毫米波雷达如何推动低速无人驾驶量产？

编者按：4 月 29 日，「汽车之心 · 行家说」第 16 期邀请了纵目科技副总裁李旭阳分享毫米波雷达推动低速无人驾驶量产。

「汽车之心·行家说」由汽车之心主办，辰韬资本联合主办。汽车之心致力于推动汽车与科技的融合。

核心观点：

1. 从 AVP 落地的角度看，场端的技术相对比较难落地，因为需要有人掏钱为停车场的巨额改造费买单。

而且智能化的发展，一定会推动智能的技术集成到车里去，让车本身能够不受限于场景，无论在什么地方、什么停车场都可以使用自主泊车的技术。

2. 未来毫米波雷达在性能提升后能够逼近激光雷达，具有成像能力、能够检测出物体轮廓和目标分类。

3. 在汽车产业内，系统方案尽量要用成熟的传感器去做到最强的性能和高性价比。

影响毫米波雷达系统性能的因素

第 1 个是目标的特征，几何尺寸、形状、材质、表面粗糙度，甚至入射的角度等等，会很大程度影响雷达能不能成功检测到目标。

第 2 个是传播，当电磁波在空气中传播，会发生很多现象，比如反射、散射、漫反射、折射等。在复杂的场景中，还会发生多次反射。这些现象，会让毫米波雷达系统检测变得非常复杂。

第 3 个是天气，毫米波雷达受天气影响小。如果是下小雨或者小雪，基本上现在的毫米波雷达都能保证正常工作。

但是如果下倾盆大雨或者下大雪的情况，它的性能也会有一些下降；如果雪覆盖了雷达表面的话，需要毫米波雷达自检为「雷达失效」。

第 4 个，也是最重要的一点，是雷达系统本身的硬件。它使用频率、带宽、编码、极化，它的发射、接收的系统决定了雷达性能。

优秀的雷达系统要对每个模块进行系统性地优化，而不仅仅是让芯片放到电路里，工作起来就好了。

在射频电路里，有很多参数需要优化，从方案到硬件系统都要相应匹配起来，才可以让系统发挥极致的性能。

在国际 Tier 1 中，在这方面已经积累了十几到二十年的经验，国内的一些初创公司则是刚刚开始积累的经验，工程和量产的经验少之又少，还需要走很长的路。

传感器方案随着自动驾驶系统从 L0 到 L4/5，逐渐从 2 个角雷达加 1 个前雷达，变成 3R1V 方案，升级成 5R1V 方案。

然后，有视觉和毫米波雷达的融合，以及加上激光雷达，整个传感器方案变得越来越复杂，数量也越来越多，需要融合的信息也越来越多，需要更强大的处理器去处理这么多的数据。

毫米波雷达在低速场景的应用

低速场景的系统首先值得一提的是环视系统，1 个控制器加 4 个环视摄像头，经过图像的畸变校正和拼接形成一幅完整的环视图片，可以显示到车机屏幕上，可以加上车辅线，同时还能额外提供 LDW/BSD 等功能，进一步可以对图片进行检测，实现 MOD/PD 等功能。

更高级的系统低速场景的系统便是自动泊车 APA 系统。

APA 系统有纯超声波系统或融合系统，融合系统就是使用视觉和超声波的融合，重要的是可以对车辆进行横向、纵向的控制。

当车停到车位附近时，按一下泊车启动的按钮，车就可以自动泊入车位。APA 在国外前几年就已经慢慢流行起来，在中国，我预测今年和明年会慢慢被消费者接受，装配率会有显著提升。

再升级的系统便是HPP（Home Zone Parking Pilot）。

HPP 是让车在一段固定的距离和路线上，通过一些学习，把地图建好之后，自动完成最后几百米的低速驾驶，然后完成自动泊车。

因为场景受限，距离受限，所以我们把它定级为 Level 3 的系统。

低速无人驾驶系统是自主泊车系统 AVP（Automated Valet Parking）。

这个系统，就把 HPP 的功能再拓展到比如说一公里以内。AVP 可以被使用在不同种类的停车场。它可以解决掉的痛点是找车位、泊车、找车等所有和泊车相关的痛点。

2017 年，博世和戴姆勒在斯图加特展出 AVP 系统，这个方案有第 1 代、第 2 代、第 3 代的概念。

当时展出的是第 1 代方案，更多是把智能的系统放到了场端，也就是停车场里装很多摄像头，然后有整排的激光雷达来定位运动的车辆的具体位置，通过场端的视觉技术检测到这个车的位置，完成路径规划并发指令给车端进行控制。

从落地的角度看，场端的技术相对比较难落地，因为需要有人为停车场的改造买单。

而且智能化的发展，一定是催生智能的技术放到车里面去，让车本身能够不受限于场景，无论在什么地方、什么停车场都可以使用自主泊车的技术。

纵目科技的 AVP 系统

与博世-戴姆勒的方案相反，纵目科技 2017 年在北京的发布会上，展出了 AVP 系统，通过视觉和一个非常智能的控制器，把 AVP 系统功能实现了。

这几年纵目科技在创新和工程化上做出了巨大的进步，把这个系统量产落地。

在这个系统架构里面，我们使用了 4 个环视摄像头，12 个长距超声波传感器，4 个 4D 毫米波雷达，IMU，GPS，还有一些车辆信息。

我们没有用激光雷达，虽然用上了系统的性能一定可以提升到更好，但这样的方案就很难量产落地。

在汽车界，一定是要用低成本、成熟的传感器去做最强的性能，要做到性价比最高。挑战就在于如何使用这三类传感器（摄像头、超声波、毫米波）去实现满足性能和安全要求的 AVP 系统。

为什么毫米波雷达在低速自动驾驶里非常重要？

为了实现安全的低速自动驾驶，我们需要通过传感器实现 360°的环境感知，尤其是在近距离，比如说距离车身几十公分的范围，然后传感器还需要对低速环境下常见的一些障碍物进行检测。

获取障碍物的轮廓和高度信息非常重要，这些信息决定了车辆是不是可以开过去，还是必须停下来，或者障碍物非常大，车辆需要绕行。

在低速场景下，更重要的还有自由空间的检测，毫米波雷达在低速场景中进行定位时也可以发挥很好的作用。

更重要的是，可以实现毫米波雷达和视觉融合定位，可以让 AVP 的定位系统不受天气，室内室外，不同光照条件的影响。

纵目科技的 4D 毫米波雷达，目前经过了大量的低速场景和高速场景测试，可以同时用作高速 ADAS 功能以及提供低速 AVP 需要的感知和定位信息。