在自动驾驶感知系统的演进历程中，毫米波雷达凭借其坚如磐石的全天候工作能力，稳坐感知硬件的头把交椅。
传统的三维毫米波雷达通过发射调频连续波，利用回波与发射波之间的时间差、频率差来测量目标的距离、相对速度以及水平方位角。
这种基于电磁波的物理特性，让它在雨、雪、浓雾、灰尘以及极端光照条件下依然能保持极高的稳定性。
传统毫米波雷达一直有个致命短板，那就是高度缺失。
因为缺乏俯仰角的分辨能力，它在垂直平面上的探测几乎是盲区。
在它的视角里，马路上方横跨的立交桥、交通路牌，与正下方停在路面上的故障车辆，反射信号混在一起，难以区分。
为了防止系统误读空中的障碍物而导致频繁的幽灵刹车，算法往往选择降低静止目标的置信度，这无形中削弱了感知系统的安全性，让驾驶员在高速巡航时心里总归有些打鼓。
4D毫米波雷达的出现，就是为了攻克这个难题。
所谓的4D，就是在原有的距离、速度、方位角基础上，成功引入了第四个关键维度，也就是俯仰角。
这意味着毫米波雷达不再只是输出几个代表物体的点，而是能够像激光雷达一样，生成具有空间深度的点云图像。
这种从探测器向成像仪的转变，靠的是天线阵列的爆发式增长和信号处理能力的质变。
通过多发射多接收技术，雷达可以在不显著增加物理尺寸的前提下，利用虚拟孔径算法创造出成百上千个虚拟通道，大幅提升角度分辨率。
当雷达具备了纵向探测能力，它就能清晰地辨别出前方障碍物究竟是悬挂在半空中的限高杆，还是停留在路中央需要紧急避让的障碍物。
这种技术的跃迁，更改变了毫米波雷达在传感器架构中的地位。
由于点云密度从传统雷达的每秒几十个点飞跃至每秒数万个甚至十万个点，4D毫米波雷达开始具备目标轮廓识别的能力，它能够捕捉到行人的微多普勒特征，甚至在视线受阻的场景下，利用电磁波的多次反射效应，探测到前车遮挡下的前方车辆动态。
从成像原理上看，4D毫米波雷达确实在角分辨率上快速逼近低线束激光雷达的水平，同时保留了在恶劣天气下的固有优势。
不过技术指标的接近并不代表可以完全替代，因为两者的测距原理和能量波束特性决定了它们在感知细节上依然存在数量级上的差异。
激光雷达使用的是波长极短的光脉冲，其发散角极小，像手术刀一样精准地切分空间。
这种极短的波长使得激光雷达在感知毫米级到厘米级的物体形变和微小边缘时具有天然优势。
相比之下，毫米波雷达使用的电磁波波长在毫米级别，虽然已经很短，但依然比光波长出数千倍。
由于波长较长，电磁波在传播过程中更容易产生衍射和散射，形成的波束宽度远大于激光束，这限制了雷达在空间分辨率上的理论上限。
在点云质量上，激光雷达每秒可生成的数百万个点，不仅包含了精确的三维坐标，还携带了物体的反射强度信息，可以用来区分车道线、路面材质甚至识别路牌上的文字轮廓。
而4D毫米波雷达的点云虽然密度大幅提升，但其测量噪声显著高于激光雷达。
电磁波在金属物体表面的多径效应会导致虚假信号的产生，比如毫米波在地面上的反射可能让算法误以为在地底下还有一个障碍物。
尽管引入了高性能的处理芯片和复杂的抗多径算法，毫米波雷达在还原物体几何形状的精度上，依然无法达到激光雷达的清晰度。
测速机制的不同，同样决定了它们在感知链路中的分工。
4D毫米波雷达基于多普勒原理，能够通过单帧信号直接获得目标的相对速度，这种测量是瞬时且极其精确的，误差通常在零点一米每秒以内。
这对于预测其他车辆的行驶意图、执行自动紧急刹车等任务至关重要。
而激光雷达需要通过连续两帧或多帧点云的位置变化来反推速度，这意味着在运动物体的捕捉上，4D毫米波雷达具备先发优势，但在静止物体的分类和环境建模上，激光雷达则是无可争议的霸主。
在我看来，激光雷达更倾向于作为高阶自动驾驶的真值来源，用于构建复杂城市环境的局部三维地图，并识别那些非标准的、细小的障碍物；而4D毫米波雷达则被定位为一种全天候的安全冗余和长距离目标跟踪器。
在高速巡航场景下，4D雷达凭借其探测距离远和对金属车辆极其敏感的特性，能够比视觉或激光更早地发现前方的险情。
但当场景切换到狭窄的城市街区，需要精确分辨路缘、行人肢体和复杂障碍物时，激光雷达的高密度点云依然更具信服力。
如果说技术边界决定了天花板，那么成本则决定了技术的普及深度。
激光雷达的高昂价格一直是制约其进入大众市场的主要障碍。
即使近年来通过半固态技术和集成化芯片应用，激光雷达的单价有所下降，但对于售价在二十万元以下的家用车而言，这依然是一笔不小的开支。
不仅如此，激光雷达对外部环境非常敏感，镜头上的泥土或水渍会严重干扰光束，车辆因此需要额外配备昂贵的清洗系统，进一步增加了整体系统的复杂度和维护成本。
与此相对，4D毫米波雷达在成本上更优，由于其主要组件均为成熟的半导体工艺，能够大规模生产，其规模效应极其显著。
一颗高性能4D成像雷达的市场价格通常仅为激光雷达的五分之一甚至十分之一，车企可以在不显著提高整车物料清单成本的前提下，通过安装多颗4D雷达实现三百六十度的成像感知覆盖。
这种极致的性价比，使得4D毫米波雷达成为许多中端甚至入门级车型提升辅助驾驶能力的最佳路径。
我认为，4D毫米波雷达产业正经历一场从级联方案向单芯片方案的迭代，这不仅降低了生产成本，也缩短了雷达的开发周期。
同时，算法层面正在引入深度学习技术，通过对原始点云进行语义分割，算法可以更准确地识别出物体类别，从而在一定程度上弥补了分辨率的不足。
特斯拉在硬件中引入凤凰雷达的做法，更是引起了行业的巨大反响。
特斯拉通过回归雷达方案，证明了即便是坚持纯视觉路线的公司，在面对长距离探测和复杂天气挑战时，依然需要4D毫米波成像能力来提供底层安全保障。
4D毫米波雷达无法在高性能的自动驾驶系统中完全取代激光雷达，但它正在大规模取代传统3D雷达，并对市场中的低端激光雷达形成平替效应。
其实4D毫米波雷达的意义不在于它是否彻底消灭了激光雷达，而在于它打破了传统雷达只能测速不能成像的刻板印象，同时以极具诱惑力的成本结构，真正推动了高级驾驶辅助系统的平权化。
这让更多普通消费者在购买家用车时，也能享受到以往只出现在高端车型上的安全感知能力，这才是技术进步带给每一个驾驶者最实在的红利。
