从LiDAR到摄像头再到雷达技术，领先的OEM厂商正在押注市场上最佳感知硬件的各种不同组合。在安全性、适销性和成本方面，车辆感知非常重要，这就是为什么它如此引人注目，以至于对于哪种技术将首先进入市场没有明确的共识。

但是，仅靠硬件并不能使AV自主。今天，我们拥有增强经过市场测试的硬件所需的软件能力，我相信AI增强型雷达技术将在未来十年内在让乘客进入自动驾驶汽车方面发挥关键作用。

如今，支持人工智能的“智能”雷达传感器能够生成每帧数万像素的图像，并跟踪数百米外的目标，从而使AV系统能够以高速安全运行。

改善自动驾驶汽车感知并将其推向市场的挑战

如今，将自动驾驶汽车交到消费者手中并上路面临四大挑战：

1、生产以硬件为中心的解决方案的成本仍然太高。LiDAR传感器往往要花费数十万美元，这使得自动驾驶汽车无法为消费者提供负担得起的价格点。利用昂贵的现场可编程门阵列（FPGA）的多芯片雷达阵列也存在同样的问题。

2、在应对天气方面，没有明显的硬件解决方案。LiDAR在低光和强降水下表现不佳，而摄像机可能会受到泥泞的阻碍。雷达本身无法提供视音频应用所需的分辨率质量。

3、通往自动驾驶汽车的道路还必须考虑不久的将来电动汽车（EV）的功率要求。为此，为AV感知提供支持的技术不得需要大量的功率预算。

在这个新兴领域，大多数硬件解决方案的可靠性和安全性尚未得到证实。在当今可用的顶级选项中，只有Radar已经存在并在一系列全天候应用中使用。

4、为什么AI驱动的雷达提供了一个有前途的解决方案

由于较长波长的无线电波可以穿透可能散射或吸收更高频率的LiDAR能量的介质，因此雷达硬件提供了LiDAR和摄像头根本无法提供的独特机会。

在LiDAR性能和摄像头视觉下降或完全模糊的情况下，存在显着的重叠。例如，在雾或黑暗的夜晚，这可能导致环境故障模式不符合自动驾驶汽车的安全标准。

雷达传感器在许多恶劣的天气条件下表现良好，并且已经被世界各地的军队在艰苦的条件下进行了数十年的现场测试，但到目前为止，依靠雷达进行自动驾驶汽车感知的主要障碍是提高其图像分辨率的挑战，而无需简单地增加更多的天线（这反过来又增加了车辆的成本， 设备的大小及其功率要求）。

那么，有没有其他方法可以提高雷达的图像分辨率呢？这个问题的答案是应用一个软件解决方案，消除成本和性能之间的选择。

将软件添加到当今绝大多数新车中已经存在的已经负担得起的硬件元素中，比其他替代方案更具成本效益。此外，无需等待雷达的现场测试。例如，世界各地的军队已经在苛刻的条件下和最恶劣的气候下对雷达系统进行了测试。使用功能强大的软件增强硬件可以为系统开发人员节省时间和金钱，并且软件本身的功能可以随着时间的推移而得到改进。

随着汽车行业激发感知的进步，我们将看到这些雷达的容量呈指数级增长，因为它们建立在机器学习算法之上，随着时间的推移，这些算法将继续改进。

通过将机器学习与合成孔径技术相结合，雷达传感器可以发出自适应相位调制波形，有效地将传感器的角度分辨率提高100倍。

这种创新方法依赖于自适应相位调制波形，该波形随环境实时动态变化 ，无需额外的天线。这大大提高了分辨率，增加了范围，并扩大了视野，而不会影响物料清单或增加系统成本。

如今，支持人工智能的“智能”雷达传感器能够生成每帧数万像素的图像，并跟踪数百米外的目标，从而使AV系统能够以高速安全运行。也许最引人注目的是，这种方法可以定制以支持高级驾驶员辅助系统（ADAS）或自主机器人应用，其中低能耗至关重要。

侧面 2智能雷达不仅适用于AV应用

虽然这种自主导航软件目前的重点是汽车感知，但这些增强型雷达解决方案的尺寸、功率和性能可能会为机器人技术在其他垂直市场带来新的机会。

随着汽车行业激发感知的进步，我们将看到软件驱动的“智能”雷达的功能急剧增加，因为它们建立在机器学习算法之上，这些算法将随着时间的推移而不断改进。对于原始设备制造商来说，这意味着汽车在识别行人、物体和其他车辆方面会变得更好，但对于科学家和工程师来说，这些进步可以应用于无数其他项目。

虽然我希望新雷达的小尺寸，低功耗要求和低成本在短期内进入汽车设计，但我相信这些可以帮助克服比自动驾驶汽车感知更多的挑战