埃隆*马斯克曾经提倡使用摄像头和图像识别技术来实现汽车的安全驾驶。他的论点是，如果人类能够仅通过视觉信息驾驶车辆，那么汽车也应该能够通过优化视觉系统来实现此目标。这一理念促使特斯拉采用以视觉为主的策略，并结合深度学习算法来识别和处理环境信息。这个选择可能是由于视觉感知的信息密度和进步速度方面的优势，同时也是因为毫米波雷达在技术创新上的进展相对较慢。
然而，这种完全依赖视觉的方法一直饱受争议。一些业界专家认为，仅依赖摄像头而忽视其他传感器，可能在特定环境或恶劣天气条件下增加安全风险。例如，毫米波雷达通过处理发出的电磁波的反射信号来检测物体的距离、角度和速度，这些是摄像头在低光或无光环境以及恶劣天气条件下无法完成的。
尽管毫米波雷达在某些方面具有优势，但要与视觉系统相媲美，还面临着一系列挑战。有观点认为，毫米波雷达追赶视觉技术路线的痛点和瓶颈，包括（1）信息密度劣势；（2）产品和架构相对保守，雷达的射频和后处理无法分离，限制了对日益增长的中央算力的充分利用，同时也增加了产品应用成本。
为了解决这些问题，行业普遍采取以下措施：（1）增加雷达信号的收发通道数量，例如通过级联方式以及定制多通道MMIC；（2）将雷达信号处理与深度学习相结合，并通过域控制器进行集中计算。
要成功实现这些解决方案，需要满足以下条件：（1）毫米波技术的深刻理解和毫米波雷达软硬件开发应用迭代能力；（2）对射频部分的技术积累和产业资源（如天线和MMIC）；（3）基于AI的深度感知融合技术能力；（4）智能驾驶系统定义及产品化能力。
在众多积极布局雷达领域的玩家中，立讯是一家值得关注的公司，它在这个领域的投入和发展展示了其远见和实力。
图示：前向毫米波雷达LRR2.5
自2020年立讯集团决定将智能驾驶设为独立的产品线以来，其核心团队“立昇智能”将毫米波雷达作为研发的重点项目之一。经过几年的深入开发，2022年11月，立讯智驾成功实现了基于恩智浦方案的77GHz前向毫米波雷达和角毫米波雷达的量产。这使得立讯成为国内少数能够大规模生产前向长距离毫米波雷达（LRR2.5）的一级供应商之一。现阶段，立讯智驾的雷达产品可以与智能前视一体机或中高级智能驾驶域控制器配合使用，以满足各种智能驾驶功能的需求。在产品性能和可靠性方面，立讯智驾的雷达产品也能与国际顶级供应商的最新量产型号相媲美。
值得一提的是，立讯集团作为全球领先的电子制造服务供应商，拥有丰富的产品线和上下游垂直整合能力。除了立讯自身在规模化自动化的智能制造能力所体现的质量和成本优势，立讯在天线和射频设计方面的丰富经验和产业资源，在此过程中起到了非常重要的作用，也为雷达产品的开发和量产落地提供了坚实的技术支撑。
立讯集团在射频类产品，例如各种天线模块，射频材料等领域的产业资源和深厚积累，为最新开发的空气波导天线技术开发提供了有力的支撑。立讯强大的精密制造能力也对产品的稳定性和可靠性提供了有力的保障，而立讯近年来在毫米波雷达相关芯片部分也早已投资布局，对于后续毫米波雷达产品的深度自主创新做好了准备。
随着毫米波雷达技术的不断升级和发展，新一代的成像雷达在智能驾驶领域逐渐显露出巨大潜力。这种新兴的雷达技术通过采用更先进的波形分集技术，实现了大规模的MIMO（多输入多输出）阵列信号处理，使得成像雷达能够在水平和垂直方向上增加更多的虚拟阵元数量，从而获得更高的角度分辨率。这种增强的角度分辨率使成像雷达能够捕捉到更丰富的三维环境图像，为智能驾驶提供更加精确和细致的环境感知数据。
作为在雷达领域的积极参与者，立讯智驾早已洞察到成像雷达的巨大潜力，并开始积极布局。其中，立昇智能研发的成像雷达产品（LRR3.0 Pro）是一个令人瞩目的例子。这个产品系列的首款产品采用双级联、6发8收的架构，旨在为客户提供高性价比、高集成度和高适应性的成像雷达解决方案。LRR3.0 Pro的性能极为出色，它能够实现超过300米的探测范围和120°的视角，支持输出高密度点云和跟踪聚类后的动静目标。更关键的是，该产品还引入了机器学习算法，进而对行人的识别更加精准。通过地图构建(SLAM)、障碍物边缘检测来规划和输出可通行区域，使LRR3.0 Pro能够支持更高级别的自动驾驶功能。LRR3.0 Pro已经完成了DV测试，并达到了B样水平，这意味着它已经接近量产阶段的标准。据了解，立讯智驾计划在今年内正式将这款产品投入市场。这无疑将进一步巩固立讯在车载雷达技术领域的市场地位，并为智能驾驶领域的发展带来新的机遇。
图示：成像雷达LRR3.0 Pro
演示视频：成像雷达LRR3.0 Pro
虽然雷达技术在很多方面都进行着持续的迭代升级，但是相比其他传感器，毫米波雷达的量产落地还存在着两方面的挑战：一是复杂精细的硬件设计制造；二是与之适配的算法软件。
立讯智驾团队投入大量资源用于雷达产品研发，目前已开发出一套高效稳定的算法，可以精确的识别和追踪目标，并基于全自研真值评判系统的结果对算法进行快速优化迭代。为了实现更高性能，立讯智能驾驶早已将AI应用于算法优化。相比统雷达跟踪算法，使用机器学习方法可以从雷达信号中提取所有细节特征，雷达对目标分类的估计准确度已经超过了90%，对目标轮廓及尺寸的估计准确度提高了80%，对小目标的漏检测概率降低超过10倍。同时，通过机器学习方法的引入，跟踪算法的稳定性得到了加强，能够根据计算资源的多少动态调整跟踪目标的数量、分类范围以及对静态目标的处理方式。立讯开发了基于机器学习的Freespace算法，不但可以识别墙壁、护栏、围栏等，对锥桶等目标也有较好的识别效果。基于成像雷达的平台，AI算法能够在语义地图（Semantic map）甚至高清地图（HD map）的绘制上发挥作用，可以用于低速场景以及停车场的识别。
与此同时，为了提供雷达算法处理的AI算力，立讯认为，雷达的中心处理架构是车用雷达的一条重要的路线。通过处理能力的集中化和中心化，一方面可以革命性的实现毫米波雷达的软硬件分离，同时也可以大大降低雷达硬件成本，提升安装布置的灵活性。具体来说，就是只保留将雷达的射频前端，将采集的数字信号通过高速串行总线发送到域控制器进行集中处理，这样雷达存储空间和算力的瓶颈就得以突破。立讯量产的智能驾驶域控制器为雷达的中心处理架构提供了软硬件基础，与域控制器强大的算力相结合，使得雷达与摄像头的前融合得以实现，这也是立讯智驾可以提供给客户和合作伙伴的深度感知一体化解决方案。
展望未来，随着自动驾驶技术的繁荣和市场需求的增长，立讯智驾凭借务实的品质和前瞻性的精神，赋予立讯集团在全球智能驾驶领域扮演更重要角色的潜能。智驾团队不仅融合了立讯消费电子领域中的坚定与实干，还通过持续的技术突破和对市场需求的敏锐洞察，推动毫米波雷达技术走得更远。立讯集团正朝着塑造一个更智能、更安全的交通环境迈进，同时也为新兴业态的蓬勃发展奠定基础。
扫一扫关注微信
