别再只盯着激光雷达了！聊聊自动驾驶感知里那些‘不起眼’的传感器（超声波/毫米波雷达）

自动驾驶感知的隐形冠军：超声波与毫米波雷达的实战价值

当特斯拉的纯视觉方案与Waymo的激光雷达路线在媒体上争锋相对时，工程师们的工具箱里却藏着一批低调的"老将"。这些传感器可能没有激光雷达的炫酷点云，也不像摄像头那样能生成直观的图像，但它们以极高的性价比和可靠性，在自动驾驶系统中扮演着不可替代的角色。

1. 被低估的感知利器：超声波与毫米波的技术本质

在讨论具体应用前，我们需要理解这些传感器的物理特性。超声波传感器通过发射40-58kHz的声波并计算回波时间测距，其优势在于：

• 成本极低：单个传感器BOM成本可控制在5美元以内
• 近距离高精度：2-3米范围内测距误差<1%
• 材质识别：通过回波特征可区分金属、塑料等不同障碍物

毫米波雷达则工作在24GHz/77GHz频段，其核心能力包括：

# 毫米波雷达基础参数示例 radar_config = { "frequency": 77e9, # Hz "bandwidth": 1e9, # Hz "range_resolution": 0.15, # 米 "max_range": 200, # 米 "velocity_resolution": 0.2 # m/s }

注意：24GHz雷达正在被逐步淘汰，77GHz将成为未来主流频段

与激光雷达相比，这些传统传感器在雨雾天气下的稳定性优势明显。毫米波能穿透大雨，而超声波完全不受光学条件影响，这使它们成为全天候感知的关键保障。

2. 泊车场景：超声波的主场优势

自动泊车系统(APA)中，超声波传感器阵列是绝对主力。某德系豪华品牌的实测数据显示：

在实际工程中，超声波阵列的部署遵循以下原则：

1. 前保区域：6-8个传感器，覆盖180°前向区域
2. 后保区域：4-6个传感器，重点检测低矮障碍
3. 侧向区域：2-4个传感器，用于平行泊车空间判断

典型误报场景处理：

• 地面金属井盖：通过多帧校验过滤瞬时回波
• 斜向护栏：采用传感器融合算法修正距离估计
• 潮湿地面：自适应阈值调整防止误触发

某新势力车企的工程师分享道："在我们最新的自动泊车系统中，虽然增加了视觉定位，但超声波仍是最后50厘米的'裁判员'。当其他传感器犹豫不决时，我们会无条件相信超声波的近距离判决。"

3. 前向感知：毫米波雷达的逆袭

在ACC、AEB等前向功能中，77GHz毫米波雷达展现出独特价值。其核心优势在于：

• 运动测量精度：速度检测误差<0.1km/h
• 多目标追踪：可同时跟踪32个以上动态目标
• 全天候工作：在暴雨条件下仍保持90%以上检出率

现代4D成像雷达更带来了突破性进展：

# 典型4D雷达输出数据结构 struct RadarPoint { float range; // 距离 float azimuth; // 水平角 float elevation; // 俯仰角 float doppler; // 多普勒速度 float rcs; // 雷达截面积 uint8_t dyn_prop; // 动态属性 };

实际路测中发现，在以下场景毫米波表现优异：

• 切入车辆检测：比视觉系统早0.5-1秒预警
• 静止车辆识别：通过微多普勒特征分辨真正静止目标
• 隧道场景：不受光线突变影响，保持稳定输出

提示：新一代雷达的俯仰角分辨率可达1°，已能识别路牌、桥梁等高空障碍

某L2+系统实测数据显示，在高速公路场景中，毫米波雷达对前车急刹的检测比视觉系统平均快200ms，这相当于70km/h时速下近4米的制动距离优势。

4. 传感器融合中的协同艺术

真正的工程智慧不在于选择"最好"的传感器，而在于如何让各传感器扬长避短。以下是一个典型的融合架构：

前向感知子系统配置方案：

1. 主传感器：1个前向高清摄像头（8MP）
2. 辅助传感器：1个77GHz长距雷达（200m）
3. 校验传感器：2个中距毫米波（80m）覆盖盲区
4. 冗余备份：1个低成本激光雷达（150m）

融合策略的关键点：

• 时间对齐：采用硬件级同步，确保各传感器数据时间偏差<1ms
• 空间标定：在线标定算法补偿温度引起的形变误差
• 置信度管理：
  • 晴天：视觉权重60%，雷达30%，激光10%
  • 雨雾：视觉30%，雷达60%，激光10%
  • 夜间：视觉40%，雷达50%，激光10%

某自动驾驶公司技术总监透露："我们做过极端测试，当摄像头因强光暂时失效时，仅靠毫米波+超声波的组合仍能维持10秒的安全运行，这对系统冗余设计至关重要。"

5. 成本效益的工程哲学

在量产车型的传感器选型中，成本始终是核心考量。对比不同方案的BOM成本：

在实际项目中，工程师们总结出几条黄金法则：

1. 5%原则：只为提升5%以上的性能付出显著成本
2. 80/20法则：用20%的传感器成本解决80%的感知需求
3. 降级预案：确保任一传感器失效时系统仍有安全退出策略

一位从业15年的感知专家坦言："看过太多团队执着于追求技术完美，却忽略了工程本质是权衡。有时候，把基础传感器的潜力挖尽，比盲目堆砌高端硬件更能体现工程智慧。"

在自动驾驶的演进道路上，这些"老派"传感器正通过技术创新焕发新生。新一代4D成像雷达的分辨率已接近早期激光雷达，而智能超声波传感器开始集成物体分类功能。或许，真正的技术成熟度，恰恰体现在如何让简单可靠的解决方案发挥最大价值。