编者语：后台回复“入群”，加入「智驾最前沿」微信交流群
在自动驾驶的感知系统中，毫米波雷凭借其全天候工作的特性，让它在雨雪雾霾等恶劣天气下依然能够稳健地测量障碍物的距离和速度。然而，在一些讨论毫米波雷达的话题中，有一个话题比较有意思，那就是毫米波雷达无法识别到行人，那这个说法准确吗？
行人为何成了雷达眼里的隐形人？
要理解毫米波雷达是否可以探测到行人，首先要了解一个概念，那就是雷达散射截面（RCS）。简单来说，RCS衡量的是一个物体反射电磁波的能力。物体越大、材质导电性越好、表面形状越平整，它的RCS就越大。在道路上，汽车这种全身覆盖金属、体积庞大的物体，对毫米波雷达来说就像是黑夜中的探照灯，极其显眼。
图片源自：网络
相比之下，人体大部分由水组成，而水对毫米波具有很强的吸收作用，反射回来的信号本就微弱。再加上行人的体积远小于车辆，且衣物等软质材料会进一步散射波束，导致行人在雷达眼中就像是一个若隐若现的灰度点。
这种先天性的物理差异，使得传统毫米波雷达在捕捉行人信号时，会面临信噪比过低的问题，稍不留神就会被淹没在背景杂波中。
此外，毫米波雷达的波长通常在几毫米级别。虽然它能穿透雨雾，但它对物体的形状刻画能力较弱。在早期的三维毫米波雷达看来，路边的行人、电线杆或是金属护栏，返回的信号点可能非常相似。由于缺乏高度信息和精细的分辨率，系统很难仅凭几个孤立的反射点就断定前方是一个正在过马路的人。
是“看不见”还是“不敢看”？
如果说信号微弱是物理限制，那么算法过滤则是另一个人为原因。传统毫米波雷达在检测静态物体时存在严重的权衡问题。为了防止系统因为探测到井盖、路牌或者桥墩而频繁触发幽灵刹车，会设置过滤机制，将相对速度接近于零或者是回波特征不明显的静态目标直接过滤掉。
图片源自：网络
行人恰恰处于这种尴尬的境地。当行人静止或者缓步横穿马路时，他们在雷达径向上的速度分量非常小。如果雷达性能不足以区分路面杂波与行人的微小动向，为了保证行车的平顺性和减少误报，系统可能会将这些行人信号视为无效干扰。这也是为什么有一些老款车型的毫米波雷达虽然能测到前方有障碍物，却选择视而不见的主要原因。
不过，随着信号处理技术的进步，微多普勒的技术开始应用。当行人行走时，手脚的摆动会产生不同于身体躯干的细微频率变化。通过捕获这些动态特征，雷达即使在信号微弱的情况下，也能通过算法判定前方是一个具备生命特征的移动目标。
4D成像技术如何让雷达看清轮廓？
近年来，4D成像雷达的出现彻底改写了雷达对行人感知的短板。所谓的“4D”，是指在原有的距离、速度、水平角度基础上，增加了“高度”维度的探测。以往的雷达看世界就像是看一张没有厚度的黑白照片，而4D成像雷达则能提供像激光雷达一样的稠密点云。
图片源自：网络
通过增加发射和接收天线的数量，4D成像雷达的角分辨率得到了质的飞跃。它不再只是看到几个孤立的点，而是能勾勒出目标的粗略轮廓。更重要的是，有了高度信息后，系统能清晰地区分出地面上的行人、空中的限高杆和路边的护栏，极大地减少了漏检。
目前的行，雷达点云密度的爆发式增长，一些4D数字成像雷达的点云密度已超过每秒10万点，这种级别的分辨率使得雷达能够像摄像头一样识别目标类型。这种能力的提升，意味着即使在完全黑暗或者是摄像头被强光致盲的情况下，雷达依然能独立完成对弱势道路参与者的精准探测。
多传感器融合推动自动驾驶发展？
虽然毫米波雷达在飞速进化，但在自动驾驶领域，从来没有哪一种传感器是万能的。对于行人的感知依赖于多传感器的深度融合。摄像头擅长分类识别，能看清行人的穿着和朝向；激光雷达擅长高精度三维重建；而毫米波雷达则负责全天候的测速和冗余校验。
图片源自：网络
在目前的量产方案中，4D毫米波雷达会与视觉方案进行互补。当视觉系统因为光照突变或者雨水遮挡出现感知波动时，毫米波雷达提供的距离和速度数据便成了最后一道安全防线。这种融合方案不仅提升了行人感知的准确率，也显著降低了系统误判带来的安全隐患。
随着4D雷达成本的降低和安装量的攀升，这种技术不仅填补了纯视觉方案在测距上的不足，也弥补了普通雷达对行人探测能力的缺陷。可以说，毫米波雷达无法感知行人的时代已经成为过去，取而代之的是一个更加高清、智能且全时待命的电子眼。
-- END --
