第四代毫米波雷达，通常被称为4D成像雷达，正在自动驾驶环境感知领域掀起一场深刻的技术革新，其颠覆性体现在对传统车载毫米波雷达核心性能瓶颈的根本性突破，从而极大地提升了自动驾驶系统在复杂交通场景中的安全冗余和环境理解能力。这种从三维（距离、方位、相对速度）到四维（额外增加高度信息，即距离、方位、高度、相对速度）的升级，并非简单的维度叠加，而是一次系统架构和信号处理层面的深度重构。
传统车载毫米波雷达长期以来在自动驾驶中扮演着重要的角色，因其在恶劣天气条件下的稳定性能以及对速度的精准测量而受到青睐。然而，其固有的缺陷，尤其是缺乏对目标高度信息的有效解析能力，使其在处理复杂的道路场景时暴露出致命的短板。在没有高度维度的情况下，系统难以区分路面上方的立交桥、交通指示牌、龙门架等静止高架物体与路面上的实际障碍物，这极易引发“幽灵刹车”或误判，严重影响自动驾驶的用户体验和安全性。此外，传统雷达由于天线数量的限制，其角度分辨率较低，在同一距离或同一速度下，难以有效区分相邻的多个目标，例如拥堵车流中的多辆紧密相邻的车辆或紧贴护栏的行人，目标点云稀疏，无法构建物体精确的轮廓信息，使得目标分类和识别的准确性大打折扣。
4D成像雷达正是针对这些痛点而生，其核心技术革新主要围绕如何获取高精度的高度信息和实现高分辨率成像。这种提升是通过大幅增加雷达的虚拟通道数量来实现的。传统车载雷达通常采用少数几个接收（Rx）和发射（Tx）天线，其虚拟孔径有限。4D雷达则通过多芯片级联技术，将收发通道数量提升至数十乃至上百，极大地扩展了雷达的虚拟孔径。根据MIMO（多输入多输出）雷达原理，虚拟通道数量的增加直接转化为角度分辨率的显著提升。高密度的通道阵列使得雷达能够更精细地对回波信号的空间信息进行采样和处理，从而实现类似于雷达成像的效果。这种高分辨率带来的最直接和最核心的改变是目标点云的密度和质量实现了数量级的飞跃。传统雷达输出的是稀疏、模糊的“点”，而4D雷达则能输出密集、丰富、具有结构特征的“点云”，其密集程度甚至可以与低线数的激光雷达相媲美。每个点云不仅包含距离、方位和速度，更重要的是包含了俯仰角，从而精确定义了目标在三维空间中的实际位置和高度。这使得4D雷达能够精确勾勒出车辆、行人、自行车、护栏甚至轮胎等目标的三维轮廓。
在自动驾驶应用层面，4D雷达的价值是颠覆性的。首先，解决了静态物体误判的问题。通过精确的高度信息，系统可以清晰识别出上方的立交桥、路牌等非障碍物，并将它们从地面障碍物中准确分离，根除了传统雷达最让人诟病的“幽灵刹车”隐患，为高阶自动驾驶功能的安全运行提供了基础保障。其次，显著提升了对复杂场景的分辨和识别能力。高分辨率的点云能够清晰地分离同距同速的多个目标，使得系统在处理加塞、拥堵、交叉路口等复杂工况时，能更准确地跟踪和预测每个目标的运动轨迹。例如，在路口，它可以准确区分并行转弯的车辆与行人。第三，增强了对微小和低雷达反射截面积目标的探测能力。高密度点云意味着回波信号的信噪比和灵敏度得到改善，使得4D雷达能够在更远的距离上，甚至在视线受阻的情况下，探测到诸如道路上的小块异物、低矮的锥桶、被部分遮挡的行人等传统雷达难以捕捉的危险源。更深层次的影响在于感知架构的重塑。4D雷达的性能飞跃使其不再仅仅是一个辅助测距测速的传感器，而是有潜力晋升为自动驾驶系统中的主感知传感器之一，与视觉、激光雷达形成更高级别的异构冗余。在极端恶劣天气下，视觉系统性能大幅衰减，激光雷达的性能也可能受到降雪或浓雾的严重影响，而毫米波雷达的穿透性优势得以凸显。4D雷达在恶劣环境下的高精度三维成像能力，使其成为全天候、高安全自动驾驶的不可或缺的基石。这种全天候的稳健性，为自动驾驶系统提供了一种独立的、高可靠性的感知通路，大幅提升了系统的安全等级。
此外，由于其半导体工艺和固态化的本质，4D雷达在成本控制、批量化生产、体积和集成度方面展现出优于机械式激光雷达的巨大优势，这为L3及以上级别自动驾驶技术的大规模商业化落地提供了低成本、高性能的解决方案。信号处理方面，4D雷达点云的高密度和丰富信息，也使其能更好地与深度学习框架相结合，利用AI技术进行更精准的目标分类、行为预测和场景理解，进一步挖掘雷达数据的潜在价值，实现了从“感知”到“认知”的过渡。从根本上讲，4D毫米波雷达通过在维度、分辨率和点云质量上的三重突破，彻底改写了车载雷达在自动驾驶感知链中的角色与地位，为实现更安全、更可靠、全天候运行的智能驾驶系统铺平了道路。
