4D 角位成像雷达 I4-C
一、产品概述
I4-C 是把 4D 成像能力放到车身四角的雷达，参考探测距离 70m、水平视场 ±75°，兼顾广角与点云。它的定位很清晰：在变道、泊车、低速穿梭这些场景里，提供带高度信息的近距感知。
角位 4D 的价值在于泊车时能分清路沿、立柱与行人，变道时给邻道目标更丰富的轮廓。常规角雷达只给目标列表，I4-C 给点云，下游算法更从容。
它和前向 4D 是互补关系：前向看远、角位看近广，四颗合起来构成带高度的近场包围。
二、技术参数
| 参数 | 取值 |
|---|---|
| 工作频段 | 76–79GHz |
| 最大探测距离 | ≥70m |
| 水平视场角 | ±75° |
| 点云密度 | ≥800 点/帧 |
| 水平角分辨 | ≤1.5° |
| 俯仰角分辨 | ≤2° |
| 测速精度 | 优于 0.1m/s |
| 通道数 | 4T8R |
| 更新率 | ≥20Hz |
| 工作温度 | -40℃~+85℃ |
上表为参考，具体以实测为准。
三、应用场景
- 四角成像布置：四颗覆盖车身四周近场。
- 变道与泊车感知：邻道与车位目标带高度信息。
- 低速轮廓与高度感知：区分路沿、立柱与行人。
四、选型建议
I4-C 适合已经上 4D 架构、希望把高度感知扩展到近场的车型。四角布置要评估多颗 4D 的数据总量与域控压力。若只做基础 BSD/LCA，常规角雷达更经济。
布置遵循高位朝外，并和前向 4D、摄像头融合成完整感知。
五、交付与质量
I4-C 逐颗校准并验证四角一致性，提供点云、广角与近距测试数据。我们配合车厂做四角联合标定与多雷达互扰验证，并建议把泊车与变道工况纳入量产回归。
八、标定与下线校准
通道数更多意味着校准项更多：幅相一致性、相位、时延、隔离都要逐颗过。我们把校准数据和版本绑定，保证每颗雷达可被追溯。
整车端做安装标定时，要把俯仰安装角一并量化，避免“装歪”直接变成高度误判。这是 4D 比普通雷达更讲究的一步。
由于虚拟通道极多，校准耗时较长，我们在产线用并行多端口测试方案压缩节拍，把单颗校准控制在可接受工时内。
俯仰维带来的栅瓣问题要在阵列和加窗上专门处理，否则地面强反射会被误投到空中。
校准耗时随通道数上升，产线要用并行多端口方案压缩节拍，否则会成为产能瓶颈。
九、典型失效与排查
4D 雷达点云杂乱，先查通道隔离和幅相一致性是否超差，再看温区补偿。高度判别出错多来自俯仰标定偏差，抓一帧点云看高度分布就能确认。
虚警偏高时，优先核实波形规划和跨雷达校验，再考虑超分辨算法的稳定性。低信噪比下超分辨会抖，需要跟踪滤波兜底。
若整帧点云出现周期性格栅状假目标，通常是某发射通道自激或隔离击穿，应立即停线排查该批次射频前端。
校准耗时随通道数上升，产线要用并行多端口方案压缩节拍，否则会成为产能瓶颈。
与前向普通雷达配合时，明确“4D 管高位静止、普通管远距跟车”的分工，互补不替代。
十、与前向普通雷达的关系
4D 成像常放在前向做高阶感知，普通雷达放在四角做性价比覆盖。我们建议把两者输出对齐，让融合层能无缝拼接收敛。
在同一安装位从普通前向升级到 4D，接口尽量复用，降低整车改动量，也便于分阶段量产。
需要明确分工：4D 负责静止目标与高位障碍判别，普通雷达负责稳定远距跟车，二者互补而不是互相替代。
与前向普通雷达配合时，明确“4D 管高位静止、普通管远距跟车”的分工，互补不替代。
4D 的价值最终体现在误刹减少和静止目标判别上，验收时应把这两类场景作为硬指标。
十一、交付与售后支持
量产地我们提供点云质量、俯仰测角、距离速度测试报告，并配合联合标定与功能安全论证。软件迭代提供回归用例。
售后把漏检、误刹按场景归档，回灌到信号处理与融合，再用固定用例库验证，形成持续改进闭环。
我们提供点云可视化与回放工具，帮助车厂算法团队在实验室复现现场问题，缩短跨团队定位时间。
4D 的价值最终体现在误刹减少和静止目标判别上，验收时应把这两类场景作为硬指标。
点云虽好，但域控带宽有限，建议按功能等级逐步开放，先目标级跑通再上高密度点云。
六、俯仰通道与高度分辨
4D 成像雷达增加俯仰维，靠更多通道在高度方向形成虚拟孔径。能否分清“龙门架”和“真实障碍”，就看这一维的分辨是否干净。
我们建议把俯仰测角精度和高度判别作为单独验收项，而不是只看方位角。AEB 减少误刹的关键，往往就在这一个维度上。
俯仰维也带来旁瓣控制难题：高度方向的高栅瓣可能把地面强反射误投到空中，我们在线阵排布和加窗上做了专门优化。
点云虽好，但域控带宽有限，建议按功能等级逐步开放，先目标级跑通再上高密度点云。
俯仰维带来的栅瓣问题要在阵列和加窗上专门处理，否则地面强反射会被误投到空中。
七、点云与算力匹配
4D 雷达输出的是高密度点云，对域控带宽和算力要求明显高于传统雷达。输出格式、帧率和压缩策略要和整车平台一起定，否则数据会撑爆链路。
我们提供可配置的点云与目标两种输出模式，便于在不同算力平台上取舍，也方便从原型过渡到量产。
实测中我们建议先用目标级输出跑通功能，再逐步开放点云做算法迭代，避免一次性把域控压力拉满导致感知时延超标。
俯仰维带来的栅瓣问题要在阵列和加窗上专门处理，否则地面强反射会被误投到空中。
校准耗时随通道数上升，产线要用并行多端口方案压缩节拍，否则会成为产能瓶颈。
