4D雷达成像技术
当我们谈及3D捕捉时，总是先想到光学传感器。当我们讨论在第四维度（时间）讨论视觉数据时，倾向于考虑场景数据调度。这些是我们多年来关注激光雷达(LiDAR）和摄影测量，以及用户针对缓慢移动的大型项目，在时间尺度上将这些技术应用于静态物体所造成的偏见。
对自动驾驶汽车不可思议的需求推动了多种传感器的发展，因为，我们不能随便将从某个应用中获取的传感技术，毫不改动地投入其它应用。就像4D成像雷达这样的新型传感器，该技术使用回声定位（如海豚、蝙蝠、或某些人可以确定物体位置的方法）和飞行时间（ToF）测量原理来捕捉3D空间信息。此外，它们还被用于在快速移动的汽车或快速飞行的无人机上，实现时间尺度的成像。
雷达 vs. 激光雷达
据麦姆斯咨询报道，最近Sensors Online的一篇文章提出了一个相当有说服力的论点：这些4D传感器对于实现Level 4和Level 5级自动驾驶来说至关重要。在这篇文章中，Arbe Robotics的首席执行官兼联合创始人Kobi Marenko解释了“如果没有4D成像雷达的帮助，光学传感器并不能达到Level 4和Level 5级自动驾驶”的原因。在进一步讨论该问题之前，先简单介绍一下自动驾驶分级：- Level 0意味着无自动化，就像现在的手动汽车一样：司机需要自己控制一切，而汽车本身不能做出任何判断和控制。- Level 1~3即增加了不同程度的自动化，目前特斯拉的自动驾驶级别介于Level 2到Level 3之间，其自动驾驶系统可实现引导、加速、制动，有时还能控制驾驶本身（尽管这是不应该存在的）。- Level 4意味着汽车可在没有驾驶员控制的情况下运行，但仅限于特定条件下使用。例如，大学校园里运行的自动驾驶汽车。- Level 5意味着汽车可完全实现自动驾驶，你在车中休息或小睡，你的汽车就能将你安全送回家。从以上汽车自动化级别可以看出雷达的重要性。与摄像头和激光雷达相比，4D成像雷达能在任何条件下工作，可提供“在包括雾、暴雨、漆黑及空气污染等各种恶劣天气和环境条件下最高可靠性的探测”。4D成像雷达的感知范围还可达到300米，并能捕捉可显示物体相对汽车是靠近还是远离的多普勒频移，这能够满足更高汽车自动化级别的要求。
自动驾驶汽车的激光雷达测量图
4D成像雷达：“压箱底”技术？！值得注意的是，Marenko并不认为4D成像雷达能够独自处理自主任务。他认为4D成像雷达只是包括光学传感器在内的汽车自动驾驶传感器系统的一部分。这是自动驾驶汽车中关于3D捕捉的旧观念——即“每种技术都是工具箱中的一种单独工具”，目前这个概念仍然适用。Marenko认为：“4D成像雷达是所有传感器中探测范围最远的，这使得它可能最先识别危险。然后，4D成像雷达可将摄像头和激光雷达传感器的探测引导到相关区域，这将大大提升自动驾驶的安全性。”Marenko最后最有说服力的论据就是成本。整套汽车自动驾驶传感器的成本需降到1000美元以下，才能实现商业化。另外Marenko还有比较偏激的观点：4D成像雷达可让自动驾驶汽车完全摆脱对激光雷达的需要。
自动驾驶的实现需要感知层、决策层以及执行层的各系统相互配合，通过感知层的环境信息和车内信息的采集处理，传递给决策层，决策层依据获取的信息进行判断决策，再反馈到执行层来执行任务。
因而自动驾驶实现的第一步就是感知。目前L2、L3级别自动驾驶主要使用激光雷达、毫米波雷达以及摄像头作为传感器来接收信息。
摄像头测距能力不足且易受极端天气、光线等因素的影响，因而通常会搭配毫米波雷达使用。但是这种方案分辨率较低，且获取数据不够丰富。激光雷达虽然可以弥补上述问题但是成本高昂限制了大规模应用。在这种情况下，很多公司在思考如何为自动驾驶提供更强的感知能力。其中Waymo、Arbe、Echodyne是这一领域的先行者，他们最新研制了4D成像雷达，以弥补毫米波雷达和激光雷达的不足。
图片来源：Arbe
4D成像雷达优势凸显
通常情况下，雷达是对能散发电磁波的物体进行探测。这种物体叫做散射体，分为点散热体和分布散热体。雷达通过接收散热体发出的信息来收集数据，并将数据传递给决策层。
但是，在观测目标周围往往不止有一个散热体，比如杂波就是分布在目标周围的分布散热体。雷达需要在杂波等信息中提取到有用信息。
在目前已有的方案中，毫米波雷达比摄像头和激光雷达优越的条件在于，可以适应各种极端天气。但是缺点也是显而易见的，那就是对杂波的处理能力较弱，同时无法远距离定位目标信息，分辨率较低。
毫米波雷达的低分辨率以及识别能力的缺陷，导致其会对过多信息产生误报。也就是说，如果雷达无法提升对杂波的处理能力，就会造成重大漏报隐患，从而带来安全问题。
事实上，杂波所提供的信息越多，对于做出正确的决策越有利。但前提是，感知器需要有探知到一定区域内所有目标的能力。因此超高水平的垂直和水平分辨率是很重要的。
为了提高分辨率以及更准确的接收信息，一些自动驾驶公司研发了4D成像雷达。
与摄像头和激光雷达相比，4D成像雷达能在任何条件下工作，甚至是雾、暴雨、漆黑及空气污染等各种恶劣天气和环境条件下也能提供最高可靠性的探测。
市面上的雷达一般拥有12个信道（3发4收），而4D成像雷达采用 2300 个通道 (48 发射* 48 接收)。信道阵列可以提供1°方位角分辨率和2°仰角分辨率，探测最远距离为300 米，测距精度在10-30厘米，在宽阔的视野下和远程范围内能够同时追踪数百个目标。并能捕捉可显示物体相对汽车是靠近还是远离的多普勒频移，这能够满足更高汽车自动化级别的要求。
此外，4D成像雷达在成本上比激光雷达有优势。目前，要实现传感器套件的批量生产，成本应该低于1000美元以下，但是当前一些处于测试阶段的车辆所使用的元件和系统成本甚至是这个价格的100倍。而据了解，使用4D成像雷达所用的成本，只相当于使用激光雷达上的一个单元件的成本，因此其可以帮助制造商实现降低成本的目标。
海拉、英凌飞等相继入局
2020年的CES上，全球毫米波雷达巨头海拉宣布战略投资傲酷，并建立战略合作伙伴关系。而在此之前的一个月，全球雷达芯片巨头英飞凌也宣布和傲酷进行战略合作，利用傲酷的4D成像雷达技术大幅提升其针对L2/3 ADAS量身定制的77G单芯片解决方案的角分辨率性能。
据悉，在普通硬件水平的基础上，傲酷可以依靠软件算法来实现虚拟雷达孔径，模拟出许多倍天线，实现点云成像并极大提高角分辨率。
图片来源：傲酷雷达
傲酷的4D成像技术可以实现在静止对静止检测、低速移动、高速移动的情况下，对周边的车辆、行人（含横穿车辆、行人）等高清全息探测。同时，四个FOV120角度雷达，可以形成360度环视点云，探测半径可达200米。
4D成像点云技术可以极大地提升雷达性能。常用的角雷达、前向雷达和车路协同感知雷达，在此技术的加持下，都能以全新的面貌出现。
2019年12月，以色列公司Vayyar完成D轮1.09亿美元融资。Vayyar专注于雷达技术的研发，此轮融资目的是开拓其4D成像雷达技术。
Vayyar的4D成像雷达技术主要通过成像系统级芯片（SOC），在单颗芯片上集成了72个发射器和72个接收器，覆盖了3 GHz~81 GHz雷达和成像频段。凭借集成的大内存高性能DSP，Vayyar的传感器无需任何外部CPU执行复杂的成像算法。
通过使用宽带无线电波，Vayyar的传感器可以穿透不同类型的材料，并能在任何天气或光照条件下运行，使其理想地适用于汽车和工业市场。
以色列另一家研发4D成像雷达技术的公司是Arbe。同年12月，Arbe获得了来自北京汽车集团产业投资有限公司、源清资本等机构的投资。
Arbe 开发了自己的4D成像雷达 RFIC 芯片。该芯片是业界首创的基于22nm射频CMOS工艺的产品。RFIC芯片搭配了自研算法和原创天线设计，可以提供比原来的图像精细100倍的图像精度，因而能够区分大小不同的目标。其分辨率达到了1°方位角和2°仰角，视野宽度达到100°方位角和30°仰角，可在长达300米的范围内以每秒30帧(接近实时)同时追踪数百个目标。
Arbe CEO Kobi Marenko 认为，未来4D成像雷达可让自动驾驶汽车完全摆脱对激光雷达的需要，其也将从冗余升级为自动驾驶的核心部件。Waymo、盖茨基金会也相继投入这一赛道，加速自动驾驶的落地。
小结：4D成像雷达具有高分辨率，可以在任何极端环境下获取到有效信息，弥补毫米波雷达的缺陷。同时，在成本上比激光雷达要低，更具有量产的可能性。目前不论是巨头公司，还是初创企业，都纷纷入局4D成像雷达这一领域，并且获得了资本的支持。也有主机厂开始与他们合作，推进4D成像雷达的落地。随着技术的技术以及合作的推进，4D成像雷达可能会逐渐替代掉激光雷达，成为自动驾驶的核心部件。