自动驾驶，应该说是辅助驾驶汽车，面对一些庞然大物视而不见的案例屡见不鲜。12月12日晚，一辆特斯拉Model S突然失控，在北京一小区内以80km/h速度钻入居民楼。大货车、建筑物……未来，我们拿什么保证自动驾驶的安全？
庞大物体反而是高级辅助驾驶的克星
谁可能成为救星？
10月，特斯拉软件黑客green爆料，在特斯拉软件更新中发现了新功能提示——一个名为Phoenix的新雷达选项，Phoenix是Arbe雷达的名称。这与马斯克最近的言论不无关系：
现在的图像识别依然来源于孤立的图片，实际上这些图片在时间上有很大关联性。那么，过渡到4D，在3D空间里加入了时间维度，就会像视频一样。这种架构才是完全自动驾驶所真正需要的。
马斯克的话得到了进一步印证，消息人士称，特斯拉正准备更新Model 3，新的传感器将是更新的一部分。此前，Arbe CEO兼联合创始人Kobi Marenko就曾信心满满地告诉业界：超高分辨率的4D成像雷达有望让雷达从辅助配件升级为自动驾驶系统的关键方案，从冗余升级为自动驾驶核心。
Phoenix是Arbe的雷达芯片组解决方案，通过4D超高分辨率实时成像来识别、评估和应对从普通到特殊的挑战场景，服务于现实世界的驾驶需求。无论速度、海拔、距离、大小或周围天气和照明条件如何，Phoenix都能区分真正的威胁和错误警报，以确保驾驶者、行人和其他易受伤害的道路使用者的安全。
马斯克：正合我意
因为切中要害，Marenko的话马斯克爱听：
Marenko表示：在经历了多起车祸的艰难岁月后，自动驾驶正面临着合理的担忧。围绕这些悲剧事件展开的讨论不仅集中在人工智能（AI）道德，而且也集中在其背后的技术是否已经准备好。
他说：今天的传感器还不够成熟，不足以支持明天的自动驾驶。不过，4D成像雷达可以实现所需的安全级别。
传统雷达vs 4D成像雷达
归纳起来，4D成像雷达具有以下优势：
实时障碍检测：
在所有天气和照明条件下，以广阔视野提供高度详细的环境图像，实时发现各种障碍，可以确定它们是否在移动，朝哪个方向移动，并向车辆提供实时的态势数据和警报。
远距离探测：
实现所有传感器中最远距离的探测，最有可能成为第一个发现危险的设备。然后，它可以将摄像头和LiDAR引导到感兴趣区域，大大提高安全性能。
路径规划：
提供真正的路径规划，因为它可以在超过300米范围内创建道路的详细图像，并捕捉汽车周围物体的大小、位置和速度数据。
物体高度分离：
识别出汽车正前方对着的物体是否（如桥梁）静止，是否必须停下来或者可以安全行驶过去。
降低处理和服务器需求：
由于只将摄像头和LiDAR对准感兴趣区域，利用高质量的雷达后处理将解决当前原型的主要问题——功耗。
大幅降低生产成本：
即使在L3以上，也无需为每辆车配备一个以上的LiDAR单元。自动驾驶传感器套件的量产成本应低于1000美元，而如今一些车辆使用的部件和系统成本是这个价格的100倍。
那么，它与目前公路上的雷达有何不同呢？听Marenko细细道来。
如今，雷达在自适应巡航控制、盲点检测和自动紧急制动等安全系统中发挥着至关重要的作用。但目前市场上的雷达技术必须在有限视场的中等分辨率和宽视场的低分辨率之间进行取舍。
要实现L4和L5车辆，主机厂必须进入下一级传感技术，使用高分辨率成像雷达，在1度方位角和2度仰角下，以高分辨率在100度广角范围内感知环境。
图源 | autofutures.tv
在Marenko看来，在自动驾驶传感器套件中当然需要光学传感器，如摄像头和LiDAR。然而，4D成像雷达解决了以下问题，使车辆能够达到要求的安全性能：
全天候下最高的可靠性，包括雾、大雨、漆黑的夜晚和空气污染
根据汽车行业要求，探测最远超过300米的障碍物
测量每帧的多普勒（径向速度）
脱离PoC（验证性测试）阶段进入量产
System Plus Consulting的拆解结果显示，特斯拉目前使用的是大陆集团的2D雷达。VSI Labs创始人兼总裁Phil Magney说：为了获得更大射程，特斯拉已从大陆转向博世。但两种都是2D雷达，都有局限性。他说：在我看来，特斯拉未来转向成像雷达将是精明之举。
汽车雷达技术的迭代
汽车雷达使用的半导体技术经过几代迭代，还在发展。
第一代产品采用GaAs，最初是安装在电路板上的裸片。下一代是在SiGe，片上集成功能更多，载流子的移动性很高，即使在大光刻节点（如130nm），也可用于高频雷达。之后有了先进封装，使技术从CoB（板上芯片封装）发展到FOWLP（扇出型晶圆级封装）。
当前，许多公司在开发硅CMOS和SOI技术，使用40nm技术节点，也有将其降低到28nm以下。较短信道在低载流子移动性情况下也可支持高频率。小节点加上CMOS技术，可以在芯片内实现更高的功能集成。目前，最新一代雷达芯片不仅集成了收发器和Chirp，还集成了微控制器和数字信号处理（DSP）单元。转向硅技术也将更好地维持降低成本路线，更适合量产。
半导体技术在汽车雷达中的发展
随着封装的进步，出现了各种形式的晶圆级产品。电路板还进化为由特殊低插入损耗材料（如陶瓷填充聚四氟乙烯或类似材料）组成的顶部RF层混合。在小型天线阵列足以满足要求的情况下，开始采用封装天线（AiP）设计，有些已被证明适合短程汽车应用。
传统雷达具有二维空间测量能力，2D雷达利用一个专用旋转天线监听回波信号，以获得两个坐标并确定目标位置。之后3D雷达出现，会像2D雷达一样旋转，但每次扫描旋转后，天线仰角会改变，以备下次探测。通过这种方式，3D雷达可以探测三个维度：方位角、仰角和速度。
4D成像雷达新在哪里?
目前，自动驾驶行业仍处于概念验证阶段，其依赖的传感器无法100%达到要求。而高分辨率成像雷达似乎是唯一能够达到要求的传感器。
从原理上看，4D成像雷达与传统雷达和LiDAR有很大不同。从物理学角度看，时间是第四维度，当应用于雷达时，它将成为多普勒频率，显示一个物体是朝着自己移动还是向远处移动。
4D雷达是将测量的第四维数据整合到3D雷达中，以更好地了解和绘制环境地图。即使具体技术并不新颖，但它的整合也具有新意。
锤头雷达和新出现的雷达的比较
Magney这样解释：我认为时间是第四维空间，因为时间元素是从多普勒得到的。成像雷达本质上创造了一个阵列，因此测量密度急剧增加。传统2D雷达比较粗糙，每个物体只产生一个点。但是，成像雷达可以提供许多点，产生的是垂直分辨率，可更好地了解被跟踪的是什么。
换句话说，时间因素一直是雷达功能的关键。当被问及同样的问题时， Lehmann指出，4D成像传感器的第四个要素是横向分辨率。他说：4D成像雷达不仅能识别水平平面，还能识别垂直平面，例如，汽车可以决定是在物体的‘下面’还是‘上面’通过。
他继续说:想象一下，一辆汽车在高速公路上以每小时80公里的速度行驶，而一辆摩托车（低反射率小物体）正以每小时200公里的速度从后面驶来。与摄像头和LiDAR不同，4D雷达可以发现最初相距很远的摩托车，并识别出这两个物体在以不同的速度移动。
随着高分辨率成像雷达的出现，包括许多雷达供应商都迫切希望将雷达提升为唯一能够在恶劣天气和光照条件下工作的高速传感器。
4D技术蚕食LiDAR市场
也许，在自动驾驶早期尝试中，马斯克就做出了一个明确的决定，采用摄像头并辅以雷达计算机视觉。
图源 | spar3d.com
现在，有了产生点云的成像雷达，尽管其分辨率比LiDAR低，但它比传统雷达有了很大改进。在Magney看来，LiDAR现在比雷达更具优势，随着新雷达的出现，这种差距可能正在缩小。LiDAR的关键应用之一是能够根据基本地图进行相对定位。这对自动驾驶出租车和穿梭巴士至关重要，因此LiDAR是这项任务的首选。即使4D雷达出现，LiDAR也不会消失。
从技术趋势看，雷达的点云正变得越来越密集，出现了各种方法，以使雷达能够在所有天气和光照条件下探测、分类和跟踪3D空间中的许多物体。随着更大的人工或半自动标记训练数据集的出现以及融合技术的发展，这些努力有望得到显著改善。
的确，雷达技术的能力在迅速扩大。首先，天线阵列越来越大。一些初创公司已经设计并演示了支持6500个虚拟通道的雷达芯片。这种雷达可以达到1deg（仰角单位）方位和2deg仰角分辨率。这一趋势将使每帧获得丰富的4D数据点，提供关于速度、距离、方位角和仰角的精确信息。因此，这类雷达将蚕食目前由LiDAR占领的领域，尽管后者可能保留角分辨率和潜在的目标分类优势。
密集的高分辨率点云将使基于雷达数据的目标检测、分类和跟踪成为可能。为了实现这一目标，人们正在开发深度学习技术。一个主要挑战是缺乏广泛的标记训练雷达数据。手工贴标签的过程需要专家的投入，因此成本高、耗时长。现在，虽然一些公司部署了摄像头、LiDAR及其他数据同步的雷达数据采集车队，并且正在开发半自动标签技术，但这种技术仍依赖于摄像头、LiDAR和雷达之间的后期数据融合。这些努力和技术将加速训练数据集的开发。
应用雷声大雨点小？
在向更高自动化水平过渡的整个过程中，主机厂应该能够使用单一平台来重用软件和硬件，以便解决不同品牌和车型问题。只有高度集成的打包解决方案才有助于向4D成像雷达的过渡。
研发4D成像雷达的初创公司和厂商并不多，梳理一下即可看出这一技术的脉络和走向。
NXP处理器与收发器并举
为了推进以安全为核心目标的L3、L4和L5车辆，NXP发布了一系列新的雷达传感技术。
NXP的第二代77GHz射频CMOS雷达收发器系列TEF82xx是业界第一款采用40nm RFCMOS的汽车级雷达收发器。
与第一代相比，新产品的RF性能提高了一倍，输出功率为13.5dBm，噪声系数为11.5dB。该器件还可以在给定目标周围将相位噪声降低四倍。
Arbe芯片组特斯拉最爱
为特斯拉提供新型4D传感器技术的是初创公司Arbe Robotics，其4D成像雷达芯片组获得了2020爱迪生奖。
RF工艺
首席执行官Kobi Marenko表示，这种雷达芯片组提供的物理分辨率是竞争对手使用的合成或统计分辨率增强方法的2到10倍。
另外，雷达芯片组提供48个接收通道和48个传输通道的实时管理，在保持每秒3兆比特的等效处理吞吐量的同时，可生成30帧/秒的完整4D图像。
RFISee相控阵技术高大上
由于相控阵是一项昂贵的技术，其在汽车工业中的采用一直是一个令人担忧的问题，这就是为什么这种雷达最初仅限于F-35战斗机等先进军事系统。
9月，RFISee发布业界首款相控阵4D成像片上雷达，它是一种高分辨率、低成本的雷达传感器，可以生成汽车周围物体的实时3D位置和速度地图。
利用RFISee的雷达片上解决方案，接收器可确保大幅改善雷达图像、实现更好的信噪比，以及更大的车辆和行人等障碍物探测范围。
Xilinx和大陆集团量产就绪
也是9月，Xilinx和大陆集团宣布推出汽车行业首款量产就绪4D成像雷达，在业界引发震动。
Xilinx将通过Zynq® UltraScale+™ MPSoC平台支持大陆集团开发新款高级雷达传感器ARS540，联手打造汽车行业首款量产版4D成像传感器。
双方的合作将有助于搭载ARS540的新车型实现SAE J3016 L2功能，为迈向L5自动驾驶系统铺平道路。
写在最后
自动驾驶的发展已经来到一个十字路口。基于一些担忧，先进移动出行行业需要重新审视4D成像雷达作为自动驾驶传感器套件中不可或缺元素的作用，为自动驾驶汽车提供更灵敏的耳朵和眼睛，从而形成一个更安全的汽车大众市场。
