雨雾天下毫米波雷达与激光雷达谁更具优势？

在自动驾驶的技术版图中，感知系统始终是车辆决策的核心依据。为了让车辆在复杂的交通流中精准避障，需要为其装载各种传感器，其中激光雷达和毫米波雷达是较受关注的两种硬件。

由于传感器的工作特性，在雨雾天气下，激光雷达和毫米波雷达的表现会出现巨大的分化。那在雨雾天下，毫米波雷达与激光雷达谁更具优势？

从两者的工作原理看表现

激光雷达发射的是波长极短的激光，通常在纳米级别，而毫米波雷达发射的是波长在毫米级别的电磁波。这种波长的巨大差异，直接决定了它们在雨雾天气下的表现。

空气中的雨滴和雾滴对电磁波的影响主要体现在散射和吸收上。当传感器发出的波束遇到与其直径相近的颗粒时，就会发生剧烈的米氏散射，信号会被这些微小的颗粒向四面八方弹开，导致能量迅速衰减。

对于激光雷达而言，由于它的波长只有几百到一千多纳米，而雾气中微小水滴的直径通常在1到20微米之间，两者尺度非常接近，这使得激光在浓雾中就像撞上了一堵无形的墙，大部分能量还没碰到障碍物就会被雾气散射掉了。

而毫米波雷达则不同。它的波长比激光长了上千倍，远大于雾滴的直径。在这种情况下，物理规律进入了瑞利散射的范畴。简单来说，毫米波能够轻松地“绕过”这些微小的障碍，保持极高的穿透力。

即使在能见度极低的浓雾或瓢泼大雨中，毫米波依然能维持稳定的探测能力，就像拥有“透视眼”一样可以看穿迷雾。正因如此，在纯粹的穿透力和全天候适应性上，毫米波雷达无疑更具优势。

从探测距离和目标捕获的稳定性来看，毫米波雷达利用的是电磁波的反射原理，它对金属物体的反射信号非常敏感。在雨雾天中，它不仅能穿透水汽，还能通过多普勒效应直接测量目标物体的速度，这种直接获取运动信息的能力是激光雷达难以企稳的。

激光雷达在恶劣天气下，由于探测到的点云数据变得支离破碎，反而需要耗费大量的算力去剔除噪点，甚至可能因为回波过弱而完全无法感知前方的障碍物。这种物理层面的不同，让毫米波雷达在恶劣环境下成为了自动驾驶系统的“定海神针”。

激光雷达在雨雾天为什么表现不行？

尽管毫米波雷达在穿透力上更胜一筹，但我们也发现，激光雷达依旧是很多车企选择的主流。之所以激光雷达无法被取代，是因为它在分辨率和空间建模上有卓越的表现。

激光雷达像是一台高精度的三维扫描仪，每秒钟能发射出数百万个激光脉冲，捕捉周围环境的厘米级细节。它能清晰地勾勒出路沿、行人、车辆的轮廓，甚至是掉落在路面上的一块小砖头。然而，这种精密性在雨雾天反而成了它的软肋。

当雨滴打在激光雷达的保护罩上，或者在空气中密集分布时，激光脉冲会被折射或反射，在传感器接收到的数据中形成大量的虚假点云，这就是所谓的“噪声”。

这些噪声如果处理不当，自动驾驶大脑可能会误认为前方有障碍物而采取紧急刹车。虽然目前有技术尝试通过算法来过滤这些干扰，但在极端天气下，有效探测距离的缩短是物理层面的必然结果。比如在能见度100米的雾天，原本能看200米的激光雷达，其有效探测范围可能会锐减到几十米甚至更低。

不同波长的激光雷达在雨雾天的表现也不一样。目前市面上主要有905纳米和1550纳米两种主流方案。905纳米激光雷达工艺成熟、成本较低，但为了保护人眼安全，它的发射功率受到严格限制，这也导致它在雨雾中的穿透距离相对受限。

1550纳米的激光雷达被认为是人眼安全的波长，因为这个频段的光会被人眼玻璃体吸收，不会到达视网膜，因此可以大幅提高发射功率，探测更远的距离。不过，1550纳米在雨天反而受限。

有研究显示，1550纳米正好处于水的一个强吸收峰附近，这意味着雨水对1550纳米激光的能量吸收比905纳米更严重。也就是说，在浓雾中，1550纳米凭借更高的功率或许能看得稍远一点，但如果是在大雨倾盆的环境下，它的衰减速度反而可能比905纳米更快。

这种复杂的物理特性意味着，仅仅依靠提升激光雷达的功率或更换波长，并不能从根本上解决光波在恶劣天气下表现不佳的问题。

毫米波雷达的全天候优势与成像进化

毫米波雷达的长波长特性赋予了它抗干扰的本钱，但它一直存在一个问题，那就是虽然看得远，但看不准。传统雷达的分辨率很低，它只能告诉自动驾驶电脑前方有一个点在移动，但无法区分那是一个行人在过马路，还是路边停着的一辆大卡车。

这种精细度的缺失，使得它长期以来只能作为辅助角色，用于自适应巡航或盲区监测。

随着技术的发展，4D毫米波雷达（也称成像雷达）被不断提及。传统雷达只能探测距离、速度和水平角度，而4D雷达增加了一个关键维度，即高度。通过增加天线数量并引入复杂的MIMO技术，4D雷达可以合成一个非常大的虚拟天线孔径，从而获得类似激光雷达的高清点云图。

这意味着，即使在漫天大雾、激光雷达彻底停摆的时候，4D毫米波雷达依然能通过电磁波“看”清前方车辆的高度和轮廓，甚至能分辨出前方是立交桥还是停在路边的故障车。

此外，毫米波雷达还有一个激光雷达难以企及的功能，那就是多普勒测速。它能直接利用物理效应瞬间算出目标的精确运动速度，而不需要像激光雷达那样通过对比前后两帧画面的位移来估算。

在能见度低、路面打滑的雨天，能够实时掌握周围车辆的动态速度，对于自动驾驶决策的安全性来说至关重要。这种测量方式极大地降低了感知环节的延迟，为车辆避让和紧急制动争取了宝贵的时间。

从成本和维护的角度看，毫米波雷达也具有巨大的商业优势。它的核心组件多为半导体工艺制成，随着出货量的增加，成本大幅下降，且由于其不涉及复杂的机械旋转或精密的光学准直系统，它对环境的耐用性更强。

在雨天行车时，路面溅起的泥水或尘埃可能会遮挡传感器的表面，毫米波对此表现出了极强的包容度，即使表面被少量泥沙覆盖，其穿透能力依然能保证探测功能的正常运作。

传感器融合的必要性

既然毫米波雷达在雨雾天性能强悍，而激光雷达在晴天精度更高，那么自动驾驶系统是否需要二选一？答案是否定的。在目前的行业共识中，除了极少数坚持纯视觉方案的企业外，大多数车企都倾向于将两者融合使用。

在正常驾驶条件下，激光雷达主导环境建模，为系统提供极致的细节感知。而当系统检测到降雨量或雾气浓度超过一定阈值时，感知权重会向毫米波雷达倾斜。

毫米波雷达提供的大量运动目标数据会与激光雷达残存的点云信息进行比对校验。如果激光雷达因为雨滴干扰产生了一个虚假障碍物，而毫米波雷达的回波却显示前方空旷，决策系统就能根据多维度的验证逻辑排除误报。

华为等厂商在硬件布局上采取了更为激进的策略。他们在最新的感知方案中集成了高线数激光雷达和高性能4D毫米波雷达。这种方案在极端暴雨的夜晚仍能保持极高的稳定性，正是因为当可见光和近红外光都被雨幕遮蔽时，毫米波成为了最后的感知防线。

最后的话

随着技术的发展，未来的感知算法或将进一步拟人化。人类在雨雾天开车会根据能见度降低车速并集中注意力观察轮廓，自动驾驶系统则可以通过深度学习网络，将雷达和相机的原始信号进行融合处理。

毫米波雷达虽然分辨率不及激光，但它提供的速度场信息和全天候探测能力，是任何基于光的感知技术都无法完全替代的。这种各司其职、优势互补的模式，不仅解决了物理定律带来的天然局限，也为自动驾驶系统的普及奠定了基础。