角雷达在 BSD 和 LCA 里怎么工作

BSD 和 LCA 到底在管什么？

BSD（盲区监测）解决"后视镜死角里有车你没看见"；LCA（变道辅助）在你要变道时，若侧后方有车快速逼近就报警甚至干预。两者都盯着车身侧后那片后视镜够不到的区域，而角雷达正是为这片区域而生。

没有侧向雷达，变道安全就退回纯靠人眼，高速上风险陡增。

角雷达装哪、看哪？

典型布局是左右后角各一颗，朝后外下方，覆盖邻道与后侧。视野要广（±60°~±75°）才能扫到侧后大范围，距离参考 50–70m 足够覆盖变道决策所需的预警时间。

部分方案在前角也加雷达，看前方穿行与匝道汇入。前后角合起来，车身四周中短距一圈基本补齐。

角雷达和前向雷达的分工？

前向雷达看远、看主车道；角雷达看广、看侧后。两者数据融合成整车目标列表，BSD/LCA 只取侧后目标做判断。分工清晰：前向管"前面撞不撞"，角雷达管"侧面变不变得"。

混淆两者会出问题——用窄视场前向去看侧后，根本扫不到；用远距角雷达去看正前，距离和视场都不匹配。

小目标（摩托车）为什么容易漏？

摩托车 RCS 小，回波弱，且常在角雷达视场边缘。若算法过度滤除弱目标，最容易丢的就是摩托。BSD 场景里漏摩托尤其危险，因为变道时它正高速逼近。

对策是保留弱小目标、结合多普勒（运动目标优先）和跟踪，不轻易把"小且动"的点当杂波。

角雷达的能力边界？

上表为量级参考，以实车为准。

和摄像头怎么配合最稳？

角雷达给距离和速度，侧视摄像头给目标类别（是车、摩托还是立柱）。融合后既能早预警，又能减少把路牌立柱当车的误报。纯雷达方案在类别判断上偏弱，纯视觉方案在恶劣天气偏弱，组合最稳。

结论：角雷达以广角中短距监测车身侧后，是 BSD 与 LCA 的传感器主力，常见左右后角各一颗覆盖邻道。它和前向雷达分工明确，且需保留摩托车等小目标、结合多普勒与跟踪防漏检。与侧视摄像头融合能补类别判断、降误报，组合方案最稳。

城区辅助驾驶对雷达的新要求？

城区目标密集、切入频繁、静止障碍多，对角分辨和静态目标识别要求陡增。普通雷达在路口容易把护栏和车辆混在一起，4D 成像雷达因为多了高度维，判别能力更强。

同时城区对成本更敏感，所以常是前向 4D + 四角中短距的组合，用分区覆盖换性价比，而不是堆最贵的硬件。

城区还有大量低速博弈场景，对刷新率和多目标跟踪容量要求高。选雷达时不能只看单目标指标，要问“同时跟 64 个目标时还稳不稳”。

雷达和摄像头是互补而非替代，把距离与速度交给雷达，语义交给视觉，融合才稳。

任何场景都别只信实验室数据，实车在多径、天气和交通流下的表现才是真正可用的边界。

泊车与低速场景雷达怎么用？

泊车主要靠 SRR 近距广角雷达看车身周边，配合超声波做兜底。它在地库、小区这种近距密集环境里比长距雷达更顶用，能识别邻车开门、立柱和穿行行人。

低速场景对刷新率要求高、对距离要求低，所以 SRR 的算法取向和前向完全不同。把它和环视摄像头融合，泊车辅助的可用边界会明显拓宽。

需要强调，泊车雷达的误报会引发频繁刹停，体验很差。所以近距探测要在灵敏度和误报之间精细平衡，靠多帧一致性而非单帧触发。

任何场景都别只信实验室数据，实车在多径、天气和交通流下的表现才是真正可用的边界。

功能等级越高，对静止目标和高位障碍的判别越重要，这也是为什么高阶方案普遍上 4D。

robobus 与商用车的特殊点？

商用车体型大、制动距离长，对远距和俯仰判别更依赖雷达。车高带来的盲区也更大，需要把前角与后角雷达布得更全，减少转弯和并线的感知空洞。

另外商用车运营强度高，雷达的温区、振动和寿命要求更严，选型时要按营运工况而不是乘用车企标去卡，否则后期故障率会很难看。

营运车辆还有“可维护窗口短”的特点，雷达的诊断与远程标定能力要更强，尽量把问题在进站保养时一次性解决，减少路上趴窝。

功能等级越高，对静止目标和高位障碍的判别越重要，这也是为什么高阶方案普遍上 4D。

落地时建议先跑通主场景再补边缘，用迭代而不是一步到位，既能控成本也能控风险。

高速领航里雷达到底管什么？

高速场景核心是远距前向感知：跟车距离、前车切入、静止车辆识别，这些都靠前向长距雷达在 150m 外就给出稳定目标。它和摄像头互补，摄像头看语义、雷达看距离和速度。

没有雷达，纯视觉在逆光、夜间、恶劣天气下会明显退化。把雷达做成高速领航的主距离源，系统可用性才扛得住全工况，而不是只在晴天好用。

在匝道汇入、隧道出入口这类光照突变处，雷达的稳健性尤其关键。我们把前向雷达的目标列表作为融合的主基准，视觉作为语义增强，分工明确。

落地时建议先跑通主场景再补边缘，用迭代而不是一步到位，既能控成本也能控风险。

场景决定指标优先级，高速看远距、城区看分辨、泊车看近距，按价值分配预算比堆料更聪明。