當我們談及3D捕捉時，總是先想到光學傳感器。當我們討論在第四維度（時間）討論視覺數據時，傾向于考慮場景數據調度。這些是我們多年來關注激光雷達（LiDAR）和攝影測量，以及用戶針對緩慢移動的大型項目，在時間尺度上將這些技術應用于靜態物體所造成的偏見。時間來到2018年，當自動駕駛汽車細分市場已經成長為達到甚至超過這個市場規模時，我不得不開始重新審視3D。

對自動駕駛汽車不可思議的需求推動了多種傳感器的發展，因為，我們不能隨便將從某個應用中獲取的傳感技術，毫不改動地投入其它應用。就像4D成像雷達這樣的新型傳感器，該技術使用回聲定位（如海豚、蝙蝠、或某些人可以確定物體位置的方法）和飛行時間（ToF）測量原理來捕捉3D空間信息。此外，它們還被用于在快速移動的汽車或快速飛行的無人機上，實現時間尺度的成像。

當前雷達與4D成像雷達測量距離對比圖

雷達vs. 激光雷達

據麥姆斯咨詢報道，最近Sensors Online的一篇文章提出了一個相當有說服力的論點：這些4D傳感器對于實現Level 4和Level 5級自動駕駛來說至關重要。在這篇文章中，Arbe Robotics的首席執行官兼聯合創始人Kobi Marenko解釋了“如果沒有4D成像雷達的幫助，光學傳感器并不能達到Level 4和Level 5級自動駕駛”的原因。

在進一步討論該問題之前，先簡單介紹一下自動駕駛分級：

- Level 0意味著無自動化，就像現在的手動汽車一樣：司機需要自己控制一切，而汽車本身不能做出任何判斷和控制。

- Level 1~3即增加了不同程度的自動化，目前特斯拉的自動駕駛級別介于Level 2到Level 3之間，其自動駕駛系統可實現引導、加速、制動，有時還能控制駕駛本身（盡管這是不應該存在的）。

- Level 4意味著汽車可在沒有駕駛員控制的情況下運行，但僅限于特定條件下使用。例如，大學校園里運行的自動駕駛汽車。

- Level 5意味著汽車可完全實現自動駕駛，你在車中休息或小睡，你的汽車就能將你安全送回家。

從以上汽車自動化級別可以看出雷達的重要性。與攝像頭和激光雷達相比，4D成像雷達能在任何條件下工作，可提供“在包括霧、暴雨、漆黑及空氣污染等各種惡劣天氣和環境條件下最高可靠性的探測”。4D成像雷達的感知范圍還可達到300米，并能捕捉可顯示物體相對汽車是靠近還是遠離的多普勒頻移，這能夠滿足更高汽車自動化級別的要求。

如果Marenko宣稱的產品性能屬實，那么在白茫茫的暴風雪中，其4D成像雷達可以分辨出：相距900英尺，與你的車輛保持相同速度行駛的車輛。并且在對方車輛減速或突然停止時，也能感應到并采取相應行動。

Marenko還提出，4D成像雷達還擅長通過高度區分物體，這可以幫助汽車判斷前方靜止物體是樹枝還是人。

自動駕駛汽車的激光雷達測量圖

4D成像雷達：“壓箱底”技術？！

值得注意的是，Marenko并不認為4D成像雷達能夠獨自處理自主任務。他認為4D成像雷達只是包括光學傳感器在內的汽車自動駕駛傳感器系統的一部分。這是自動駕駛汽車中關于3D捕捉的舊觀念——即“每種技術都是工具箱中的一種單獨工具”，目前這個概念仍然適用。

Marenko認為：“4D成像雷達是所有傳感器中探測范圍最遠的，這使得它可能最先識別危險。然后，4D成像雷達可將攝像頭和激光雷達傳感器的探測引導到相關區域，這將大大提升自動駕駛的安全性。”但這種目的的遠距離探測，傳感器的精度可能相對較低。

Marenko最后最有說服力的論據就是成本。整套汽車自動駕駛傳感器的成本需降到1000美元以下，才能實現商業化。以這種方式使用3D成像傳感器可以幫助我們達到Level 3或是更高級別的自動駕駛，且無需考慮單個車輛激光雷達的冗余需求。

另外Marenko還有比較偏激的觀點：4D成像雷達可讓自動駕駛汽車完全擺脫對激光雷達的需要。但該論點的真實性，只能靠時間來證明了。