毫米波雷達感知的案例
自動駕駛毫米波雷達的原理分析和應用案例
例如比較常見的由于毫米波雷達散射特性導致的鏡像/多徑鬼影，橫穿的虛假目標，目標物角度估計錯誤，以及目標物漏報。
宏景智駕通過與攝像頭的經典目標物后融合策略可以很大程度的規避上述問題給各項功能帶來的影響。在AEB CNCAP的驗證中，宏景智駕就拿到了96分，5星+的評價，也就是說在保證行車安全的同時，也帶來更佳的駕乘體驗。宏景智駕的毫米波雷達+視覺的行泊一體方案目前已經在上汽、江淮等多款車型實現量產落地，同時也收獲了比亞迪等多個OEM定點訂單。
毫米波雷達前瞻預研
4D成像毫米波雷達將成為未來毫米波雷達研究和發展的主要趨勢。在宏景智駕相關負責人的介紹中，也證實了這一點：宏景智駕正在布局了4D成像毫米波雷達的算法開發。具體來說，在行車感知中，宏景智駕與某友商合作，使用4D成像毫米波雷達提供的點云信息來完成環境感知。雷達點云不僅可以在后融合中發揮目標物感知能力，同樣也可以在前融合/中融合等感知架構中提供更多的環境特征，特別是多普勒信息。此方案可以有效避免單一傳感器帶來的感知局限與算力局限。此外，例如動態標定(水平角度標定、俯仰角度標定)等量產功能也能夠在宏景智駕4D成像毫米波雷達感知算法中實現。
圖3 3-1 宏景智駕4D毫米波雷達感知；3-2對應場景4D毫米波雷達原始點云；3-3 對應場景攝像頭拍攝的照片(黑夜，雨霧)
從圖3中不難看出，4D毫米波雷達繼承了傳統毫米波雷達的優點，應對雨雪霧黑夜場景的多普勒信息還增加了高度維度的信息，與主車外參標定后可以獲取目標物的高度屬性(上下方可穿行、等高)來判斷對功能影響。同時還給出了更加豐富的路沿點信息，總體來說，加強了系統魯棒性。
展開 從原理到應用教你了解毫米波雷達
利用毫米波雷達的感知數據，可以創建環境地圖，這些地圖通常被稱為環境建圖或感知地圖。這些地圖可以顯示道路、建筑物、障礙物等環境特征，有助于自動駕駛系統做出決策和規劃路徑。毫米波雷達的高分辨率使其能夠檢測到較小的物體，如行人和自行車，從而提供更詳細和準確的地圖數據。
下圖7為四個毫米波雷達分別朝四個方向安裝在TurtleBot上，實現機器人3D感知與建圖的效果圖，3D建圖能夠提供小于1°的角度分辨率，在建圖的同時能夠獲取到機器人室內實時的定位數據，建圖效果如下視頻3所示。
圖7 turtleBot毫米波雷達安裝[3]
視頻3 毫米波雷達3D感知與建圖效果視頻[4]
毫米波雷達未來發展
003
毫米波雷達具備在機器人、自動駕駛等技術領域引發重大變革的潛力，然而尚未達到成熟階段。毫米波雷達的未來發展趨勢可能主要受以下幾個因素影響：
1）點云質量的提升：毫米波雷達點云在數據格式中最為常見，但其質量相較于其他傳感器較低，下圖8展示了毫米波雷達與當前常用感知傳感器性能的對比。雷達的多徑效應等特性嚴重影響點云數據質量。急需改善信號處理流程中的信息損失，特別是通過采用精心設計的基于學習的方法替代恒虛警率自適應檢測（CFAR）。基于學習的方向估計（DOA）方法，而非波束賦形（DBF）方法，也可用于超分辨率角度估計。
圖8 常用感知傳感器性能對比[5]
2）應用算法重新設計：除了改進毫米波雷達點云，信號處理后的應用算法也至關重要。
展開 毫米波雷達和「圖像數據」的融合｜技術解讀篇
作者言：
由于工作的關系，一直關注自動駕駛技術中的傳感器感知算法，平時會讀相關的論文，跟蹤學術界和工業界最新的進展。
自動駕駛是近些年來非常火熱的方向，感知技術也是日新月異的發展，因此有必要系統性的梳理技術的脈絡，一方面方便自己隨時查閱，另一方面也期望和同道中人多多交流。
自動駕駛的應用中通常會包括多種傳感器，以提高系統的可靠性。
從目前來看，常用的傳感器包括可見光相機，激光雷達和毫米波雷達。這些傳感器各有優缺點，也互為補充，因此如何高效的融合多傳感器數據，也就自然的成為了感知算法研究的熱點之一。
毫米波雷達感知算法的研究起步較晚，公開的數據庫也不多，因此，目前多傳感器融合的研究主要集中在融合相機（圖像）和激光雷達（點云）的數據。
隨著毫米波雷達在自動駕駛車輛中越來越多的應用，它的數據如何與圖像進行融合，也成為了一個亟需解決的問題。
毫米波雷達的數據一般以 Point Cloud（點云）的形式呈現。理論上說這與激光雷達的點云類似，只是每個點包含的數據不同：激光雷達的點包括 X、Y、Z 坐標和反射信號強度；而毫米波雷達的點包括 X、Y（也可能有 Z）坐標，RCS（物體反射面積）和 Doppler（物體速度）。
因此，很多激光雷達和圖像的融合方法也可以用來融合毫米波雷達。
但相對于激光雷達，毫米波雷達的點云非常稀疏（幾十 vs 幾千），所以在算法上還需要一些特殊的設計。
目前來看，大多數融合算法采用點云數據作為輸入，但是也有部分工作采用更底層的雷達數據，比如 Range-Doppler-Azimuth （RAD）Tensor。
展開 毫米波雷達和「圖像數據」的融合｜技術解讀篇
知圈 | 進“電子電氣群”請加微13636581676,備注架構
作者言：
由于工作的關系，一直關注自動駕駛技術中的傳感器感知算法，平時會讀相關的論文，跟蹤學術界和工業界最新的進展。
自動駕駛是近些年來非常火熱的方向，感知技術也是日新月異的發展，因此有必要系統性的梳理技術的脈絡，一方面方便自己隨時查閱，另一方面也期望和同道中人多多交流。
自動駕駛的應用中通常會包括多種傳感器，以提高系統的可靠性。
從目前來看，常用的傳感器包括可見光相機，激光雷達和毫米波雷達。這些傳感器各有優缺點，也互為補充，因此如何高效的融合多傳感器數據，也就自然的成為了感知算法研究的熱點之一。
毫米波雷達感知算法的研究起步較晚，公開的數據庫也不多，因此，目前多傳感器融合的研究主要集中在融合相機（圖像）和激光雷達（點云）的數據。
隨著毫米波雷達在自動駕駛車輛中越來越多的應用，它的數據如何與圖像進行融合，也成為了一個亟需解決的問題。
毫米波雷達的數據一般以 Point Cloud（點云）的形式呈現。理論上說這與激光雷達的點云類似，只是每個點包含的數據不同：激光雷達的點包括 X、Y、Z 坐標和反射信號強度；而毫米波雷達的點包括 X、Y（也可能有 Z）坐標，RCS（物體反射面積）和 Doppler（物體速度）。
因此，很多激光雷達和圖像的融合方法也可以用來融合毫米波雷達。
但相對于激光雷達，毫米波雷達的點云非常稀疏（幾十 vs 幾千），所以在算法上還需要一些特殊的設計。
展開 
干貨 | 自動駕駛感知仿真與驗證之毫米波雷達
本期研討會：《自動駕駛感知仿真與驗證之毫米波雷達》將于12月19日 20:00-21:00舉辦，掃碼可直接報名。
直播主題
無人駕駛雷達天線設計流程與場景動態模擬
日期/時間
2019年12月19日
20:00 – 21:00
課程受眾
自動駕駛相關（汽車整車廠，傳感器供應商等）行業人士
講師簡介
曹根林
ANSYS高級應用工程師，北京理工大學電磁場與微波專業碩士
有10年以上天線設計經驗，主要負責ANSYS高頻產品線的方案開發、咨詢與技術支持等。長期從事微波與雷達天線設計工作，尤其在復合單脈沖雷達天線，如雙波段復合、雙極化復合、微波/紅外復合等領域擁有豐富經驗。
課程簡介
如今，無人駕駛/自動駕駛正在迅速發展，在自動駕駛中最關鍵的雷達感知領域涉及多種雷達形式，如激光雷達、攝像頭、微波雷達等。而毫米波雷達，正是一種具有高頻率工作、高精度識別的微波雷達，可以讓無人駕駛技術實現各種高級輔助功能，如并線輔助場景識別、動態道路場景識別等。
本直播將主要介紹毫米波雷達天線的設計難點、設計技巧，以及利用ANSYS HFSS軟件中的天線庫、有限大陣列方案，方便快捷地研究與仿真毫米波陣列天線、天線與車體的布局效應、動態道路場景模擬中的感知成像等。
展開 康謀技術 | 高效環境感知：毫米波雷達數據采集、可視化及存儲方案
通過復雜的步驟從原始數據中提出高價值的信息，其中對原始數據的精準采集是實現車輛環境感知的基石。毫米波雷達因其出色的測距、測速能力以及對惡劣天氣的魯棒性，成為不可或缺的傳感器之一。</p><p>本文將以4D毫米波雷達ARS548為例，分享毫米波雷達如何快速實現數據采集，可視化及存儲策略。關于毫米波雷達的特性可進一步了解文章<strong>《毫米波雷達技術解析》</strong>。</p><h2>一、ARS548毫米波雷達概述</h2><p><strong>ARS548</strong>是 4D高分辨率成像毫米波雷達（4D High Resolution Radar），如圖1所示。它能夠有效的測量<strong>距離（Range），速度（Velocity），水平角度（Azimuth）</strong>和<strong>俯仰角度或高度（Elevation）</strong>四個維度的信息，具備感知目標三維空間位置能力。具備以下特性：</p><div contenteditable="false" width="100%"><figure class="figure-image" data-img="https://img.jishulink.com/202411/attachment/becf0c008be644f18d56c04d051bf0ae.png" style="text-align: center"><img src="https://img.jishulink.com/202411/attachment/becf0c008be644f18d56c04d051bf0ae.png"></figure></div><p class="ql-align-center">圖1：ARS548（圖片來源于網絡）</p><p><strong>1.
展開 車用毫米波雷達國外創業企業
帶著這些問題
（問題也比較多）
，本文也是開啟我對自動駕駛
（感知器件和邏輯處理）
領域探討的起點，后續我會更多地看看這些領域，同時把我一些想法寫下來。
▲圖1.國外的雷達初創企業Landscape
Part 1
國外的雷達初創企業是基于什么想法
毫米波雷達是基于多普勒原理，根據回波和發射波之間的時間差和頻率差來實現對目標物體距離、速度以及方位的測量。
根據輻射電磁波方式不同，毫米波雷達主要有脈沖和連續波兩種工作方式。其中連續波又可以分為FSK
（頻移鍵控）
、PSK
（相移鍵控）
、CW
（恒頻連續波）
、FMCW
（調頻連續波）
等方式。
毫米波雷達的開發是比較昂貴的，需要很多科研型人才才能做出原型，而在2016年毫米波雷達的市場大概在30億美金
（根據Yole的報告，2019年毫米波雷達的市場達到了205億美金，車用雷達在55億美金—更像是30億到55億美金）
，主要是老玩家所主導
（這個我會在第二部分闡述）
。
2017年的Vayyar、Arbe Robotics、Art Sys 360和Oryx四家都是以色列公司，他們的技術背景都是從軍工領域遷移過來的。
▲圖2.毫米波雷達作為感知器件，
其實是從一個非常扎實的背景遷移過來的
除此之外還有Oculii和Echodyne兩家是美國公司，Omniradar是從單芯片方案開始啟動的。
展開 聚焦移動和固定業務毫米波雷達干擾等關鍵性問題，毫米波雷達無線電研究（內江）外場試驗即將開展
一、背景概述
隨著ADAS產業和無人駕駛行業的快速發展，毫米波雷達作為智能汽車核心傳感器之一，在推動自動駕駛、主動安全和無人駕駛過程中發揮著不可或缺的作用，同時毫米波雷達也在農業、民航、安防、邊防、軍事、醫療等領域存在著廣泛用途，是物聯網時代極其重要的基礎器件。根據相關信息統計，未來僅僅智能汽車領域的毫米波雷達年出貨數量將達到2億臺/年，產值達數十億美元。為此，毫米波雷達成為世界發達國家、資本和產業關注的領域，紛紛投入巨資開展毫米波雷達的創新和應用工作。
但是在毫米波雷達應用過程中，大量的整車和零部件產商發現毫米波雷達在同頻、鄰頻工作時，存在著不同程度的干擾和串擾等電磁兼容性問題。部分研究試驗甚至發現在飽和使用的條件下，嚴重的干擾甚至導致毫米波雷達的功能性能嚴重衰減，無法有效感知外部環境，對車輛、行人安全造成嚴重影響，因此世界各國和相關國際技術組織關注毫米波雷達的干擾串擾問題，并采取各種積極手段以保證毫米波雷達的安全可靠使用。
在歐洲，汽車雷達傳感器的輸出功率由歐洲電子通訊委員會（ECC）指定，基于ECC（04）03 決議授權“頻段77 至81 GHz 至被指定用于汽車短程雷達”，歐洲郵電電信管理局（CEPT）指定了79 GHz 頻段用于不受干擾和保護的短程雷達（SRR）設備。而且，平均功率密度限定為-3 dBm / MHz EIRP，峰值功率密度限制為55 dBm EIRP，并且SRR 設備產生的車外平均功率密度不得超過 –9 dBm / MHz EIRP。
展開 智能汽車中毫米波雷達的應用
24GHz MRR探測距離在70米以內，適用于盲點監測
（BSD）
、變道輔助、、自動緊急剎車
（AEB）
等場景，2021年12月工信部的《汽車雷達無線電管理暫行規定》 “為推動汽車智能化技術應用和產業發展，將76GHz-79GHz頻段規劃用于汽車雷達”。從2022年3月1日正式實施起“將不再受理和審批24.25GHz-26.65GHz頻段汽車雷達的無線電發射設備型號核準申請”。77GHz LRR探測距離為數百米，主要應用于自適應巡航、自動緊急剎車、前向碰撞預警
（FCW）
等場景。
隨著自動輔助駕駛往高階進化，自動駕駛感知系統對感知的準確性和可靠性提出高要求的同時，也對傳感器提出了“全天候工作”“探測距離更遠” “感知信息維度更多/更精準”的要求。
全球很多車企開始配置5個毫米波雷達，未來可能會配置8個毫米波雷達，很多感知方案使用攝像頭和毫米波雷達做數據融合，從傳統的后融合、結果融合，到混合式融合、前融合。
隨著毫米波雷達成本的降低，還有行車和泊車領域的融合，在泊車領域毫米波起到的作用比傳統的超聲波傳感器更大。主要有以下幾個優勢：
(1）探測范圍更長
通過感應更遠距離的物體，可以檢測到停車區附近的更多物體。以TI 的 AWR1843AOP 為例，可以檢測遠至 50 m 的物體。
(2）檢測物體更為精確
傳統超聲波傳感器的最近檢測距離約為10-15 厘米，AWR1843AOP可以檢測距離最近 4 厘米的物體，可幫助泊車系統在狹窄、緊湊的停車位上使用，同時可以檢測靠近車輛的路緣石來提高泊車的成功率。圖4 顯示了毫米波雷達區分幾種不同大小和材料
（包括木材、金屬和塑料）
的類型物體的能力，在實驗的場景下包括塑料路錐、手推車、木樁和金屬樁。
展開 關于毫米波雷達，你需要了解這些新趨勢
毫米波雷達的其他應用
毫米波雷達除了在汽車應用之外，還有其他領域也有廣闊的應用前景。
目前除了汽車之外預計最早會落地的應用是工業機器人視覺。在機械臂等應用場合，機器人必須能快速感知距離和前方障礙物，并作出實時響應。這對于多機器人協作以及人機協作至關重要，否則機器人的安全性將無從得到保證。使用毫米波雷達的主要好處除了成本較LiDAR更低之外，就是其繞射透射能力強，可以non-line-of-sight完成感知，從而避免了諸多與視角有關的限制。目前，由于77GHz頻段在美國和歐洲主要還是劃撥給車載應用，因此工業機器人應用使用的波段以60GHz為主，TI也推出了相關芯片。
另一個重要的毫米波雷達應用是生理信號識別，主要是通過監測人呼吸過程中的身體細微起伏來實現。目前，歐洲和美國已經有計劃要求在2022年之后的汽車中都加入車內生理信號識別系統，當車內只剩下兒童時將發出警報，從而避免發生車主把兒童遺忘在車內發生意外。
在這樣的系統中，毫米波雷達將會成為感知系統的重要組成部分，因為傳統的攝像頭等傳感器都很難感知到生理信號，而且在設計角度來看攝像頭鏡頭必須裸露在外而且很難避免視野被遮擋，而毫米波雷達可以安裝在塑料遮蔽物的后面且對于遮擋并不敏感，因此對于設計來說更友好。
車內生理信號識別將是未來毫米波雷達的一塊增量市場，雖然現在具體頻段還沒有規定但是諸多半導體巨頭已經在積極準備中。而當毫米波雷達在車載生理信號監測應用中得到驗證后，將會有機會推廣到醫院和家庭的健康護理相關應用，這些進一步的應用值得我們期待。
展開 毫米波雷達（RADAR）
概述
毫米波雷達產品包括前視中距毫米波雷達（MRR）、側視近距毫米波雷達（SRR）和車內人員檢測毫米波雷達（VODR），目前產品已定點江鈴、江淮、重汽等多家整車廠。各自在車身上的安裝位置及視野范圍如圖1所示，對應的外觀如圖2、圖3所示：
各毫米波雷達產品對應的功能如下:
MRR安裝于車身正前方，能夠對目標區域內的障礙物進行檢測與參數測量、跟蹤以及目標類型識別，可用于支撐L2及L2以上級別自動駕駛系統的FCW、AEB、ACC等功能
SRR安裝于車身四角，能夠對目標區域內的障礙物進行檢測與參數測量、跟蹤以及目標類型識別，主要用于支撐L2及L2以上級別自動駕駛系統的BSD、LCA、CTA等功能
VODR安裝于車內B柱頂端或后視鏡下方，目的在于當駕駛人員離開并鎖車后，能夠對車內環境進行自動檢測，若檢測出車內有人員遺留可以通過聲光報警或遠程報警等方式及時發出警告以提示車主，以防將兒童遺留在車內而造成慘劇
主要技術指標
展開 
毫米波雷達的概念和工作原理
ADAS主要利用安裝在車上的各式各樣傳感器收集數據，在行駛過程中隨時感知周圍的環境，收集數據，進行靜態、動態物體的識別、偵測與追蹤，并結合導航儀地圖數據，進行系統的運算與分析，從而預先讓駕駛者察覺到可能發生的危險，有效增加汽車駕駛的舒適性和安全性。目前感知環境的ADAS傳感器有攝像頭、超聲波傳感器和毫米波雷達等。當然，自動駕駛汽車還需要車載激光雷達。一直以來，激光雷達因能對周圍環境實現3D感知而備受自動駕駛主流者的“寵愛”。
不過無論是激光雷達還是攝像頭、超聲波傳感器，都容易受惡劣天氣環境影響導致性能降低甚至失效（惡劣天氣環境往往是事故高發的主要原因），因而都存在“致命”缺陷！這種時候，毫米波雷達憑借其可穿透塵霧、雨雪、不受惡劣天氣影響的絕對優勢，且唯一能夠“全天候全天時”工作的超強能力，成為了汽車ADAS不可或缺的核心傳感器之一！下面，我們和毫米波雷達來一次“親密接觸”，了解一下它的概念和工作原理。毫米波雷達——全天候全天時工作毫米波雷達，顧名思義，就是工作在毫米波頻段的雷達。毫米波（Millimeter-Wave，縮寫：MMW），是指長度在1~10mm的電磁波，對應的頻率范圍為30~300GHz。如圖2，毫米波位于微波與遠紅外波相交疊的波長范圍，所以毫米波兼有這兩種波譜的優點，同時也有自己獨特的性質。毫米波的理論和技術分別是微波向高頻的延伸和光波向低頻的發展。
圖2 電磁波譜根據波的傳播理論，頻率越高，波長越短，分辨率越高，穿透能力越強，但在傳播過程的損耗也越大，傳輸距離越短；相對地，頻率越低，波長越長，繞射能力越強，傳輸距離越遠。所以與微波相比，毫米波的分辨率高、指向性好、抗干擾能力強和探測性能好。與紅外相比，毫米波的大氣衰減小、對煙霧灰塵具有更好的穿透性、受天氣影響小。這些特質決定了毫米波雷達具有全天時全天候的工作能力。
展開 康謀技術 | 毫米波雷達技術解析
在當今快速發展的自動駕駛技術領域，傳感器的作用日益凸顯，它們是實現車輛環境感知的基石。其中，毫米波雷達因其獨特的優勢，已成為自動駕駛傳感器套件中不可或缺的一部分。這種雷達不僅能夠在各種惡劣的天氣條件下穩定工作，還能提供精確的距離和速度信息，這對于車輛的安全導航至關重要。
一、毫米波雷達概述
RADAR(RAdio Dectecting And Ranging)是指利用毫米波信號（30-300GHz）來探測和測量目標的雷達系統，其中毫米波是微波的一個子頻段。在汽車領域，使用的毫米波雷達主要在24GHz，77GHz和79GHz三個頻段，如圖1所示。
圖1 毫米波雷達頻段
我們知道隨著毫米波雷達工作頻率越高，波長就越短，分辨率就越高。因此，與24GHz雷達相比，工作頻率在76-81GHz的毫米波雷達，物體分辨準確度，測速和測距精確度都會進一步提高，能檢測行人和自行車，且設備體積更小，更便于在車輛上安裝和部署。
按照探測距離，毫米波雷達可分為短程（SRR），中程（MRR）和遠程（LRR）雷達，如圖2所示。
圖2 短、中、遠程雷達
為了在車端更好的采集車輛周圍信息，通常將毫米波雷達安裝在車輛正前方和四周，即角雷達和前向雷達。主要實現BSD、LCA等L0自動駕駛功能，以及在ACC等L1~L2自動駕駛功能中實現重要的目標感知。如圖3所示。
圖3 角雷達與前向雷達
進一步來說，通過三種探測距離的雷達不同程度組合，可以承擔著不同的ADAS功能，如表1所示：
表1 ADAS功能與雷達配置
二、毫米波雷達工作原理
毫米波雷達通過天線發射特定波形的電磁波，并接收目標反射的電磁波，通過信號處理計算出目標的位置、移動速度和方位等信息。
展開 毫米波雷達創業企業和誰在競爭？
接昨天的文章，在車用毫米波雷達領域，國外這么多企業的競爭格局，大部分還是圍繞天線、芯片（MMIC和后處理）來進行的，所以我們能看到這些企業最終是和傳統Tier 1進行合作，然后把自己活成Mobileye的樣子。
我覺得可以從整體格局來看，毫米波雷達的進化格局。
▲圖1.Arbe在給投資者的材料里面把自己夸成滿分選手，對標ME
Part 1
切入芯片的供應格局
雷達市場的需求在增大，在普及ADAS的階段，一般的車輛只需要一個前向長距毫米波雷達，內置算法來完成FCW、ACC的功能。在L2-L3階段，汽車需要1個前向長距+4個角雷達（目前大部分所有的車輛都是這么配置的），但是這里的核心問題是，做這個雷達的是否還是傳統Tier 1，是否有可能整車企業直接和芯片企業進行對接，然后讓代工廠把這活干了？
▲圖2.這個數量還是非常高的
從這個邏輯上，可能有兩類整車企業：
●依靠外部整合的整車企業：
由 Tier1 提供毫米波雷達與攝像頭融合的方案，也就是說可能把視覺和毫米波的算法結合之后，形成一套較為完整的感知方案。實際上這種趨勢是延續之前Tier 1和芯片廠家強耦合之后的過渡關系。
▲圖3.Tier 1 和上游芯片廠家的綁定
●強勢的整車企業：
在過渡到Zonal控制架構以后，選用整套解決方案，結合硬件代工（好多4D毫米波創業企業可能變成工藝為主導的加工單位了）實現自身做集成的管理辦法，配合圖像和圖像雷達算法（甚至加上Lidar的圖像） 。
展開 一文了解毫米波雷達行業發展現狀
毫米波雷達是使用工作頻段為30~300GHz、毫米波波長為1~10mm的雷達。與激光雷達相比，目前毫米波雷達技術更加成熟、應用更加廣泛、成本更加低廉；與可見光攝像頭相比，毫米波雷達的準確性和穩定性更好，價格差距也在不斷縮小。
毫米波雷達成本相對低廉、穩定好，適應全天候工作
毫米波雷達是使用工作頻段為30~300GHz、毫米波波長為1~10mm的雷達。毫米波的波長介于厘米波和光波之間，因此毫米波兼有微波制導和光電制導的優點。與激光雷達相比，目前毫米波雷達技術更加成熟、應用更加廣泛、成本更加低廉；與可見光攝像頭相比，毫米波雷達的準確性和穩定性更好，價格差距也在不斷縮小。尤其是毫米波雷達具有全天候全天時工作特點，無懼雨雪、霧霾、黑夜等惡劣天氣，已成為汽車高級輔助駕駛系統（ADAS）可靠性保障不可或缺的傳感器。全球毫米波雷達出貨量已經超過千萬級。
毫米波雷達工作原理
毫米波雷達發出和接收的實質上是電磁波，毫米波的頻段比較特殊，高于無線電，低于可見光和紅外線，頻率范圍在10GHz~200GHz之間，屬于微波的范疇，波長在1mm~1cm之間，毫米波的這個頻段和波長范圍及特性適合車載雷達的應用。
根據波的傳播理論，頻率越低，波長越長，繞射能力越強，傳輸距離越遠。所以與微波相比，毫米波的分辨率高、指向性好、抗干擾能力強和探測性能好。與紅外相比，毫米波的大氣衰減小、對煙霧灰塵具有更好的穿透性、受天氣影響小。這些特質決定了毫米波雷達具有全天時全天候的工作能力。
毫米波雷達通過發射電磁波并通過檢測回波來探測目標的有無、距離、速度和方位。由于毫米波雷達發射出去的電磁波是一個錐狀的波束，造成了本身一定缺陷，由于反射面較大，分辨力不高。
目前毫米波雷達電波頻率主要分為24GHz和77GHz兩種。
展開 