智驾传感器十问——激光雷达和毫米波雷达的作用（1）

背景

在自动驾驶的传感器方案中，既有激光雷达，又有毫米波雷达，而且毫米波雷达还不止一个，可能1个，可能3个，也可能是5个。这是为什么呢。

激光雷达和毫米波雷达作为自动驾驶感知系统的核心，各自扮演着不可替代的角色：前者如同敏锐的"高清画笔"，擅长在理想环境下勾勒出世界的精细轮廓；后者则像坚定的"全天候哨兵"，无论风雨，都能稳定感知周围物体的运动状态。它们并非相互替代，而是通过深度协同，构建起安全、可靠的智能驾驶感知体系。

为了更直观地理解两者的差异，可以参考下面的核心能力对比表：

特性维度	🖌️ 激光雷达 (LiDAR)	🛡️ 毫米波雷达 (Millimeter-wave Radar)
核心技术	发射激光束，通过测量光速飞行时间，构建高精度3D点云图。	发射毫米波（30-300GHz），利用多普勒效应测距和测速。
探测距离	通常在150-200米之间。	优势显著，可达200米以上，高性能型号可超300米。
分辨率	极高，可达"图像级"，能精细还原目标轮廓和细节。	较低，传统雷达难以区分近距离物体或识别细节。
全天候性能	受雨、雪、雾等恶劣天气影响较大，探测精度会下降。	优势突出，电磁波穿透能力强，能在恶劣天气下稳定工作。
测速能力	需通过多帧点云估算，速度和精度有限。	核心优势，可直接、精准地测量目标速度，误差极小。
核心优势	高精度感知：厘米级定位，清晰识别障碍物形状，尤其擅长区分静止和异形障碍物。	全天候稳定：不畏风雨雾霾；精准测速：为自适应巡航等提供关键数据；成本较低。
核心局限	成本较高；恶劣天气下性能衰减；对金属等强反射物体的点云数据可能存在畸变。	分辨率低，难以区分细节；对非金属物体（如行人）反射弱，存在漏检风险。

值得一提的是，4D成像毫米波雷达作为技术演进方向，通过增加垂直方向的探测能力，其点云密度已大幅提升，正逐步缩小与激光雷达在分辨率上的差距。

传感器类型	高精度工作范围 (示例)	技术实现与特点
4D毫米波雷达	30 - 280米 • 30米内：泊车场景高精度 • 60米内：近距离探测，精度高 • 280米：可靠识别静止车辆	通过增加发射/接收通道，形成高密度点云，实现对物体的精准定位和测速，强于探测运动目标。
主激光雷达 (前向)	0.1 - 162米 (华为896线) • 120米外：识别14cm小障碍物 • 122米外：识别倒地轮胎 • 162米：最远探测距离	发射激光束，形成"图像级"三维点云，能精确勾勒物体轮廓和形状，对静态和异形障碍物识别能力极强。
补盲激光雷达 (侧向)	0.1 - 30米 • 广角覆盖，近距离感知，用于探测车辆周围盲区	与前向激光雷达互补，拥有极宽的视场角，专为覆盖车辆侧近区域的盲区设计。

两者在物理特性上的互补性，决定了融合的必要性，它能让自动驾驶系统在安全冗余、全天候稳定和全场景覆盖三个层面实现质的飞跃。

多维信息互补，构建完整世界 ：激光雷达擅长提供高精度的空间信息 （物体的形状、位置），但无法直接测量速度；而毫米波雷达的核心价值在于直接、精准地提供运动信息（物体的速度、运动方向）。两者融合，让系统不仅知道"是什么"，更知道"有多快"。
极致安全冗余，打造可靠防线 ：任何单一传感器都有失效的可能。通过"异构冗余"设计，当激光雷达因雨雾失效时，毫米波雷达依然可靠；反之，当毫米波雷达对静止物体判断不准时，激光雷达的高精度点云能提供关键的交叉验证，有效避免因单传感器误判导致的风险。
全天候场景覆盖，实现无缝切换 ：系统会像经验丰富的老司机一样，根据环境和任务动态调整对不同传感器的信任权重。
- 在天气晴朗、光照充足的城市道路，激光雷达和摄像头主导，负责精细的障碍物识别和车道线检测。
- 在雨雾天气 或高速巡航时，毫米波雷达成为主力，其强大的穿透力和精准测速能力，是自适应巡航（ACC）和自动紧急制动（AEB）等安全功能的关键保障。
- 在夜间或隧道等光线不佳的场景，不受光照影响的激光雷达和毫米波雷达会协同工作，确保感知不降级。

激光雷达和毫米波雷达并非"二选一"的单选题，而是一对在物理特性上完美互补的"黄金搭档"。激光雷达(Lidar)用高精度为系统"刻画世界"，毫米波雷达（Radar)用全天候能力为安全"守住底线"。正是它们的协同工作，才共同构建了当前高阶自动驾驶系统安全、可靠、全场景覆盖的感知基石。