關(guān)于自動駕駛技術(shù)近年來一直都在發(fā)展，也一直為人們所津津樂道，到底什么時候才能真正實現(xiàn)汽車的全自動駕駛。時至今日，事實是全自動駕駛汽車仍然還沒有出現(xiàn)，但技術(shù)的進步也讓人們一直對其抱有期待。抱有期待的同時，很多與其相關(guān)的負面報道也層出不窮，自動駕駛汽車仍然存在重大的感知問題，其感知并理解周圍環(huán)境的能力尚有欠缺，這也是目前很多自動駕駛汽車出現(xiàn)事故的主要原因。

感知能力不足問題在哪？

感知能力的欠缺，只要問題出在我們老生常談的傳感器身上。

先從攝像頭說起，這類傳感器不僅在特殊的工作情況下會出現(xiàn)問題，即便是在日常情況下，也可能會出現(xiàn)問題。攝像頭的感知水平，很大程度上受到天氣和光照條件的限制，存在“失明”風險。從其感知能力來說，它感知的范圍有限。也不能測算速度，對周圍的環(huán)境缺少深度的感知。

因為攝像頭有這樣的局限，所以雷達是自動駕駛汽車更好的選擇，而現(xiàn)有的傳統(tǒng)的毫米波雷達也存在危險隱患，尤其是對于L2+級別和NCAP安全來說，現(xiàn)有毫米波雷達仍然不夠先進。首先，分辨率極其受限，這里指的是角度上的分辨率，仰角分辨率的不足會導致雷達忽略靜態(tài)物體，無法實現(xiàn)感知和自由空間映射（可行駛區(qū)域），沒有俯仰分辨率則意味著無法測量高度。而且傳統(tǒng)毫米波雷達算力、內(nèi)存大小限制了傳感器對多個目標同時跟蹤的能力。誤報也增加了現(xiàn)有毫米波雷達的不可靠性。

想要解決自動駕駛汽車感知能力不足的問題，傳感器，尤其是毫米波雷達傳感器的升級是迫在眉睫的。

成像雷達解決傳統(tǒng)雷達缺點

成像雷達，區(qū)別于傳統(tǒng)雷達，需要具備以下幾個特征，首先需要能夠映射環(huán)境，實現(xiàn)感知和自由空間映射，可以避開運動以及靜止的障礙物；其次要能夠更有效地消除誤報，解決“幽靈剎車”問題；最后當然是更高的靈敏度和分辨率。

（成像雷達，Arbe）

成像高分辨率雷達雖然能解決傳統(tǒng)毫米波雷達的一些弱勢，但是任何一種傳感器都是有自己的優(yōu)劣勢。下圖直觀地展示了適用于所有使用場景的傳感器組合的一些優(yōu)劣勢。在大部分應用中需要考慮的點上，攝像頭加成像雷達都能較好的覆蓋。

（優(yōu)劣勢對比，Arbe）

成像毫米波雷達在高分辨率、全方位感知以及誤報這幾項上明顯地超出了傳統(tǒng)毫米波雷達，其實這些主要是受益于成像毫米波雷達在角度分辨率上的提高，其對汽車可自由行駛區(qū)域映射增強了很多。

雷達革命如何實現(xiàn)？

從上面的對比我們可以對成像雷達下這么一個定義——可以看到清晰圖像，支持仰角和自由空間映射的毫米波雷達。實現(xiàn)這一目標的方法，則是擁有大量的天線通道。天線通道的增加使得器件的空間采樣能力大大提升。

實現(xiàn)方法看起來不復雜，但實現(xiàn)起來并不容易。傳統(tǒng)的毫米波雷達擁有12個虛擬通道，后面有四片級聯(lián)組成192個通道。而以Arbe的高分辨率成像雷達為例，器件擁有2304個通道，并配置了大量通道數(shù)的專用射頻芯片組。

通道數(shù)多了之后，感知能力毫無疑問會提升，但是處理能力能否跟上也是很大的挑戰(zhàn)。一般192個通道時就已經(jīng)需要使用FPGA來處理了，當通道高達2304個時，只有專用處理器才能負載起這種量級的數(shù)據(jù)。

實現(xiàn)基于毫米波雷達的后處理算法是另一個增強的地方。這個算法包括自由空間映射、物體追蹤以及SLAM能力。這些功能完全基于成像雷達本身，而不是結(jié)合攝像頭或者其他傳感器來做的。這一點很關(guān)鍵，這意味著這種算法屬于超高分辨率雷達本身的能力。成像雷達可以基于整體點云的方式來與后續(xù)的攝像頭感知做前數(shù)據(jù)融合，也可以每個傳感器各自檢測追蹤后然后再做前數(shù)據(jù)融合，然后從算法層做場景理解。這種超高分辨率雷達能實現(xiàn)自動運動檢測，而不需要另外的傳感再去做速度、角度等參數(shù)的測量，也就是整個感知均有雷達本身完成。

（自身運動檢測，Arbe）

另外值得一提的是，對于傳統(tǒng)的雷達來說橫向運動的檢測很難，盡管雷達對于多普勒效應能感知，但是精確感知還是很難。角度分辨率必須足夠高才能精確地感知橫向運動。這也是成像雷達極具優(yōu)勢的地方。

小結(jié)

目前，成像雷達的市場在自動駕駛汽車整車廠、智能機器人、以及自動駕駛出租車領(lǐng)域進展迅速。據(jù)Arbe預估，整車廠預計會在2025年左右批產(chǎn)帶有超高分辨率成像雷達的全新車型；智能機器人，尤其是在物流移動機器人領(lǐng)域，到明年左右會開始大量應用。