4D 雷达技术进展:提升自动驾驶车辆的环境感知能力

从基础版高级驾驶辅助系统向高阶车辆自动驾驶技术迭代，有望降低交通事故的发生频次与严重程度。而雷达、人工智能等多模态传感技术的不断进步，正让这一技术落地变得愈发具备现实可行性。

业界在打造自动驾驶感知能力的路径上，分化为两大技术方向。部分车企采用视觉摄像头主导的感知方案，目前已大批量搭载于民用乘用车；另有企业搭建多传感器阵列，将视觉摄像头、激光雷达与毫米波雷达整合为一体化感知架构。多传感器融合方案在全自动无人驾驶网约车车队中应用最为广泛，这类场景下，多类传感器的冗余配置被视作基础安全硬性要求。

多传感器阵列具备天然的安全优势，一类传感方式的短板可由另一类的优势进行弥补。例如，摄像头能够识别红绿灯状态、读取交通标识，还可以区分校车与货运面包车。而雷达作为互补传感器，可在各类天气条件下稳定工作，借助多普勒效应直接测算物体速度，同时具备更远的探测距离。

将两类传感器的能力进行融合后，所构建的感知系统远比单一传感器更为稳定可靠。且雷达不惧强光眩光、浓雾及雨雪天气，这一特性对于打造安全可靠、能够赢得公众信任的自动驾驶系统尤为关键。

行业发展趋势已愈发清晰。目前投入商业运营的头部无人驾驶网约车车队之一（不透露名字），标配 14 颗摄像头、4 颗激光雷达与 6 颗雷达，并配备外置音频接收器，用于识别紧急车辆警报声。

量产车型可搭载的传感器数量始终受成本制约，业内工程师都在探索新方案：在提升感知性能的同时，降低硬件整体复杂度。值得注意的是，该网约车车队的最新一代车型，摄像头总数削减超半数，激光雷达从 5 颗精简至 4 颗，雷达数量则保持不变。行业重心正从堆砌传感器数量，转向挖掘单颗传感器的数据质量。

摄像头与激光雷达依赖可见光或近红外光，在雾、雨、雪天气下性能会大幅衰减。随着自动驾驶车辆从阳光地带、湾区，逐步向气候恶劣、能见度偏低的地区拓展落地，搭载雷达将变得愈发重要，可在更多复杂工况下守住安全阈值。

汽车 77 吉赫兹频段的雷达波能够穿透浓雾、大雨、烟雾、粉尘与降雪，信号衰减极低。该技术不受弱光环境影响；车辆进出隧道等光线剧烈变化的场景中，雷达也无需适配缓冲时间。

雷达可通过多普勒频移直接测量物体速度，实现连续测速，无需依靠连续图像帧比对推算。同时雷达不局限于视距探测，能够侦测前方车辆遮挡下的盲区障碍物，为紧急避险操作争取更多反应时间（见表1）。

表1 三种类型识别方式的对比

传统 3D 雷达可探测距离、角度与速度，但缺少高度维度数据，无法判断探测目标是位于路面上方（如桥梁、高架标识牌），还是行驶路径上的实体障碍物。为弥补这一缺陷，许多 3D 雷达系统会通过程序设定，忽略超出特定尺寸或特定位置的静止物体。一旦该判定逻辑出现偏差，便可能引发严重安全后果。

4D 雷达新增高度测量能力，可解析竖直平面内的目标物信息。凭借每个探测点完整的空间位置数据，系统能将桥梁与桥下行驶车辆精准区分、把龙门架标识与路面故障货车分离开来，同时提供高度信息，为高车身车辆通行限高路段提供关键依据。

更丰富的空间信息还能生成更密集的点云。传统 3D 雷达往往只能输出稀疏探测点簇，难以完成目标分类；而 4D 雷达可生成高密度点云，清晰还原各类物体与交通参与者的轮廓形态，让雷达具备了以往仅激光雷达才能实现的空间细节感知能力。

那么什么是4D雷达呢？传统雷达仅能探测距离、速度、水平方位角（3D）；4D 雷达新增俯仰角（高度）维度，实现距离、速度、水平角、高度四维同步感知，如图1。

图1 4D雷达覆盖维度示意图

作为自动驾驶的关键，4D雷达具有如下几个核心优势：

• 立体空间感知：生成类激光雷达（LiDAR）的高密度点云，区分地面障碍物与天桥、限高杆等悬空物体，避免误判。

• 全气候可靠：雨、雾、雪、黑夜中稳定工作，弥补摄像头 / LiDAR 在恶劣天气下的性能短板。

• 精度与简化平衡：角分辨率可达0.1° 级，探测距离超300 米；相比复杂传感器堆叠，4D 雷达可降低系统复杂度与成本。

• 多目标精准追踪：同时识别车辆、行人、非机动车，实时预测轨迹，支撑 L3/L4 级自动驾驶的冗余感知。

目前，4D 雷达正从 “辅助传感器” 升级为感知冗余核心层，推动自动驾驶从 “传感器堆砌” 向 “高可靠、低成本” 架构演进，加速高阶自动驾驶的规模化落地。下面我们将列举一些考验车载感知系统极限的典型复杂场景，并结合2026 年国际消费电子展（CES） 的实测演示结果，阐述 4D 雷达如何以更高性价比集成应用于量产车型。

1 桥梁与龙门架识别

3D 雷达探测到车辆前方有大型静止物体时，无法判别其为可正常通行的桥梁，还是需要紧急避让的路障。由于缺少高度维度数据，系统要么无故刹车产生幽灵刹车，要么默认该物体无威胁，埋下安全隐患。

4D 雷达凭借竖直角度分辨率新增高度测量能力，解决了这一难题。在奥库利（Oculii）4D 雷达系统测试中，高速公路龙门架等高架构筑物的 Z 轴探测高度可达路面上方约 12 米。该能力对商用车尤为关键，这类车辆始终需要关注桥梁限高问题。系统可生成带高度分层配色的 3D 点云地图，让感知架构能够精准判断车辆能否安全从下方通行。

2 隧道场景

隧道对感知系统存在双重挑战：

对摄像头而言，室外强光与隧道内部光线急剧切换，容易出现画面过曝或欠曝，在光线切换的关键瞬间大幅降低有效视觉信息。

对传统雷达而言，隧道封闭结构会使雷达波在墙壁、顶棚产生多路径反射，形成信号干扰，难以区分真实障碍物与反射杂波。

实测中，奥库利 4D 雷达可在隧道内实现纯净目标检测，有效抑制多路径反射干扰。依托更强的角度分辨率，在摄像头与传统雷达均极易失效的封闭环境中，仍能保持稳定可靠的感知能力。

3 远距离小目标探测

路面小动物与小型障碍物探测难度极大，因其雷达回波信号接近噪声阈值。若探测不稳定，系统容易将目标误判为干扰信号，等到识别为时已晚、来不及避险。动物属于雷达弱反射目标，探测难度更高。

安霸（Ambarella）采用一只体型近似博美犬或大型家猫的玩具小狗开展测试，测试车辆向目标直行。多次测试结果显示：奥库利 4D 雷达稳定探测距离超过 100 米，目标轨迹连续无闪烁、无虚警鬼影，足以支持车辆时速 70 英里以上完成紧急制动。而同工况下，车载激光雷达即便距离仅 30 米也无法识别该目标。

进一步测试中，奥库利 4D 雷达可在235 米距离外稳定识别塑料路障，并从复杂背景杂波中精准区分；相同条件下，车载激光雷达仅能在 52 米处探测到同类路障。

4 弱势道路参与者识别

行人、骑行者等弱势道路参与者检测，是车载感知系统最核心、关乎安全责任的能力。多数地区法规规定：若发生碰撞，若无相反证据，责任将直接判定给驾驶员或车辆运营方。行人和骑行者雷达反射信号弱，特征容易被周边车辆、道路设施的强回波信号掩盖。

近距离场景下，奥库利 4D 雷达凭借优异的角度与距离分辨率，可还原人体轮廓细节，足以支撑多传感器融合架构完成目标分类。远距离测试中，系统可在350 米外识别停靠车辆旁的行人；即便行人被遮挡、无直接视距，仍能在143 米距离完成识别。

道路实车测试还显示：该系统点云密度足以在150 米外分辨自行车车轮，以及骑行者头部、躯干、腿部的完整轮廓形态；而同距离下，传统雷达会将骑行者级别的回波直接判定为噪声过滤掉。

5 软件定义的雷达集成方案

4D 雷达要实现大规模装车普及，必须兼容现有整车电子架构，无需大规模重新设计。

在 2026 年 CES 展上，安霸展示了一套成熟方案：基于自研奥库利 4D 成像雷达软件，运行在单颗 CV3 系统级芯片（SoC）上。

演示车辆选用普通租赁量产车，刻意以此证明该系统无需大幅改装即可完成集成。CV3 芯片部署在车前远距离雷达单元内，同步处理该雷达以及车身四角 4 颗近距离雷达的原始数据，生成360° 全景统一点云，再发送至负责传感器融合的区域控制器。

该架构支持车企采用无处理器单片微波集成电路（MMIC）雷达探头设计，雷达原始数据直接上传至 CV3 等中央域控制器。前向雷达外形安装接口与现有车型几乎一致，模块化兼容，无需重新设计保险杠，大幅降低集成改造成本。

安霸拥有专利虚拟孔径成像技术与人工智能算法，可实时动态自适应雷达波形，无需额外增加物理收发器件，即可实现0.5° 角度分辨率、最远350 米探测距离。

这种架构将雷达算力集中至前向雷达单元，降低整机成本；同时在不改动整车电子电气架构、无需全面更换传感器硬件的前提下，实现 4D 雷达快速集成落地。

对于仍在用传统 3D 雷达的车企，这是一条平滑升级至 4D 雷达能力的可行路径；对于已布局 4D 雷达的车企，这套基于单颗 SoC、AI 波形自适应的集中式软件定义方案，可提供满足 L2 + 至 L4 级别自动驾驶感知架构所需的角度分辨率与远距离探测性能。

图 4D雷达扫描的场景示意图

多年来，雷达一直是多传感器感知架构的标配，但早期仅局限于前向碰撞预警、自适应巡航等基础功能。3D 雷达生成的点云过于稀疏，无法满足高阶自动驾驶对目标分类与稳定轨迹跟踪的精度要求，也因此长期在感知系统中处于辅助地位。

依托单颗 SoC 搭载 AI 波形自适应、集中式算力处理的 4D 雷达，彻底改善了点云稀疏短板。如今 4D 雷达点云信息量足以精准分辨各类道路参与者、隔离高架构筑物与地面障碍物，并在复杂杂波环境下保持目标轨迹稳定。

高端激光雷达绝对点云密度更高，但在高速行驶工况下，其多余的密度冗余已超出感知决策的实际需求。此外，激光雷达在雾、雨、雪恶劣天气下存在天然性能衰减，而雷达不受此类环境影响。

对车企而言，核心问题在于：4D 雷达的点云密度是否已达到对应自动驾驶等级的够用阈值。2026 年 CES 实测结果表明，在绝大多数 L2 + 到 L4 级自动驾驶场景中，4D 雷达已完全达标。

本次实测基于一台普通租赁量产车，搭载单颗 CV3 芯片处理 5 颗奥库利雷达探头原始数据：可识别激光雷达探测不到的小型弱反射目标、隧道内稳定感知、350 米远距离追踪行人。这套软件定义架构无需重构整车电子架构，破除了高阶自动驾驶大规模搭载 4D 雷达的核心阻碍。

对于正在规划下一代传感器配置的工程团队，集中式 4D 雷达的性能表现与集成适配能力已大幅提升，值得重新评估与采用。