自动驾驶的“感知天网”:雷达技术方案全解析

（第420期）

汽车主机厂ADAS研发人员

自动驾驶的核心，是让车辆拥有“超越人类的感知能力”——无需司机操控，就能精准识别路况、规避风险、规划路径。而支撑这份“感知力”的核心硬件，正是各类雷达系统。它们如同车辆的“千里眼”“顺风耳”，分工协作、层层覆盖，从近距离泊车到远距离巡航，从晴朗白天到恶劣天气，构建起无死角的环境感知网络。

不同于单一雷达的独立工作，自动驾驶系统的雷达方案是一套“协同作战体系”。目前主流车载雷达主要分为三大类：

超声波雷达、毫米波雷达、激光雷达。

此外还有针对特定场景优化的4D成像毫米波雷达、纯雷达感知框架等升级方案。每一类雷达都有其独特的技术原理、性能优势和应用场景，共同构成了自动驾驶从L2到L4级别的感知基石。今天，我们就全面拆解自动驾驶系统中所有雷达的技术方案，读懂它们如何让车辆“看清”世界。

一、超声波雷达：近距离感知的“触觉卫士”（基础必备方案）

超声波雷达是自动驾驶系统中最基础、最普及的雷达类型，核心定位是“近距离盲区探测”，如同车辆的“触觉传感器”，负责守护车辆周边3米内的安全，是自动泊车、低速挪车的核心支撑，几乎所有搭载辅助驾驶功能的车辆都标配该系统。

其技术方案核心基于声波反射原理：通过压电陶瓷换能器发射40-58kHz的高频超声波，当声波遇到障碍物（车辆、行人、路沿、井盖等）后会反射回接收端，系统根据“距离=声速×时间差/2”的核心公式，精准计算出障碍物与车辆的距离 。

从硬件构成来看，超声波雷达的方案设计简洁且成本可控，单套传感器由发射/接收换能器、信号处理电路、控制单元三部分组成。车载场景中，通常采用“4-12颗”的布局方案：车头、车尾保险杠各安装4颗，部分高端车型会在车身侧面增加4颗，实现360°近距离覆盖。

技术参数上，超声波雷达的探测范围集中在0.3-5米，角分辨率约15-30度，测距精度可达厘米级，能稳定识别非金属物体（如塑料路锥、绿植），这是其核心优势之一 。同时，它的成本极低，单颗车规级超声波雷达的价格仅几十元，适合大规模量产，且受电磁干扰影响小，在地下车库、隧道等封闭场景中表现稳定。

但该方案也有明显局限：探测距离短、响应速度慢，无法适应高速场景（车速超过30km/h时，信号反馈滞后，失去实用价值）；同时，其探测精度易受环境温度影响（声速随温度变化），在风速大于5m/s的场景下可能出现误报，因此仅用于低速近距离场景，无法单独支撑高阶自动驾驶 。

二、毫米波雷达：全天候巡航的“核心主力”（主流核心方案）

如果说超声波雷达负责“近距离守护”，那么毫米波雷达就是自动驾驶的“中远距离主力”，核心定位是“全天候动态目标监测”，支撑ACC自适应巡航、AEB自动紧急制动、BSD盲区监测、LCA变道辅助等核心功能，是L2及以上级别自动驾驶的“必备配置”，也是目前车载雷达中应用最广泛的方案。

其技术方案核心基于电磁波反射与多普勒效应，工作在毫米波频段（30-300GHz），车载主流频段集中在24GHz和77GHz（日本等少数国家采用60GHz频段），其中77GHz是当前前向雷达的绝对主流，对应波长约4mm，能检测到小至零点几毫米的目标位移，精准度远超24GHz频段。

与超声波雷达不同，毫米波雷达采用调频连续波（FMCW）技术，通过发射频率随时间线性变化的连续电磁波，利用回波与发射波的频率差（中频信号），同时完成测距、测速、测角三大核心任务——这也是其能支撑高速巡航的关键。

从硬件方案来看，毫米波雷达的核心部件是MMIC毫米波集成电路（技术壁垒最高的部分），它集成了信号发射、接收、放大、混频等所有高频模块，直接决定雷达的探测距离、精度和分辨率；再搭配雷达整流罩（透波高分子材料，抵御灰尘水汽）、PCB信号处理板、压铸散热底板和高速连接器，构成完整的感知单元。

车载布局方案分为“前向+侧向”结合：前向毫米波雷达（通常1颗）安装在车头格栅处，采用77GHz频段，探测距离可达150-200米，角分辨率3-5度，能同时跟踪多个前方目标（车辆、行人、非机动车），精准测算其相对速度和距离，为ACC、AEB功能提供数据支撑；侧向毫米波雷达（通常4颗，左右车身各2颗）采用24GHz频段，探测距离30-100米，主要用于盲区监测和变道辅助，覆盖车辆侧后方的动态盲区 。

技术优势方面，毫米波雷达最大的亮点是全天候适配——能穿透雨、雪、雾、沙尘等恶劣天气，不受光照条件影响，白天黑夜、逆光强光下都能稳定工作，这是激光雷达和摄像头无法替代的。同时，它体积小巧、功耗低、成本适中（单颗77GHz雷达价格约500-1500元），适合量产，且能精准识别动态目标，测速精度高。

局限在于，毫米波雷达的方位角分辨率相对较低，对静态物体（如静止车辆、路障）的识别能力有限，容易出现“漏检”；同时，其无法识别目标的细节轮廓，只能判断“有障碍物”，无法区分“行人”和“护栏”，因此需要与其他雷达、摄像头协同工作 。

近年来，毫米波雷达方案迎来升级——4D成像毫米波雷达，在传统“测距、测速、测角”三维基础上，新增“高度”探测维度（俯仰角），能识别低矮障碍物（如井盖、路沿），区分高架桥阴影与真实车辆，误刹率降低90%，成为高阶辅助驾驶的升级选项，目前已广泛应用于L2+级别车型。

三、激光雷达（LiDAR）：高精度感知的“终极利器”（高阶必备方案）

激光雷达是实现L3及以上级别自动驾驶（高阶自动驾驶、无人驾驶）的核心雷达方案，核心定位是“高精度三维环境建模”，如同车辆的“高清三维扫描仪”，能精准捕捉周边环境的细节轮廓，为车辆决策提供最精准的感知数据，是目前车载雷达中技术含量最高、成本最高的类型。

其技术方案核心基于飞行时间法（ToF） ：通过发射纳秒级的激光脉冲（红外波段），利用激光从发射到反射回接收端的时间差，结合光速计算出目标距离；再通过高速旋转或MEMS振镜扫描，将无数激光脉冲反射点拼接成周边环境的三维点云模型，精准识别目标的形状、大小、位置和姿态，甚至能区分行人的肢体动作、车辆的车型细节。

激光雷达的技术方案有多个关键维度，也是区分不同产品的核心：

1. 波长方案：905nm vs 1550nm

这是激光雷达的核心技术分水岭，直接决定探测距离和安全性：

- 905nm波长：当前性价比主流方案，采用硅（Si）基探测器，工艺成熟、成本较低，但受限于人眼安全（光线可穿透玻璃体直达视网膜），发射功率被严格限制，探测距离难以突破200米，适合L2+级别车型；

- 1550nm波长：高阶方案，采用铟镓砷（InGaAs）探测器，光线被眼球水分吸收，无伤害风险，发射功率可提升40倍以上，探测距离轻松达到500米+，且穿透雨雾能力更强，但成本较高，主要用于L3及以上级别车型（如Waymo、蔚小理高阶车型）。

2. 扫描架构方案（通往固态之路）

激光雷达的扫描架构决定其体积、寿命和可靠性，目前主流有三种方案：

- 机械旋转式：传统方案，通过电机+滑环驱动激光发射模块360°旋转，能实现全场景覆盖，但体积大、寿命短、成本高，难以通过车规测试，目前已逐渐被淘汰，代表厂商有禾赛（Pandar系列）、Velodyne；

- MEMS微振镜式：当前主流方案，通过微振镜的微小摆动实现激光扫描，体积小、分辨率高、寿命长，适合车规量产，代表厂商有速腾聚创（M系列）、Innoviz，也是目前多数L2+、L3车型的选择；

- 纯固态式（Flash）：未来趋势，无需机械部件，通过面阵发射激光，瞬间完成全场景扫描，体积最小、可靠性最高，但技术难度大，目前仍处于量产攻坚阶段，核心依赖SPAD/SiPM单光子探测器技术（能检测单个光子，灵敏度极高）。

3. 车载布局方案

激光雷达的布局需兼顾“全场景覆盖”和“隐蔽性”，目前主流有三种：

- 车顶布局：最常见方案（如特斯拉Cybertruck、理想L9），1颗激光雷达安装在车顶，实现360°无死角扫描，探测范围最广，但影响车辆外观，风阻较大；

- 前向布局：集成在车头格栅或大灯处（如华为ADS系统），1-2颗激光雷达，重点覆盖前方路况，兼顾隐蔽性和实用性，是目前主流的量产布局；

- 多传感器融合布局：高阶无人驾驶方案（如Waymo），车身四周安装4-6颗激光雷达，结合毫米波雷达、摄像头，实现全场景无死角、冗余感知，确保极端场景下的安全性。

技术优势方面，激光雷达的探测精度极高（定位精度优于10厘米，角分辨率可达0.1度），点云密度可达100-300点/度²，能精准识别静态和动态目标，甚至能应对“鬼探头”“横穿马路的行人”等复杂场景；同时，其三维建模能力能让车辆清晰识别车道线、护栏、井盖等细节，为路径规划提供精准支撑。

局限在于成本较高，当前车规级激光雷达单价约1000-3000美元（国内量产型号已降至万元以内），难以普及到15万以下车型；同时，在暴雨、浓雾等极端天气下，激光穿透力下降，探测距离会缩水30%左右，需要与毫米波雷达协同弥补短板。

四、纯雷达感知方案：攻克痛点的进阶探索（未来趋势方案）

无论是单一雷达还是多雷达融合，传统方案都存在一定局限——激光雷达成本高、毫米波雷达易受噪声干扰、单帧雷达感知语义不足。近年来，行业开始探索“纯雷达感知方案”，无需依赖摄像头，仅通过雷达就能实现精准目标检测，其中最具代表性的就是RaFD框架方案。

RaFD方案的核心目标，是解决原始雷达图像的噪声和“鬼影”伪影问题（雷达信号反射产生的虚假目标），通过建模几何运动线索，提升纯雷达感知的精度和可靠性。其核心技术逻辑的是：估计帧间鸟瞰图（BEV）流，利用几何线索引导特征传播，让雷达能精准区分真实目标和虚假信号。

具体来说，RaFD方案构建在CenterFormer基础上，分为三大核心模块：

1. 特征增强模块：采用类似SwinTransformer的移位窗口局部注意力机制，聚合空间上下文信息，解决雷达图像噪声、模糊的问题，增强特征表示能力；

2. 流估计模块：引入有监督的BEV场景流估计作为辅助任务，通过卷积层编码特征、全局交叉注意力捕捉帧间时间依赖性，生成帧间运动矢量场，无需额外标注，可从检测标注中自动推导出伪真实流；

3. 流引导传播模块：利用估计的流向量，引导前一帧的特征传播到当前帧，通过流引导可变形注意力聚合时间对齐的特征，实现更稳健的目标检测，且能无缝扩展到多帧输入，增强动态场景的感知能力。

该方案在RADIATE数据集上实现了最先进的性能，尤其在良好天气下，目标检测精度远超传统纯雷达方案，证明了结合几何信息解释雷达信号的有效性，为纯雷达感知的落地提供了可行路径——未来有望降低高阶自动驾驶的成本（无需依赖高清摄像头），同时提升恶劣天气下的感知可靠性。

五、雷达协同方案：自动驾驶感知的“终极答案”

无论是超声波雷达、毫米波雷达，还是激光雷达、纯雷达框架，单一雷达都无法满足所有场景的需求——超声波雷达管近距离，毫米波雷达管全天候中远距离，激光雷达管高精度，纯雷达框架补全痛点，它们的协同工作，才是自动驾驶感知的“终极方案”。

目前主流的雷达协同方案，核心是“多雷达+传感器融合”，以L2+级别车型为例，典型配置如下：

1. 超声波雷达（4-12颗）：负责自动泊车、低速挪车的近距离盲区探测，弥补毫米波雷达近距离盲区；

2. 毫米波雷达（5颗）：1颗前向77GHz雷达（负责ACC、AEB）+4颗侧向24GHz雷达（负责BSD、LCA），实现全天候中远距离动态目标监测；

3. 激光雷达（1-2颗）：负责高精度三维环境建模，弥补毫米波雷达细节识别不足的短板，提升复杂场景的感知精度；

4. 纯雷达感知框架（可选）：优化雷达信号处理，降低对摄像头的依赖，提升极端场景下的可靠性。

协同方案的核心逻辑，是通过车载ECU（电子控制单元），将各类雷达的感知数据进行融合处理，剔除冗余信息、弥补单一雷达的局限——比如，暴雨天气下，激光雷达探测距离下降，由毫米波雷达主导中远距离监测；低速泊车时，超声波雷达主导，毫米波雷达辅助；高速巡航时，激光雷达+毫米波雷达协同，精准识别前方目标和路况细节。

典型案例如华为ADS系统，融合激光雷达与4D毫米波雷达，预判“鬼探头”的成功率提升80%；特斯拉虽然主打“纯视觉”，但也在部分车型中加入毫米波雷达，弥补摄像头在恶劣天气下的不足，本质上也是“单一雷达+其他传感器”的协同逻辑。

结语：雷达技术，定义自动驾驶的安全边界

从超声波雷达的“近距离守护”，到毫米波雷达的“全天候巡航”，再到激光雷达的“高精度建模”，以及纯雷达框架的“痛点突破”，车载雷达的技术方案迭代，本质上是自动驾驶感知能力的升级——让车辆从“能看清”，到“看得准”，再到“看得远、看得稳”。

随着技术的不断成熟，激光雷达的成本正在快速下降（预计未来3-5年，车规级产品单价将降至千元以内），4D毫米波雷达逐渐普及，纯雷达感知方案落地加速，雷达协同的精度和可靠性也将持续提升。未来，当超声波雷达、毫米波雷达、激光雷达与纯雷达框架深度融合，再结合AI算法的优化，自动驾驶将真正实现“无死角感知、零风险决策”，让每一次出行都更安全、更便捷。

对于普通消费者而言，了解车载雷达的技术方案，不仅能看懂车辆辅助驾驶功能的核心优势，也能在购车时，根据自身需求选择更适合的配置——毕竟，自动驾驶的安全，从来都离不开这些“隐形的感知卫士”。