案都不需要自己進(jìn)行過多開發(fā)，網(wǎng)上開源的SOTA唾手可得。
在當(dāng)下深度學(xué)習(xí)迅猛發(fā)展（天時(shí)）+集中式處理的系統(tǒng)方案（地利）+低門檻（人和）的加持下，視覺感知+激光感知迅猛發(fā)展，但毫米波雷達(dá)的感知卻是慢了半拍。
在目前的激烈的競(jìng)爭(zhēng)下，毫米波雷達(dá)相較視覺測(cè)速、測(cè)距準(zhǔn)確的優(yōu)勢(shì)已經(jīng)逐漸不明顯，而且激光雷達(dá)同樣也可以實(shí)現(xiàn)較高精度的測(cè)速和測(cè)距。但在量產(chǎn)激光雷達(dá)上車覆蓋360度依舊成本相對(duì)較高，且僅有特斯拉可以實(shí)現(xiàn)超強(qiáng)的視覺感知方案的現(xiàn)狀下，毫米波雷達(dá)較高的測(cè)距、測(cè)速精度仍是多傳感器融合不可或缺的信息來源。
對(duì)激光和毫米波雷達(dá)，在體制上都逐漸趨同化，向著高精度、遠(yuǎn)距離、抗干擾的路線發(fā)展。但有一點(diǎn)是不能改變的，那就是波的頻段。毫米波的頻段決定了其無法完全從回波層面解決一些多徑的影響，但也具有光學(xué)（攝像、激光）傳感器無法比你的優(yōu)點(diǎn)：對(duì)惡劣天氣，如沙塵、濃霧、雨天的適應(yīng)性。當(dāng)然這些路況還不是目前自動(dòng)駕駛落地需要考慮的主要問題，但其將作為自動(dòng)駕駛技術(shù)的“長(zhǎng)尾問題”和自動(dòng)駕駛領(lǐng)域的“增量市場(chǎng)”，在未來必定得到更多的關(guān)注。
另外，雖然毫米波雷達(dá)電磁波的多次反射有時(shí)候會(huì)引起虛假目標(biāo)，但其同樣也帶來了一個(gè)優(yōu)勢(shì)：不容易被完全遮擋。在密集的場(chǎng)景中，通常只有毫米波雷達(dá)能看到本車道前方甚至前前方的車輛、行人。但光信號(hào)則會(huì)完全被遮擋。
車載毫米波雷達(dá)目前的一個(gè)重要發(fā)展方向是4D雷達(dá)，其依賴更復(fù)雜的硬件系統(tǒng)實(shí)現(xiàn)更高的性能，但也伴隨著成本的增加。個(gè)人認(rèn)為，毫米波雷達(dá)的另一個(gè)方向是低成本和輕量化，其最終可以逐漸取代超聲波雷達(dá)，并利用諸如測(cè)速、測(cè)角能力，實(shí)現(xiàn)更多的人車交互功能，例如DOW、后備箱開啟等。
從整個(gè)自動(dòng)駕駛的角度看，目前的方向是通過堆傳感器和堆算力，提升自動(dòng)駕駛能力，從而逐步實(shí)現(xiàn)更高級(jí)別的自動(dòng)駕駛。但對(duì)于很多低成本的車型，上述能力還是不可接受的，而低成本車型的市場(chǎng)量也是巨大的。在這些車型上，1V1R將作為長(zhǎng)期的有效方案。走農(nóng)村包圍城市的路線，依賴下沉市場(chǎng)取得成功，在拼多多的事例里已經(jīng)得到了很好的驗(yàn)證。
從算法問題看，毫米波雷達(dá)感知處理要解決的問題可以從三個(gè)角度描述：檢測(cè)、狀態(tài)估計(jì)、屬性估計(jì)。在檢測(cè)上，要實(shí)現(xiàn)高的召回率的同時(shí)降低誤檢，比如目前常見的多次反射目標(biāo)和可穿越目標(biāo)；在狀態(tài)估計(jì)上，要實(shí)現(xiàn)更高的位置和速度估計(jì)精度；在屬性估計(jì)上，提供更加準(zhǔn)確和豐富的屬性，例如可信度、類別、尺寸等。多維度處理和數(shù)據(jù)驅(qū)動(dòng)是實(shí)現(xiàn)上述目標(biāo)的關(guān)鍵。深度學(xué)習(xí)的方法很可能是毫米波雷達(dá)感知技術(shù)的突破點(diǎn)，巫婆塔里的工程師：毫米波雷達(dá)：感知算法 黃?。簯?yīng)用于雷達(dá)信號(hào)的深度學(xué)習(xí)方法 這兩篇文章都給出了一些很好的深度學(xué)習(xí)在毫米波雷達(dá)感知處理上的應(yīng)用案例。
從數(shù)據(jù)處理的角度看，其實(shí)毫米波雷達(dá)的回波強(qiáng)度信息也蘊(yùn)含了一定的目標(biāo)語義。包括多普勒速度?？梢哉f，毫米波雷達(dá)最終的數(shù)據(jù)形態(tài)是5D維度的：斜距、方位角、俯仰角、多普勒速度、強(qiáng)度。當(dāng)點(diǎn)云密度和激光雷達(dá)、視覺不能比擬的時(shí)候，充分利用挖掘上述信息，也可以為毫米波雷達(dá)帶來新的亮點(diǎn)。