毫米波雷达在无人驾驶领域应用及具有哪些特点？

同厘米波导引头相比，毫米波导引头具有体积小、质量轻和空间分辨率高的特点。

毫米波雷达在无人驾驶领域扮演着至关重要的角色，是高级驾驶辅助系统和自动驾驶系统中核心的环境感知传感器之一。其应用广泛，并具有一系列独特的技术特点。

主要应用

自适应巡航控制： 探测前方车辆的距离和相对速度，自动调节本车速度以保持安全车距。
自动紧急制动： 在即将发生碰撞的危险情况下，自动触发制动系统，避免或减轻碰撞。
盲点监测： 探测车辆侧后方盲区内的车辆，在变道时提供预警。
车道变换辅助/后方交通预警： 在倒车或变道时，检测后方及侧后方快速接近的车辆，防止碰撞。
前方碰撞预警： 当与前车距离过近或相对速度过快时，向驾驶员发出警示。
行人检测与避撞： 检测车辆前方和侧前方的行人（尤其是在低光照、恶劣天气下），并采取警告或制动措施。
交叉路口交通警报： 在无信号灯路口或视野受限情况下，探测横向来车。
环视感知： 作为360度环境感知系统的一部分（通常位于车辆四角），提供周边物体的距离、速度、方位信息。
高精定位与地图构建： 与IMU、摄像头、激光雷达等融合，提供定位信息或在SLAM中发挥作用（虽然不如激光雷达或视觉普遍）。
交通流感知： 探测周围车辆的速度和行驶方向，辅助决策和路径规划。

核心技术特点

全天候工作能力强：
- 穿透能力： 毫米波波长较短（通常24GHz, 77GHz, 79GHz是主流车规频段），能够穿透雾、霾、烟尘、雨雪等恶劣天气条件，在视觉传感器（摄像头）和光学传感器（激光雷达）性能显著下降甚至失效时，仍能稳定工作。这是其最大的优势之一。
精确的测距和测速能力：
- 测距精确： 采用调频连续波技术，测距精度可达厘米级甚至更高（取决于工作模式和算法）。
- 测速精确（多普勒效应）： 直接利用多普勒频移测量目标的径向相对速度（接近还是远离），精度高（可达厘米/秒级），且几乎不受光照和目标颜色纹理影响。这是摄像头和激光雷达相对较弱或难以直接做到的方面。
良好的距离分辨率： 能区分距离相近的多个目标。
实时性强： 数据刷新率高（数十毫秒量级），能快速响应环境和目标状态的变化，满足高速行驶场景的需求。
具备一定的角度感知能力： 通过阵列天线和波束形成技术，可以探测目标的方位角（部分高端雷达甚至能探测俯仰角），但在角度分辨率（区分位置相近但方位不同的目标）上通常不如激光雷达。
多目标检测与跟踪： 能够同时探测、区分并跟踪多个目标（车辆、行人、自行车等），提供每个目标的距离、速度、方位信息。
不受光照影响： 可以在白天、黑夜、强光逆光等各种光照条件下稳定工作。
体积小、成本适中、易于集成：
- 相对于激光雷达，毫米波雷达硬件成熟度更高、体积更小、功耗较低、成本更具优势（尤其是77GHz主流产品量产后）。
- 易于封装在汽车保险杠、格栅等位置，不改变车辆外观设计。
较强的抗干扰能力： 现代毫米波雷达采用先进的信号处理算法（如MIMO、波束形成、滤波器）来提高信噪比、抑制杂波干扰、区分不同反射强度的目标，并能一定程度上抵抗同频段雷达间的干扰（如采用时分、频分、波形编码技术）。

存在的局限性

角度分辨率相对较低： 对目标横向位置的区分能力（尤其是远距离时）不如激光雷达和视觉。这可能导致对并排车辆、小型障碍物等的误分辨或漏检。
点云稀疏、信息维度较低： 相较于激光雷达生成的密集点云和摄像头提供的丰富纹理/色彩信息，毫米波雷达的点云（反射点）通常较为稀疏，无法提供目标的详细轮廓、形状、纹理等特征信息，难以识别物体的具体类别（例如区分是行人还是一根柱子）。
对静止或低速小目标识别困难： 基于多普勒效应的测速优势在静止或横向运动物体（相对于雷达径向方向）时减弱甚至消失，容易受到地面杂波干扰，导致误判（如把立交桥、金属标识牌等静止物体当作障碍物产生误报）或漏检。需要结合其他传感器（摄像头）进行目标分类和确认。
材质敏感性： 对某些低反射率材料（如塑料、泡沫、人体）的探测能力相对较弱。金属物体反射强，可能淹没旁边反射弱的物体信号。
存在旁瓣干扰和杂波干扰： 旁瓣可能探测到非主波束方向的目标导致干扰；地面、护栏等固定物体会产生杂波。
需解决传感器间干扰： 随着搭载毫米波雷达的车辆增多，同频段雷达间的相互干扰是一个需要持续解决的问题。

总结

毫米波雷达凭借其全天候工作能力（特别是恶劣天气）、精确的直接测速能力、良好的测距精度和实时性，以及相对较低的成本和易于集成的优势，成为无人驾驶感知系统中不可或缺的传感器。它最擅长提供目标的距离、径向速度、方位等关键运动信息。其核心价值在于提供可靠的底层运动感知，尤其是在摄像头和激光雷达性能受限的场景下。

然而，其相对较低的角度分辨率和在目标分类/轮廓识别上的不足，决定了它必须与其他传感器（如摄像头、激光雷达）进行深度融合（传感器融合），才能共同构成对环境全面、鲁棒的感知能力，支撑高级别自动驾驶的安全实现。毫米波雷达与摄像头和激光雷达，形成了当前无人驾驶感知系统的“铁三角”。