为何选择机器学习
增强4D雷达性能？
4D成像雷达是什么？
核心应用场景有哪些？
技术难点在于什么？
激光雷达和4D雷达，谁才是下一个主角？
安波福·总工聊天室
正式上线“开聊”！ 在这里我们共同聚焦前沿技术 共话产业趋势，展望出行未来
首期内容让我们聚焦「4D成像雷达」 针对其中诸多行业热门问题 请安波福中国研发中心产品开发总监 张磊为我们答疑解惑
除了视频版，我们也贴心地 准备了图文版，供大家阅读~
第一期 应用机器学习增强4D成像雷达性能
本期嘉宾
张磊 Neil Zhang
安波福中国研发中心产品开发总监
日前，第四届汽车雷达前瞻技术展示交流会在苏州召开，张磊先生受邀参加并发表“应用机器学习增强4D成像雷达性能”的主题演讲。
访谈目录 ① 为何4D雷达近期在行业中变得很热？ ② 4D雷达是什么？ ③ 4D雷达的前景和核心应用场景有哪些？ ④ 发展4D雷达的技术难点有哪些？ ⑤ 为何选择利用机器学习增强4D雷达性能？ ⑥ 4D雷达何时可以大规模上车？ ⑦ 激光雷达和4D雷达谁才是下一个主角？
为何4D雷达近期在行业中变得很热？ 总 工 观 点 Dialogue with Chief Engineers
一个是整个市场的需求 之前的普通传感器 性能不足以支撑L2++功能的开发 从我们客户端感觉到很强烈的需求 现在你需要提供更好的传感器
第二个方面是产品本身 之前4D雷达一直没有办法大规模量产 一个主要原因就是成本 随着半导体工艺和整个芯片工业的发展 我们增强了产品性能，成本却没有显著增加 从这两个方面可以看到 其中既有市场的需求，也有产业的速度 于是我们到了这个引爆点 就能够从概念阶段发展到大规模推向市场
4D雷达是什么？ 总 工 观 点 Dialogue with Chief Engineers
因为多了一个维度 4D雷达比之前的雷达 多了至少一倍的感知能力 简单来讲，比以前看得更精细了
4D雷达的前景和核心应用场景有哪些？ 总 工 观 点 Dialogue with Chief Engineers
之前对于L2 我们主要面对的感知对象是障碍物 对于环境，我们是要忽略掉的 那么到L2++的过渡过程中 除了对目标的感知 还需要更多地去感知环境
因为在迈向L2++的过程中 实际上是部分地解放驾驶员的双手 很多驾驶责任逐渐向自动驾驶系统转移 当前的雷达性能显然是不够的 所以4D雷达是伴随着高阶自动驾驶自然出现的
发展4D雷达的技术难点有哪些？ 总 工 观 点 Dialogue with Chief Engineers
如何在一个比较小的封装体积里面 放下如此多的收发天线？ 同时因为天线多了，接受的数据也多了 那么相应的，要提高你的处理能力 那么这个处理能力 是放在雷达前端，还是放在后端？
怎么去解决他这个算力、 成本、功耗等一系列挑战？ 同时因为数据多了 也要同步更新我们的算法 这都需要我们投入大量的研究工作 来不断提升它的性能
为何选择利用机器学习增强4D雷达性能？ 总 工 观 点 Dialogue with Chief Engineers
4D雷达并不是自然而然和机器学习联合在一起的 安波福是非常创新的一个公司 我们把新的目前最火的机器学习 引入到我们的产品里面去 给我们的产品赋予新的活力
安波福作为传统雷达领域里的先入者 在这个领域拥有非常深厚的经验积累 这将帮助我们设计得更可靠、更安全 更能满足我们客户的需求
4D雷达何时可以大规模上车？
激光雷达和4D雷达，谁才是下一个主角？
……
看完本期总工聊天室 你还有什么问题或者感兴趣的话题 请在评论区留言告诉我们 下一期总工聊天室我们不见不散哦！
- END - 原文始发于微信公众号（安波福中国）：关于4D雷达，你想知道的都在这里
为促进行业的交流与发展，艾邦建有汽车毫米波雷达产业交流群，奥迪、奔驰、宝马、丰田、海拉、博世、维宁尔、大陆、安波福、法雷奥、电装、华为、德赛西威、均胜电子、华域、宝理、丰田合成、Zanini、四维尔、麦格纳、敏实、伟巴斯特、SABIC、科思创、巴斯夫等产业链上下游的朋友入群探讨，共谋进步。长按下面二维码申请加入。
Chinese 
English