自自動駕駛快速發展以來，出現了很多路線爭議，尤其是是否使用激光雷達。也就是純視覺和多傳感器融合的路線，我們之前講激光雷達的時候已經詳細討論過了。但是，只在純視覺路線上，每個人的計劃都不壹樣。比如百度的量產車型帶攝像頭，毫米波雷達，高精地圖也叫純視覺路線，而特斯拉之前的純視覺路線也是用毫米波雷達。
這壹次，特斯拉決定“凈化”純視覺路線，徹底拋棄毫米波雷達。毫米波雷達作為汽車上最常見的傳感硬件，到底是“雞肋”還是“必需品”？特斯拉為什麽取消毫米波雷達？
毫米波雷達在汽車上流行的原因和毫米波雷達沒有存在的原因壹樣，因為它是壹個成熟的產業。在之前的激光雷達節目中，我們談到三菱在1992年推出的第三代德邦納爾機型在全球率先推出了測距功能，配備了固定視線激光雷達。在此基礎上，三菱在1995開發了ACC自適應巡航功能。但在這個功能上，毫米波雷達顯然更勝壹籌。
1999年，奔馳為W220的S級配備了自適應巡航功能，將激光雷達換成了毫米波雷達。毫米波雷達在汽車上的大規模應用開始。隨著ACC自適應巡航的普及，毫米波雷達更加成熟，成本更加可控。近年來，隨著自動駕駛的快速發展，毫米波雷達已經成為最常見但最不存在的傳感硬件。
那特斯拉為什麽棄用毫米波雷達？馬斯克沒有解釋詳細的原因。大概很多人會想到“成本控制”。成熟的毫米波雷達不是特別貴，但也是千元級別。取消毫米波雷達對降低成本還是有很大幫助的。但降低成本絕不是唯壹的原因。
其實市場上壹直有壹種說法:“毫米波雷達作為壹種過時的技術，最終會在自動駕駛中被淘汰”，因為毫米波雷達確實有很多明顯的缺點。
在雷達中，基本電磁波波段分為米波段(HF、VHF、UHF波段)、分米波波段(L、S波段)、厘米波段(C、X、Ku、K波段)、毫米波波段和激光波段，其中毫米波波段應用領域最少。與波長更長的電磁波相比，毫米波雷達的輻射功率更小，內部噪聲和氣象雜波更高。但是用在汽車上，毫米波雷達的精度遠不如激光雷達攝像頭，幹擾和噪聲的問題也存在。
我們常見的用於ACC自適應巡航的毫米波雷達，具有壹定的角分辨率，通過多個發射和接收天線來區分不同車道的車輛。但由於成本原因，壹般只設計平面的角度分辨率，在垂直方向不做區分，無法判斷被識別目標距離地面的高度。
特斯拉發生了兩起轟動的事故，在輔助駕駛下撞上了壹輛白色卡車。最終調查結果顯示，車輛將白色貨車識別為天空和雲層，因此沒有做出避讓或減速反應。這兩起事故顯然與毫米波雷達無法判斷地面前方障礙物的高度有關。隨著特斯拉通過攝像頭識別的純視覺算法越來越成熟，毫米波雷達對特斯拉的意義也在降低。宣布取消毫米波雷達，足以說明特斯拉對其純視覺算法的信心。
但是毫米波雷達真的只是壹個最終會被淘汰的雞肋硬件嗎？顯然不是，毫米波雷達的優勢是目前自動駕駛儀傳感硬件中獨壹無二的優勢。
首先是全天候。毫米波雷達可以在雨、霧、沙等惡劣天氣下正常工作，完全不受陽光、明暗交替等環境因素的幹擾。前者對激光雷達的影響很大，後者會嚴重幹擾相機的正常工作。
特斯拉FSD Beta V9系統發布前，FSD Beta版小範圍測試爆出在明暗交替時會突然異常變慢。特斯拉官方表示，這種現象在FSD Beta V9系統中已經得到了改善。我們不知道特斯拉是怎麽做到的，但人類的眼睛在駕駛進出隧道時會有短暫的失明。目前攝像頭遠不如人眼的耐受性，自動駕駛用的是像素更低的攝像頭。
另壹方面，毫米波雷達是車內唯壹可以同時探測目標物體距離和速度的傳感硬件。毫米波雷達利用多普勒效應在測距的同時可以計算出目標物體的速度。多普勒效應是奧地利物理學家和數學家克裏斯蒂安·約翰·多普勒在1842年提出的。當聲源向觀察者移動時，波的接收頻率變高，而當聲源遠離觀察者時，接收頻率變低。因此，可以利用多普勒效應來測量目標物體與車輛的相對速度，根據車輛本身的速度來獲得目標物體的當前速度。
當然，激光作為壹種波，也可以做激光多普勒雷達，但目前主要用於大氣測量，在汽車上還沒有應用。我們介紹過激光雷達的測距原理，如飛行時間法、相位法、三角測量法等，但這些只能識別目標物體的距離。如果想知道目標物體的速度，需要通過多組數據來計算。在測距方面，照相機遠不如雷達精確。
有了以上兩個優勢，毫米波雷達勢必在自動駕駛感知的硬件上獲得壹席之地。即使壹路狂奔的特斯拉宣布取消純視覺路線的毫米波雷達，也無法撼動毫米波雷達的地位。但是上面提到的毫米波雷達的局限性也是客觀存在的問題。現在業界也在研發新的成像毫米波雷達來提高精度，但因為成本增加，才剛剛開始應用。在接下來的節目中，我們將講述成像毫米波雷達和毫米波雷達的基本原理，了解24GHz和77GHz毫米波雷達是怎麽回事。(文:太平洋汽車網郭睿)