超声波雷达和毫米波雷达的区别你知道吗？毫米波雷达通过发射无线电信号来探测周围物体，而超声波雷达则通过发射和接收超声波来测量障碍物距离。毫米波雷达不受天气影响，但分辨率低，对金属敏感。超声波雷达成本低廉，近距离抗干扰能力强，但受温度影响大，远距离精度不足。特斯拉计划取消超声波雷达，转而采用纯视觉方案，这引发了业界的广泛讨论。纯视觉方案依赖摄像头和算法，但在光线不佳或障碍物难以识别的情况下，其效果存疑。目前，多传感器融合方案被认为更安全，能够提供感知冗余。特斯拉的这一决策是否明智，还有待市场和时间的检验。
先简单说下毫米波雷达，超声波雷达是啥。
毫米波雷达的工作原理就是通过发射无线电信号(毫米波段)，再将反射的零散信号收回，来探测感知周围物体，通过算法(阈值去掉噪声值留下信号能量峰值)得到反射点的信息，再得到汽车和其他物体之间的相对距离、相对速度、角度、运动方向等。
由于毫米波雷达的穿透性较好，可以轻松穿透塑料，所以常安装在汽车的前保险杠处，塑料板的里面。
毫米波的最大优点就是无视天气，穿透雾气、烟尘的能力强，受到环境因素影响较小，可以保障在日常情况下的使用。
毫米波雷达早期为24GHZ，探测距离短，精度低，探测距离大概50米到100米，精度大概是40-70CM的分辨率。而最近两年推出的77GHZ的探测距离远，能达到200米以上，精度相对较高，大概是10-40CM分辨率。但因为成本较高，还是主要用在高端车型上，如果要达到更好的辅助驾驶级别，一般至少一个77GHZ毫米波雷达(车头)搭配多个24GHZ毫米波雷达(车侧)来使用。
毫米波雷达虽然成本较激光雷达低，工艺也成熟，元器件也小，但是它也有着致命的缺点，那就是分辨率低，无法清晰辨别较小的物体，且对金属极为敏感。
而超声波雷达是通过发射并接受超声波(机械波)，根据时间差算出障碍物距离，测距精度达到1-3CM。
超声波雷达一般有UPA和APA，APA和UPA的工作频率不同，不形成彼此干扰。
UPA的探测距离一般在15CM-250CM。通常安装在汽车前后保险杠上，用于辅助泊车。
APA的探测距离在30-500CM，如果要进行自动泊车，车辆的侧面也会装有超声波的传感器，用于测量侧方障碍物的相对距离，这里一般用的是APA.因为APA的探测距离较远，也可用在驾驶的时候探测后方、侧面是否有来车过于靠近。
超声波的优点是成本极低，制作方便，遇到障碍物后反射效率高，且耗能低，与障碍物近距离时的抗自然因素干扰能力强，雨雪沙尘等恶劣天气都能使用，也不受光暗度的影响。
其缺点就是因为是机械波，所以受温度影响较大。零摄氏度的波速为332m/s，30摄氏度的波速为350m/s，所以温度过高或者过低，车速如果过快，都会造成超声波测距的误差，所以现有的绝大部分辅助泊车还是自动泊车，实际都是要求人的视线同步进行观察的。
就是因为超声波散射角大，方向性不集中，距离稍远就无法精准描述障碍物位置，在测量更远距离目标时，根本无法保障精度。
上述这个超声波雷达的弊病，也是很多人对自动驾驶AEB不理解的地方。
我不止一次地看到有人不解评论，甚至还有汽车行业的人问，为什么辅助驾驶看到前方这么大一个障碍物，比如翻倒的车辆，一个大箱子，都不会报警，还会速度不减地撞上去。而我在倒车，牵车的时候，一个小障碍物影响到了我的车辆前进后退，车辆都会报警。
当作者解释说，因为毫米波雷达和摄像头无法确认前方有障碍物，反而这些评论的人更加迷惑，那要什么分辨啥障碍物，像倒车一样，就如同自动泊车一样，后面有障碍物靠近了，不停报警，再不管刹停就好了啊。
但是因为倒车的原理是用超声波雷达的特性，在近距离可以很精确判断后方有无障碍物，但是超声波雷达距离越远灵敏度越差，5米以上就无法判断障碍物的相对距离，且方向性较差，无法精准描述障碍物位置。所以车辆中高速行驶中，如果前方一百米处有障碍物，超声波雷达是无法辨别出来具体方位的，等靠近了几米后报警再刹停。因为车的时速已经起来，百公里刹车都是三四十米起，用超声波雷达来测距再刹停，黄花菜都凉了。
再举一个例子，为什么一个简单的自动低速倒车，大部分车企都是采用的超声波雷达和摄像头的视觉方案。
超声波雷达是靠发射、接受超声波，能感知近距离的障碍物，判断障碍物和车辆之间的距离，但是无法感知地面划的标线。
所以还需要摄像头来分辨停车位，需要对停车位及车位的特征提取，无论是边缘检测、直线检测，还是对停车位的图像轮廓确定、分割，都需要清晰的照片。
如果光线良好，地面标识清楚，没有其他额外障碍物干扰、遮挡，现在大部分车企的自动泊车基本没有问题。
但如果光线不良，或者阴雨，这种光线暗淡的场景，比如昏暗的地下车库，或者荒郊野外没有光源的情况下，或者障碍物的颜色不容易分辨，比如深色的箱子、暗灰色的石头，或者干脆是黑色的物体，比如一个黑色的麻袋靠在地上，那么就会和夜色融为一体，可想而知光靠摄像头，拍摄照片不清晰，有可能无法准确识别停车位，或者干脆就把后面一片黑当做停车位(哪怕里面有杂物)。
之前特斯拉的AI日，说是仿真测试了视觉下的雨水天气，雾气等光线晦暗的情况，依托算法和高感知的摄像头，号称这些测试都过了测试标准。但我个人觉得，纯粹依靠光学摄像头+车辆本身的光源，是否能够100%识别弱光环境下的障碍物，还是存疑。
因为传统视觉方案受到光线影响较大，对于静态物体的判断就是获取图像帧进行预处理，对颜色、形状(边缘信息)这些简单特征进行检测，用一个简单的阈值去进行背景抑制。或者是根据颜色/形状特征进行候选框的提取，再对候选框进行分类，最后利用候选区域特征和识别网络对比得出静止物体的答案。
所以，弱光下的截取图像本身就差，怎么能保障100%的从背景中识别出来物体，更何况识别出来静态的3D物体。(动态的3D物体，纯视觉方案识别是用2D图像加深度图像结合，利用连续帧来识别。)
如果特斯拉真的能有方法利用神经网络，把摄像头的算法弄得像人眼一样，可以光觉评估障碍物的具体位置，体积大小，什么质地。那个时候真的不知道特斯拉的人眼视觉方案遇到下面的地面图像会怎么处理？会不会又陷入人眼的误区，来个紧急刹停。
或者报警有障碍物，不让人操控车辆通行。或者视觉方案干脆把车位上小孩的涂鸦或者地面广告标识(立体感较强)识别成了立体的障碍物，表示不能停车。
我也试驾了国内最新推出的一些新能源车型。
理想L9前方叠放着交通锥桶，但泊车的时候把前方四五个叠放的歪歪扭扭的锥桶当成了虚无，往前牵车的时候不报警不刹车，当我踩下急刹的时候，车头都已经快贴上叠放的锥桶了。
华为M7把停车位中央躺着的黄色砖头(不足3cm高)当成了地锁，死活不肯停进去。
而小鹏G9，无法识别地面的异样标线，我在路上来回走了几趟，终于靠着另外一辆靠路边的车定位停了下来，但依旧无法如人停车一样紧贴着路边的马路牙子，而是停成了一个斜线，车头冲向了道路中央。
所以，现阶段我还是觉得需要多感知设备一起合作，融合算法来提供一个更安全有感知冗余的智能驾驶了，而不是为了节省成本来做减法。关键特斯拉无论是芯片、算法还是仿真都还不是世界第一的。
(图片来源网络，侵删！)
以上内容由58汽车提供。如有任何买车、用车、养车、玩车相关问题，欢迎在下方表单填写您的信息，我们将第一时间与您联系，为您提供快捷、实用、全面的解决方案。
原创文章，作者：58汽车，如若转载，请注明出处：https://car.58.com/7594685/
