4、传感器基础（三）：毫米波雷达的工作原理、点云特性、在低速场景下的应用限制

好，咱们接着聊传感器。前两节讲了摄像头和超声波，这一节轮到毫米波雷达了。

说实话，在自动泊车这个圈子里，毫米波雷达的地位有点尴尬。它不像摄像头那样能看清车道线，也不像超声波那样在近距离那么精准。但你要说它没用？那也不对。我个人习惯把毫米波雷达看作是「中距离的感知补充」，尤其是在黑暗、雨雾天气下，它的价值就体现出来了。

4.1 毫米波雷达的工作原理

毫米波雷达，说白了就是发射电磁波，然后等它撞到物体反射回来，再根据时间差算距离。嗯，原理上跟超声波差不多，但用的是毫米波段的电磁波，频率通常在24GHz、77GHz或者79GHz。

为什么用毫米波？因为波长更短，分辨率更高。你想想看，超声波波长几毫米到几厘米，毫米波波长只有几毫米，所以它能分辨更小的物体。

具体怎么测距？核心公式很简单：

距离 = (光速 × 时间差) / 2

光速是3×10⁸ m/s，时间差是发射和接收之间的延迟。除以2是因为电磁波走了个来回。

但光测距还不够，我们还需要知道物体的速度。这里就用到了多普勒效应。物体朝你靠近时，反射波的频率会变高；远离时频率变低。通过计算频率偏移，就能算出相对速度。

我在项目中遇到过一个问题：雷达安装角度稍微偏了一点，结果测出来的横向位置偏差很大。后来排查才发现，是安装支架的振动导致角度偏移。所以，安装精度真的很重要。

4.2 点云特性：稀疏但稳定

毫米波雷达输出的数据，我们叫它「点云」。但跟激光雷达的点云比，毫米波的点云要稀疏得多。

举个例子：一个77GHz的毫米波雷达，一帧数据可能只有几十到几百个点。而激光雷达动辄几十万甚至上百万个点。为什么会这样？因为毫米波雷达的波束角比较大，角度分辨率有限。

但毫米波雷达的点云有一个优点：稳定。它不受光照影响，也不怕灰尘和雨雾。我在做夜间泊车测试时，摄像头经常因为光线不足而失效，但毫米波雷达的数据一直很稳定。

点云特性总结一下：

• 稀疏：每帧几十到几百个点，无法像激光雷达那样做精细的物体轮廓重建
• 噪声较多：地面反射、多径反射都会产生虚假点
• 速度信息准确：多普勒测速精度高，这是它的核心优势
• 角度分辨率低：水平角度分辨率通常在1°~3°之间，远不如激光雷达

4.3 在低速场景下的应用限制

自动泊车是典型的低速场景，车速通常低于10km/h。在这个场景下，毫米波雷达有几个明显的限制。

限制一：近距离盲区

毫米波雷达有一个最小探测距离，通常在0.5米到1米左右。也就是说，如果障碍物离雷达太近，它就测不到了。你想想看，泊车时车位旁边的柱子可能就在30厘米处，这时候毫米波雷达基本是瞎的。

我记得有一次测试，车辆已经非常靠近车位后方的墙壁了，但毫米波雷达还在输出「无目标」。后来才发现，墙壁距离雷达只有40厘米，已经进入了盲区。从那以后，我在融合策略中规定：距离小于1米时，优先信任超声波。

限制二：多径反射导致虚假目标

毫米波雷达的电磁波会在金属表面、地面、墙壁之间来回反射，产生所谓的「多径效应」。结果就是，明明只有一个障碍物，雷达却报出了两三个目标。

在停车场这种金属柱子多、墙壁多的环境里，这个问题尤其严重。我见过最离谱的一次：雷达在空荡荡的停车场里报出了十几个目标，全是多径反射造成的。

限制三：角度分辨率不足

毫米波雷达的水平角度分辨率一般在1°到3°之间。在10米外，1°的角度误差对应约17厘米的横向偏移。对于泊车这种需要厘米级精度的场景，这个误差太大了。

所以，毫米波雷达在泊车中更多是用于中距离的障碍物检测和速度估计，而不是精确定位。

限制四：对静止目标检测能力弱

毫米波雷达检测运动物体很拿手，因为有多普勒效应帮忙。但检测静止物体时，它只能靠距离和角度信息，很容易被噪声淹没。在泊车场景中，车位里的静止车辆、路沿、柱子都是静止的，这就很头疼了。

4.4 实际应用中的取舍

说了这么多限制，那毫米波雷达在自动泊车中到底有没有用？我的答案是：有用，但要会用。

我个人习惯这样用：

• 中距离障碍物检测：3米到15米范围内，毫米波雷达可以很好地检测到运动车辆和行人
• 速度估计：利用多普勒效应，准确估计周围车辆的速度，用于决策规划
• 恶劣天气下的补充：雨雾天、夜间，摄像头性能下降时，毫米波雷达可以作为主要感知来源
• 融合中的置信度调节：根据场景动态调整毫米波雷达的权重。比如在停车场内，降低它的权重；在开放道路上，提高它的权重

最后说一句：传感器融合不是简单的数据叠加，而是取长补短。毫米波雷达有它的短板，但用好它的长处，就能让整个系统更稳健。

下一节我们聊聊激光雷达，那个才是真正的「精度之王」。不过，价格也是王中王……