自動駕駛傳感器配置需求隨著汽車智能化和電動化的快速發展不斷增加。當前的傳感器趨向于從探測范圍、探測精度、探測能力上進行不斷優化以便適應更多的邊緣場景。使用更高級能力的傳感器到底能帶來哪些優勢，又能解決哪些問題，如何對車身周圍的傳感器進行最優化配置和選擇將是我們必須要面對的問題。現如今，越來越多的企業將目光鎖定到了感知的三大新范式之中，相較于傳統的感知方法已經無法滿足新一代自動駕駛的技術需求，感知的技術革新也正走在路上。

4D毫米波雷達

為實現盲點檢測和定距巡航等功能而存在的傳統毫米波雷達，已在汽車產業應用多年，其所擁有的全天候全天時感知特性以及精準測速特性，使得毫米波雷達成為汽車感知系統中重要的傳感器之一。

但由于傳統車載毫米波雷達測高能力不足，對于路邊低矮目標、空中目標以及路面靜態目標的區分和識別存在較大局限性，整體輸出信息量與可見光攝像頭、激光雷達的信息輸出不在同一量級，所以在自動駕駛感知系統中的參與度和置信度并不高，無法深度參與自動駕駛感知過程。馬斯克就曾表示，攝像頭的信息量已經比雷達高上幾個數量級，加入雷達的數據實際上降低了信噪比。

面對自動駕駛對感知可靠性和安全性越來越高的要求，一種高信息質量、高性價比的超高分辨率毫米波雷達為自動駕駛感知系統創造出了新的想象空間，也就是近來備受產業關注和投資者青睞的“4D成像雷達”。

4D成像雷達全稱為“4D毫米波成像雷達”，“4D”是相對于傳統毫米波雷達（也即3D雷達）僅有距離（Range）、速度（Velocity）、方位角（Azimuth）三個維度的信息而言，增加了俯仰角度（Elevation）的信息感知能力，可對縱向目標進行高分辨率地識別；“成像”則類似于激光雷達的點云成像效果，與傳統毫米波雷達相比，4D成像雷達的射頻收發通道數量多出十倍以上，隨著俯仰角分辨率大大提高，能夠對目標和環境呈現出豐富的點云圖像以及距離、速度和角度信息。由于當前業界對于4D成像雷達缺乏統一的定義，坊間經常將“4D毫米波成像雷達”與“4D毫米波雷達”相混淆，但二者其實是兩種完全不同性質的毫米波雷達。

4D毫米波雷達只是在傳統3D雷達的基礎上增加了俯仰角度的測量，俯仰向分辨能力較低，此時俯仰角度的信息測量誤差較大，因此通過角度信息計算出的高度信息精度依然不高。同時4D毫米波雷達相較于傳統3D雷達的輸出測量點僅僅只有少量增加，因此4D毫米波雷達本質上仍屬于點跡雷達的范疇。而只有4D毫米波成像雷達真正完成了從點跡雷達向成像雷達的進化。

高分辨率攝像頭

隨著整車E/E 架構的演化趨勢，傳感ECU 也開始由分布式向集中式進行演變，其中的算力也不再向以前一樣由各分ECU來承擔，而是由中央處理器進行集中式處理，這一過程中的計算機視覺及圖像處理則由中央域控制器進行軟件集成，而攝像頭將只用于“圖像采集”的純sensor。

隨著自動駕駛級別的提升，對攝像頭的要求也越來越高，其中主要體現在對攝像頭的分辨率上，從最開始30萬像素實現基本的全景泊車升級到100多萬像素實現半自動泊車，又發展到現在的200萬像素實現基本的行車對中控制。并且隨著自動駕駛級別對于感知能力的進一步提升需求以及市場需求的推動，未來的高級別自動駕駛車輛中都在規劃應用800萬級別的高清像素攝像頭，用于對更遠距離的目標進行識別和監測。從基礎能力上看，升級為800萬攝像頭最大的挑戰在于其對感知算力的大幅提升。因此，類似高清車載攝像頭需要有與高分辨率攝像頭相匹配的算法和測試能力。近段時間，百度更是計劃推出超1500萬高像素車載攝像頭，據悉攝像頭的模組已經完成初步設計，正在全速推進開發測試進程，不久后將正式上市。

然而，攝像頭的分辨率也并不是越高越好，隨著分辨率的提升，對于高清攝像頭在帶寬、數據量等方面的需求也是呈現指數級別的增長，這就導致其對于周邊關聯部件和網絡的需求也呈現較高的能力需求。因此，對于自動駕駛系統來說，在進行攝像頭方案選型時候需要在分辨率和探測效能上做一個權衡。

不容忽視的激光雷達

同樣是雷達，毫米波雷達的金屬反射電磁波性能遠比人體要高，因此針對像自行車或行人這樣的反射物在距離檢測車輛1.5米時，普通采用3發4收單片3D毫米波雷達對自行車也幾乎只能檢測到一個點，甚至檢測不到。即便是成像毫米波雷達，對于行人、錐桶這類物體也只是一個小點，普通雷達則完全檢測不到。從這一點上講，顯然成像毫米波雷達無法和激光雷達成像相提并論。激光雷達用于下一代自動駕駛系統可以極大程度地提升其系統探測能力，已經是一個不爭的事實。這方面的優勢主要體現在其優質的探測能力可以解決很多當前自動駕駛系統無法解決的一些邊緣場景，包括車輛Cut-in、檢測車后突出物、道路中的異形物等。

其實，無論對于主機廠還是供應商，對激光雷達的要求無非就是性能（包含測距能力、精度、視場角、分辨率、刷新幀率、體積、功耗等參數）、可靠性（運行穩定性、一致性、是否符合車規級別）和成本（設計成本、物料成本、生產成本）。

激光雷達的地位確立也不是順理成章的，也是不同技術路線博弈的結果。現階段，激光雷達行業也是參差不齊的。不同的車企，其對激光雷達安裝的位置、激光雷達的顆數、掃描的方案、可以支撐的自動駕駛級別都不同。不過，從形態的進化來看，激光雷達從機械到半固態，再從半固態到全固態的發展方向倒是確定的。

從目前的市場形勢來看，雖然激光雷達的成本在1000美元左右甚至更貴，但是在汽車智能化“內卷”的當下，激光雷達已經進入普及。長城沙龍機甲龍，甚至搭載了4顆來自華為的激光雷達。但是如果只是停留在L2L3級別，其實激光雷達還不能最大化地發揮其實際的價值。而越來越多的車企認識到，想要實現真正的L4自動駕駛，激光雷達是必不可少的傳感器之一。

總結

從自動駕駛系統的傳感器先進性升級角度上看，將搭載高清攝像頭、優質的激光雷達、成像毫米波雷達來重點解決當前自動駕駛系統可能遇到的各種邊緣場景問題。其中，升級為4D毫米波雷達，算法便可更多考慮毫米波雷達的感知結果，從而以更高概率識別路面上的靜態障礙物，結合其高分辨率帶來的優勢，可以更有效地解析目標的輪廓、類別、行為，進而能知道在什么情況下必須剎車（避免漏剎）。視覺感知的挑戰在于，目標障礙物必須經過提前訓練，而模型庫又不可能窮舉所有類型，所以很多靜態障礙物成了“漏網之魚”，此外即使有模型庫，另一個挑戰在于神經網絡能否正確識別出前方障礙物。因此，便經常出現明明前方有障礙物、自動駕駛汽車卻依然撞上去的結果。高清攝像頭正好從一定程度上可以解決部分該問題，但是也要注意對攝像頭的選型需要遵循一定的原則。此外，從激光雷達的原理可以，激光雷達可以通過發射接收的點云自然的擬合出各種形狀的物體，但是，激光雷達的使用也是需要從成本、性能和功耗等各個角度統一考慮其搭載的可行性。