简单来说，要想让汽车自动驾驶，就需要让汽车“看到”或者采集车辆周围的交通环境数据，这样就可以根据“看到”的环境随时做出决策，让自动驾驶汽车安全行驶。那么，想要“看清楚”周围的环境，就离不开车辆上安装的毫米波雷达、激光雷达、车载摄像头等硬件设备。
众所周知，相机的观测能力比人眼更容易受到极端天气、光线等因素的影响，因此通常与毫米波雷达配合使用。但是由于分辨率低，数据不足，这个方案被大部分车企放弃，很多车企转向了激光雷达阵营。
虽然激光雷达可以弥补视觉算法的“盲点”，但目前来看，其高昂的成本限制了其量产应用。在这种情况下，4D成像雷达诞生了，它似乎是毫米波雷达和激光雷达之间的一种很有前途的妥协。
那么，4D成像雷达在哪里？真的能代替激光雷达吗？
哪四个d是4D？
实际上，4D成像雷达可以看作是毫米波雷达的高级版本。毫米波雷达是一项成熟的技术。通过发射和接收反射的电磁波，可以计算出物体的距离、方位和速度。这是我们高中物理学过的多普勒效应。
距离、方位、速度也构成了3D的含义，所以我们熟悉的毫米波雷达已经是3D了。但是这个3D和我们现在流行的“太空3D”不是一个意思。不要混淆。
传统的毫米波雷达可以探测静态障碍物，并能准确知道目标与雷达之间的距离、方位和速度信息。但由于不具备测量高度的能力，很难判断前方的静止物体是在地面上还是在空中。车载摄像头只能捕捉2D平面图像，即使在深度学习的帮助下，仍然无法精确测量周围物体与自动驾驶汽车之间的距离。所以这也是早期系统误判导致“自动驾驶”事故的一部分原因。
因此，随着相机技术的快速发展，提高毫米波雷达的判断能力也被提上日程。毕竟对于毫米波雷达来说，最难的是对静止物体的判断。如何区分井盖、减速带等小型静止物体和交通标志、龙门架等高“空中障碍物”，成为毫米波雷达升级进化的原因。因此，4D成像雷达应运而生。
4D成像雷达可以看作是毫米波雷达的高级版本。它在普通毫米波雷达的基础上，增加了高度数据，即“3D+1D”。随着高探测值数据的加入，毫米波雷达不仅提高了“视野”，还增强了探测范围和分辨率。
将高度的第四维融入到传统的毫米波雷达中，可以更好的理解和绘制环境。通过使测量的交通数据更加精确，可以有效地分析测量目标的轮廓、行为和类别，从而适应更加复杂的道路。如果能识别出更多的小物体、被遮挡的物体、静止的或侧向的物体，就能准确知道车辆何时需要刹车，从而为决策提供更可靠的信息。
以华为的4D成像雷达为例。这种雷达采用12个发射通道，24个接收通道，整体有12*24个通道，即288个通道，比传统的3发4收毫米波天线配置高24倍。通道越多，可以形成的点就越多，分辨率就越高。这些点可以识别目标的轮廓、类别和行为，这就是成像的意义。
在性能上，4D成像雷达是3D毫米波雷达的升级版。另一方面，4D成像雷达的成本仅为激光雷达的10%-20%。因此，继激光雷达之后，4D成像雷达很可能成为自动驾驶传感器市场的下一个爆发点。
能代替激光雷达吗？
其实早在2018年，德州仪器就提出了4D成像雷达的概念。直到2021年，4D成像雷达才正式亮相。一是大陆集团、Waymo、Ambofur、华为等科技巨头纷纷推出新产品。与此同时，奥库、苏州毫米波、安志杰等众多新玩家都在押宝布局。但是真正搭载该技术的量产车还没到，激光雷达却已经交付了。
原则上，激光雷达和毫米波雷达基本相似，它们使用回波成像来显示探测到的物体。但激光雷达发射的电磁波是直射的，主要是轻粒子，而毫米波雷达发射的电磁波是锥束，这个波段的天线主要由电磁辐射组成。
从探测精度来看，激光雷达具有探测精度高、探测范围广、稳定性强等优点。从精度上来说，毫米波雷达的探测范围直接受到频带损耗的限制，无法感知行人、非机动车等。而且它也不能准确的对周围的所有障碍物建模。单从这个角度来说，4D成像雷达的精度还不如激光雷达。
在抗干扰能力上，激光雷达在雨雪、雾霾、沙尘暴等恶劣天气下无法开启。能见度低，因为是通过发射光束来探测的，受环境影响很大。毫米波雷达可以穿透雾、烟和灰尘，因此可以在恶劣天气下使用。在抗干扰能力上，4D成像雷达可以再赢回一城。
所以激光雷达和毫米波雷达其实各有利弊。目前还没有人能完全取代其他人。两者之间甚至还有关系，相辅相成，相得益彰。但面对激光雷达的高成本，4D成像雷达的性价比凸显出来。
目前市面上我们能买到的车基本都是L2驾驶辅助级别，还有一些嵌入式L3驾驶辅助系统，其实不需要这么高光束的激光雷达。这时候如果4D成像雷达可以辅助L3着陆，就可以广泛使用。
从激光雷达来看，高精度车载激光雷达产品的生产厂家主要集中在国外。从毫米波雷达的产业布局来看，主要由海外巨头掌控，国内尚处于起步阶段。激光雷达精度高，但成本也高，是毫米波雷达的几十倍。因此，毫米波雷达因其性价比等高性能优势而被广泛应用。
当然，4D成像雷达还面临很多技术问题。除了产品本身的一致性和可靠性，如何保证相位校准也是大阵列多通道条件下的考验。这里包括了水平角和俯仰角，这使得校准更加困难。