芯耀
318
在自动驾驶系统的感知硬件中，激光雷达与车载摄像头是众多车企的核心选择。但由于激光雷达成本高昂，且其探测的信息对于决策系统来说非常重要，便有技术提出可以用毫米波雷达作为替代方案。传统毫米波雷达因无法有效探测目标的高度信息而存在短板，为克服这一问题，具备俯仰角测高能力的4D毫米波雷达应运而生。即便如此，激光雷达在自动驾驶中的作用似乎依旧不可替代。
毫米波雷达是如何工作的？
要讨论毫米波雷达是否可以替代激光雷达，得先搞清楚毫米波雷达是怎么运作的。毫米波雷达，顾名思义，发射的是波长在毫米级别的电磁波。它向外界发射波束，遇到物体后，波会反射回来，雷达接收到这些回波后，通过计算发射和接收的时间差，就能估算出物体的大致距离。借助相位变化或频率偏移（也就是多普勒效应），毫米波雷达还能测出物体的速度。通过多天线阵列和波束成形技术，它还能判断目标的方位角。简单理解下，毫米波雷达就是靠“波的时间”和“波的频率/相位变化”来感知目标的位置和速度的。
这套机制让毫米波雷达对运动非常敏感，能直接输出速度信息，这在车辆动态感知中特别有用，可以依托毫米波雷达直接判断一个物体是静止的，还是在移动。由于毫米波穿透力强，在雨、雾、灰尘中的衰减比激光小得多，恶劣天气下依然能稳定探测回波，因此被广泛用于汽车的辅助感知系统。
毫米波雷达主要从电磁波回波中提取目标的距离、速度及散射特性等参数，且与激光雷达相比，毫米波雷达难以提供高密度的空间几何信息。简言之，毫米波雷达的优势在于判断“有无目标、距离远近、移动快慢”，但在精确描绘物体外形、轮廓与细节方面则相对薄弱，这也限制了其更广泛的应用。
激光雷达的工作特点和优势
激光雷达（LiDAR）采用短脉冲激光或扫描激光束照射周围环境，通过测量光脉冲往返的时间（即“飞行时间”）来获取精确距离。和毫米波相比，激光的波长更短，光束更集中，发散角小，因此激光雷达能将能量聚焦在更小的角度范围内，从而实现更高的角分辨率和更密集的点云。高密度点云带来的好处就是能清晰呈现如行人的轮廓、车门的边缘、路缘石的细节等三维几何结构，这对目标分类、精确定位和场景理解非常有用。
激光雷达在测距精度和角分辨率上的优势，赋予了它强大的几何感知能力，能生成稠密且结构化的三维点云，便于进行精确分割、边界检测和形状推断；且在静态或慢速场景中，激光能准确刻画物体外形，这对高精地图构建、定位以及精细语义分割非常关键。
当然，激光雷达也有短板，由于波长短，遇到雨、雾、雪时光子容易被散射，导致回波质量下降；强光直射时也可能出现饱和或误报的问题。此外，激光雷达在成本、体积和可靠性等方面也存在问题，但随着固态化和量产化的推进，这些问题正在逐步改善。从感知能力来看，激光雷达的“空间分辨率”和“点云结构化程度”是毫米波雷达难以比拟的。
毫米波雷达的局限性在哪里？
搞清楚原理和能力后，就更容易理解为什么毫米波雷达无法完全取代激光雷达了。毫米波雷达的横向（角度）分辨率受限于天线阵列的物理尺寸和波长，要想把角分辨率做到激光那样精细，需要很大或很复杂的天线阵列，这会带来成本和功耗的压力。纵向（距离）分辨率虽然可以通过扩频、调频连续波等技术进行提升，但在点云密度和形状还原能力上，仍与激光雷达的密集点云有差距。毫米波雷达能做到的只是告诉你“哪里有东西、它在做什么”，但很难精确还原物体的外形轮廓，难以支撑需要精细几何信息的决策。
毫米波雷达对目标的电磁散射响应也很敏感，不同材料和角度对毫米波的反射差异很大，容易出现镜面反射或盲区。像是塑料板、纤维网、行李箱边缘等非金属薄物体在特定角度下对毫米波几乎“隐身”，而激光由于波长更短、能量更集中，反射回波会更加稳定。而激光在雨雾中容易产生大量散射噪声，造成点云“白雾”，但毫米波雷达在这些天气下却能更可靠地探测远处车辆或障碍。正是因为两者对材料和天气的敏感度不同，导致无法简单替换。
自动驾驶汽车不仅需要知道“有东西”，还要识别“是什么东西”以及“它是什么形状”。激光点云直接提供几何信息，结合语义算法，能比较可靠地区分行人、自行车、车辆、栏杆等目标。毫米波雷达的回波相对稀疏或模糊，虽然能借助微多普勒或回波强度等特征进行一定程度的判别，但在复杂场景和近距离细节识别上，仍难以达到激光雷达的水平。如果决策逻辑依赖边缘检测、轮廓拟合或精细空间分割，单靠毫米波雷达就很难做到稳定可靠。
自动驾驶系统需要冗余和可解释的感知链路。激光雷达提供的是直观、易于理解的三维测量结果，便于调试和验证。毫米波雷达的回波特征则需要复杂的信号处理和算法解读，如多径反射造成的虚假目标等故障模式还不易直观排查，这也导致了毫米波雷达的局限性。从功能安全和法规合规的角度考虑，基于直观几何信息做出判断的传感器更容易界定行为边界，这也是高级别自动驾驶系统仍保留激光雷达作为关键感知源的原因之一。
近年来，毫米波雷达正向“成像雷达”的方向演进，MIMO、频谱扩展、深度学习等新技术正不断提升其角分辨率和点云密度，但要完全弥补与激光雷达的差距，需要在天线、射频、带宽、算力等多个方面同步实现重大突破，同时还要控制成本、保障可靠性。这并非不可能，但短期内难以实现全面替代。
最后的话
从毫米波雷达的原理出发，我们可以看到它在测速、恶劣天气鲁棒性、成本和集成便利性上的优势，但在角分辨率、细节几何还原和语义区分能力上的局限，使其无法独立满足自动驾驶对所有空间感知的需求。智驾最前沿以为，现阶段更稳妥的硬件配置路径还是使用感知融合的方案，用毫米波雷达保障低能见度下的基础安全感知，用激光雷达提供精细的三维几何构建，再用视觉信息辅助语义理解。三者协同，才能在复杂交通环境中妥善处理“看得见”“判得准”“该不该动”等问题。
