毫米波雷达价格大概多少，毫米波雷达和激光雷达的对比

很多朋友对毫米波雷达价格大概多少，毫米波雷达和激光雷达的对比不是很了解，每日小编刚好整理了这方面的知识，今天就来带大家一探究竟。

随着自动驾驶的发展，激光雷达受到前所未有的追捧，因为它具有精度高、信息量大、不受可见光干扰等优点。不过我们可以注意到，目前主流的自动驾驶方案并没有完全抛弃毫米波雷达。原因是什么？一、介绍首先必须明确，这里要说的雷达是发射电磁波的正经雷达，不是发射机械波的倒车雷达。

军迷和二战历史研究者大概对雷达技术的起源了如指掌：第一部实用雷达被用来探测德农，他试图在半夜从空中穿越英吉利海峡，坐在漂浮在空中的金属外壳里。之后的雷达不仅碾压了岛国训练有素的战列舰观察员在太平洋夜战中的辉煌时刻，还有在贝卡谷地被犹太人反辐射导弹炸成渣的惨痛历史。

雷达从战争机器转向交通行业的前期，伴随着无数车主的血泪。现在，雷达已经成为车主助手——摆脱油门的主要传感器，以及盲点监测和辅助并线的传感器，偶尔还充当——自动紧急制动的传感器，避免追尾事故的最后一道防线。二、结构和原理

目前车载雷达的频率主要分为24GHz频段和77GHz频段，其中77GHz频段代表了未来的趋势：这是国际电信联盟专门为车载雷达划分的频段。严格来说，77GHz雷达属于毫米波雷达，但实际上24GHz雷达也叫毫米波雷达。

在工程实践中，雷达天线有多种实现方式。目前车载雷达中比较常见的是平面天线阵雷达，因为与其他实现方式相比，平面雷达没有旋转的机械部件，从而保证体积更小，成本更低。下面以常见的平板天线雷达为例，介绍一下车载雷达的结构和原理。先对车载雷达有个直观的了解：看内部结构：这一块就是天线阵列，如下图所示：

从上到下，有10个发射天线TX1，然后是2个发射天线TX2，最后是4个接收天线RX1到RX4。两组发射天线分别负责探测远近目标，其覆盖范围如下图：这里因为近视角(FOV)比较大，大概90度左右，所以需要更多的天线，而远视角小，大概20度左右，两个天线就够了。安装在汽车上的雷达如下图所示：

雷达通过天线发射和接收电磁波。发射的电磁波不是方向统一的球面波，而是各个方向强度不同的定向波束形式，如下图所示：雷达主要测量目标的三个参数：位置、速度和方位。先简单说一下这三个参数的测量原理。位置和速度

这两个参数的测量原理在小学的科普课本上都有描述：雷达波由发射天线发射，经目标反射，再由接收天线接收。雷达和目标的距离可以通过计算雷达波的飞行时间，乘以光速再除以2得到。

根据多普勒效应，通过计算返回接收天线的雷达波的频率变化，可以得到目标相对于雷达的运动速度，简单来说就是相对速度与频率变化成正比。当目标靠近车辆时，回波的频率高于发射频率，反之亦然。

测量位置和速度的具体方法根据雷达采用的调制方法而不同。简单来说，雷达调制就是实现雷达回波识别和飞行时间测量，需要在雷达发射的电磁波中加入标志物和时间基准。车载雷达主要采用调幅和调频。通过平行接收天线接收到的同一目标反射的雷达波的相位差来计算方位角。原理如下图所示：

方位角AZ可以由两个接收天线RX1和RX2之间的几何距离d和两个天线接收的雷达回波的相位差b通过简单的三角函数来计算。三、应用示例毫米波雷达最常见的三种用途是ACC(自适应巡航)BSDLCA(盲点监测和变道辅助)AEB(自动紧急制动，通常带有摄像头进行数据融合)。

作为一项已经量产多年的技术，我认为没有必要介绍以上功能的具体内容。下面说点更有意思的：a)雷达的数据处理流程。

实现ACC等功能的核心技术是目标识别与跟踪。在接收天线接收到雷达回波并对其进行解调后，控制器对模拟信号进行数字采样并进行相应的滤波。接下来，通过FFT将信号变换到频域。接下来，寻找信号中的特定特征，例如频域中的能量峰值。这一步无法得到我们需要的目标，只能得到雷达波反射点的信息。

而且对于很多高性能雷达来说，此时获得的多个反射点可能来自一个物体，比如一辆卡车可能形成5-10个反射点。所以首先要把很可能属于同一个物体的反射点匹配到同一个反射点簇。接下来，通过跟踪每个反射点簇，形成关于对象分布的猜测。

在下一个测量周期中，例如通过卡尔曼滤波，基于先前的物体分布，预测该测量周期中可能的物体分布，然后例如通过比较物体的位置和速度等参数，尝试将当前反射点簇与预测结果相匹配。当反射点簇与上一个测量周期获得的物体信息成功匹配时，获得物体的“轨迹”，物体的可靠性增加，否则可靠性降低。

只有当一个对象的可信度超过一定的阈值，才会成为我们关心的目标，进入所谓的目标列表。

b)关于雷达的两个小问题：雷达能探测到静止目标吗？很多早期的ACC系统是不会对静态物体做出反应的，也就是如果前方有静态物体，比如车辆在进入检测范围之前就停在了前方，ACC不会针对车辆，也不会发出减速请求。所以有人认为雷达探测不到静止的物体，这其实是一种误解。

从前面的描述可以看出，雷达探测能力只与物体的雷达反射特性有关，而与它的运动特性无关，所以只要物体的雷达反射截面足够大，就不存在探测不到物体的问题。早期的ACC对静态物体没有反应主要是因为目标分类。

由于早期雷达的角度分辨率较低，在高度方向和横向上的分辨率较低，无法区分可以穿越的物体，比如井盖，或者可以从下方通过的物体，比如路牌。

因此，为了避免ACC误操作，例如由于高速公路上的路标而制动，它被设计为不对自检测以来一直保持的静态对象做出反应，因为无法判断该对象是基础设施还是交通参与者。另一方面，即使在早期的ACC系统中，由于雷达保留了目标的历史信息，如果检测到的车辆从行驶到停止刹车，系统仍然可以将对象划分为交通参与者，从而刹车。优于激光雷达？

随着自动驾驶的发展，激光雷达受到前所未有的追捧，因为它具有精度高、信息量大、不受可见光干扰等优点。不过我们可以注意到，目前主流的自动驾驶方案并没有完全抛弃毫米波雷达。原因是什么？

首先是众所周知的天气原因。激光的波长远小于毫米波雷达的波长(nm vs mm)，所以雾霾导致激光雷达失灵不是笑话。同理，毫米波雷达的探测距离可以轻松超过200米，而激光雷达目前的性能一般不超过150米，所以对于高速公路跟车这样的场景，毫米波雷达可以做得更好。

其次，毫米波雷达便宜。毫米波雷达作为一个成熟的产品，目前的价格在一千五左右，而激光雷达的价格还是以万为单位计算的。而且由于激光雷达获得的数据量远远超过毫米波雷达，需要更高性能的处理器来处理数据，更高性能的处理器也意味着更高的价格。所以对于工程师来说，在简单场景下，毫米波雷达依然是最佳选择。

以上知识分享希望能够帮助到大家！