自动驾驶汽车相对与传统汽车而言，主要是给汽车装上了感知系统和处理大脑。感知系统数字化周围环境，然后将数字化的模型信息交由大脑来综合处理判断。用于感知的传感器有很多，毫米波雷达是比较常用的一种。

什么是毫米波雷达

毫米波本质上是电磁波，频率高于无线电，低于可见光和紫外线，频率大致在10GHZ-200GHZ。在车载领域比较常见的毫米波雷达有三种：

1，24GHz。这个频段的毫米波频率比较低，带宽比较窄（250MHZ），在实际应用中，主要安装在车辆的后保险杠内，监测车辆后方的障碍物，以决定能否变道、停车等。因此主要用途在于汽车的盲点检测、变道辅助。

2，77GHz。这个频段的毫米波频率比较高，带宽也比较宽(800MHz)。在实际应用中主要用来装配在车辆的前保险杠上，监测前车的距离和速度。因此主要用途为自动跟车、前车碰撞检测等主动安全领域。

3.79GHz.这个频段的毫米波雷达带宽非常宽(3GHZ)，其具备非常高的分辨率，可以达到5cm。毫米波雷达的原理

毫米波雷达通过发射电磁波探测目标，根据接收的回波获得目标至电磁波发射点的距离，距离变化率、方位、高度等信息。

雷达装在车上的样子如下图所示：

雷达通过天线发射和接收电磁波，所发射的电磁波并非各向均匀的球面波，而是以具有指向性的波束的形式发出，且在各个方向上具有不同的强度，如下图所示：

雷达主要测量目标的三个参数：位置、速度和方位角。下面简单说说这三个参数的测量原理。

位置和速度

雷达波由发射天线发出、被目标反射后，由接收天线接收雷达回波。通过计算雷达波的飞行时间，乘以光速再除以2就可以得到雷达和目标之间的距离。

而根据多普勒效应，通过计算返回接收天线的雷达波的频率变化就可以得到目标相对于雷达的运动速度，简单地说就是相对速度正比于频率变化量。当目标和自车接近时，回波的频率相比发射频率有所升高，反之则频率降低。

方位角

通过并列的接收天线收到同一目标反射的雷达波的相位差计算得到目标的方位角。原理如下图所示：

其中方位角α(AZ)可以通过两个接收天线RX1和RX2之间的几何距离d以及两天线收到雷达回波的相位差b通过简单的三角函数计算得到。毫米波雷达的特点

毫米波雷达抗干扰能力较强，激光的波长远小于毫米波雷达(nm vs mm)，所有在雨雪雾霾沙尘暴等恶劣天气下毫米波雷达仍可正常工作；同样的原因，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情景，毫米波雷达能够做的更好。

但是精度是硬伤。毫米波雷达的数据处理流程

运用毫米波雷达实现自动循环的核心在于目标识别与跟踪。在接收天线收到雷达回波并解调后，控制器对模拟信号进行数字采样并做相应的滤波。接下来用FFT手段将信号变换至频域。接下来寻找信号中特定的特征，例如频域的能量峰值。在这一步还不能得到我们需要的目标，获取的仅仅是雷达波的反射点的信息。

并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，例如一辆货车可能形成5-10个反射点。所以首先还要将很可能属于同一物体的反射点匹配到同一个反射点集群中。接下来通过跟踪各个反射点集群，形成对物体的分布的猜测。

在下一个测量循环中，例如通过卡曼滤波，基于上一次的物体分布，预测本测量循环中可能的物体分布，然后尝试将当前得到的反射点集群与预测结果进行匹配，例如通过比较物体的位置和速度等参数。当反射点集群与上一测量循环得到的物体信息匹配成功时，就得到了该物体的“轨迹”，同时该物体的可信度增加，反之则可信度下降。只有当一个物体的可信度超过一定门限时，该物体才会成为我们关心的目标而进入所谓的目标列表。毫米波雷达到底能不能探测到静止目标

很多早期的ACC系统不会对静止物体作出反应，也就是说，如果前方有静止物体，例如在进入探测范围之前就停在前方的车辆，ACC并不会将该车作为目标，不会发出减速请求。所以有人以为雷达无法探测静止物体，这其实是一个误解。

雷达探测能力只和物体的雷达波反射特性有关，不涉及其任何运动特性，所以只要物体的雷达反射截面足够大，该物体不存在无法探测的问题。早期ACC不对静止物体作出反应主要是由于目标分类的缘故。由于早期的雷达的角分辨率较低，导致高度方向和横向的分辨率较低，无法很好的区分可以越过的物体，例如井盖，或者可以从下方穿过的物体，例如路牌。所以为了避免ACC误动作，比如在高速公路上由于路牌而制动，设计成不对从探测到开始就保持的静止物体进行反应，因为无法判断该物体是基础设施还是交通参与者。另一方面，即使是早期的ACC系统，由于雷达保存了该目标的历史信息，如果已经探测到的车辆从行驶中制动到停止，系统仍然能够将该物体划分为交通参与者，从而进行制动。