毫米波雷达作为智能汽车环境感知单元中的重要一员，在智能驾驶和自动驾驶系统中发挥了非常重要的作用，特别是一些涉及安全性的功能，比如AEB自动紧急制动系统、BSD盲区监测系统和ELK紧急车道保持系统等。

4D毫米波成像雷达的优势

4D毫米波成像雷达可以获得目标障碍物的距离、速度、方位角及俯仰角等信息，相较于普通毫米波雷达增加了俯仰角的测量信息。另外，4D毫米波成像雷达的角分辨率较高，可输出大量的测量点，这种致密的测量点又称为“点云”，故也将4D毫米波成像雷达称为“点云雷达”。点云雷达对照射区域的目标进行信号处理。基于这些高质量和丰富的点云数据，可以清晰地呈现出目标障碍物的轮廓，同时对这些点云数据进一步处理，可以获取更多信息，进一步扩展毫米波雷达的应用范围。

新一代4D毫米波成像雷达不仅可实现4D点云输出，还可以使用神经网络技术，根据呈现的点云图像信息，对道路的使用者和障碍物进行目标检测及分类。这种技术的关键在于通过多芯片级联，增加实体天线，配合MIMO成像技术，实现密集点云的采集，完成目标的检测，并通过人工智能的软件算法对目标进行分类。

另外，4D毫米波成像雷达的点云数据与摄像头图像数据进行融合，可以对周边复杂环境进行3D实时建模，并对周围行人、车辆等目标物的距离、速度等进行精确监控。由于毫米波雷达的环境适应能力强，可弥补摄像头在夜晚、雨雾天、逆光环境下性能不足的问题；同时，4D毫米波成像雷达和摄像头相结合的感知方案，相对于激光雷达的方案更具性价比。

4D毫米波成像雷达的主要优势：

1）环境适应性强，几乎能在任何条件下工作，甚至是雾、暴雨、夜晚及空气污染等各种天气和环境条件下，也能提供高可靠性的探测。2）可实现对目标物垂直高度的测定，弥补现有毫米波雷达的缺点。3）水平和垂直视场角和分辨率变大，点云密度的覆盖范围已超越了绝大多数车载激光雷达。4）一定程度上可实现非视距感知，能够“看穿”墙壁、紧闭的门和其他固体物体，可探测到被前车挡住的前前车位置和速度。5）与摄像头进行数据融合的难度比激光雷达低，验证成本较低。

4D毫米波成像雷达的应用

4D毫米波成像雷达在车端、路端都有很多应用场景，比如高速公路巡航的远距离跟车、静止障碍物的识别和避障、城市复杂交通路口的车流量统计、目标类型识别及变道抓拍等。

1.车端的应用

由于4D毫米波成像雷达探测距离远，出色的水平和垂直的角度分辨能力、适应性强等特性，在辅助驾驶和自动驾驶领域存在广泛的应用场景。

以高速巡航避障为例，传统的毫米波雷达很难可靠检测到静止障碍物，比如：路边静止车辆、道路护栏、锥桶等，从而导致车辆事故产生；而由于4D毫米波成像雷达具有出色的角度分辨率，对于环境识别能力更强大。同时可稳定识别出100m以外路面上的锥桶或更小的物体，这将大幅提升车辆在高速上驾驶的安全性，同时也拓展了更多的应用场景。

2.路端的应用

毫米波雷达在路端的应用，主要体现在智能汽车交叉口通行车路协同控制技术中。在车路协同场景中，4D雷达与摄像头融合，可实现同时对各种移动和静止的大小车辆、自行车、行人以及其他目标进行分类和追踪。它尤其擅长于在大规模复杂路口、人车流混杂的车路协同场景应用，包含传统的智能交通功能、事件检测和车流量统计等。它一般安装在高清摄像头旁边，由V2X（车路协同控制系统）将信号传出去。

以停车检测技术为例，由于传统毫米波雷达对于低速和静止目标检测不稳定，而在路口停车时，车速较低，前后车辆间距小，甚至存在部分遮挡的情况，所以停车检测一直是交通检测中的难点。而4D毫米波雷达高精度的检测能力，通过优化低速目标的检测质量，同时基于该场景进行针对性算法优化，在当前轨迹目标不稳定的情况下，基于前车的运动轨迹和行为，结合当前车道停车排队尾部的位置信息，合理推测出最后车辆的停车位置，从而很好地解决了这一难题。