激光雷达和毫米波雷达能不能互相替代

在自动驾驶、机器人、工业测量和智能安防领域，激光雷达和毫米波雷达经常同时出现。两者都可以通过发射电磁波或光信号、接收目标反射信号来判断物体的位置和距离，因此很多人会产生一个疑问：既然都是“探测距离”，为什么不能用一种传感器直接取代另一种？

答案取决于具体应用。激光雷达和毫米波雷达确实存在部分功能重叠，但它们获得信息的方式不同，对目标的描述能力也不同。现代自动驾驶系统通常并不是简单地在两者之间二选一，而是让不同传感器承担不同任务，再通过传感器融合形成更加完整的环境模型。

激光雷达的基本原理是向环境发射激光脉冲，然后测量光信号从目标返回所需要的时间，由此计算目标距离。通过快速扫描大量方向，可以生成三维点云，因此激光雷达特别擅长描述物体的几何结构。汽车经过路边车辆、行人、护栏或者建筑物时，激光雷达能够提供大量空间位置数据，使系统更加容易建立三维环境模型。

激光雷达的优势首先是空间分辨能力。与传统毫米波雷达相比，它通常能够提供更加密集的三维几何信息，对目标轮廓、边缘以及相互之间的空间关系具有较好的描述能力。Waymo目前仍然将激光雷达作为其自动驾驶感知系统的重要组成部分，并明确表示激光雷达能够形成车辆周围环境的三维图像。

不过，激光雷达并不是一种“全天候完美传感器”。它使用的是光学波段，因此雨、雪、雾、道路飞溅以及空气中的颗粒物都可能对信号产生影响。现代激光雷达已经通过光学设计、信号处理和算法不断改善这些问题，但在极端天气下，光学传感器受到环境影响的物理基础仍然存在。NHTSA的相关资料也指出，激光雷达早期对恶劣天气较为敏感，后续信号处理技术已经改善了对大气噪声的处理能力。

毫米波雷达则使用更长波长的无线电波进行探测。现代汽车雷达大量采用76至81GHz附近的毫米波频段，其重要优势并不只是“能够测距离”，而是能够直接利用雷达回波中的多普勒信息测量目标相对于车辆的速度。因此，在前向碰撞预警、自适应巡航以及目标跟踪等系统中，毫米波雷达一直具有很高的实用价值。

毫米波雷达的另一个优势是对光照条件不敏感，而且通常比光学传感器更加适合雨、雾、雪等能见度较差的环境。Waymo目前的官方技术说明也明确指出，其毫米波雷达可以提供目标距离和速度等信息，并在雨、雾和雪等条件下发挥作用。

但毫米波雷达也有自己的短板。传统汽车雷达在角度分辨率和空间细节方面通常不如高分辨率激光雷达，因此两个距离非常接近、角度也非常接近的目标，可能更难被传统雷达清楚分离。复杂环境中的多径反射、金属表面的强反射、建筑物和护栏产生的杂波，也可能让目标识别和跟踪变得更加复杂。

这里特别需要纠正一个常见误解：毫米波雷达并不是“无法识别静止物体”。雷达可以检测静止目标，只是静止目标与背景之间的速度差异较小，在某些雷达架构和算法中，目标检测、分类和跟踪会更加困难。与此同时，金属也不是毫米波雷达的“穿透盲区”。金属通常具有较强的电磁反射特性，真正复杂的是不同材料、角度、遮挡和多径环境共同形成的雷达回波。

因此，两种传感器实际上形成了很有意思的互补关系。激光雷达更擅长回答“这个空间里有什么形状、在哪里、边界是什么”，毫米波雷达则特别擅长回答“这个目标距离多远、正在以什么相对速度运动”。如果再加入摄像头，系统还可以从图像中获得颜色、文字、交通信号灯以及更加丰富的语义信息。

这也是为什么Waymo没有选择简单地在激光雷达和毫米波雷达之间二选一。Waymo最新一代Driver仍然采用激光雷达、摄像头和雷达组成的多模态传感器系统，并明确强调不同传感器之间的冗余和互补。其第六代系统还特别强调了雷达在雨雪等环境中的作用，同时继续利用激光雷达获得高精度的三维空间信息。

特斯拉则提供了一个完全不同的技术路线。特斯拉过去曾经使用毫米波雷达，但公司从2021年开始逐步转向Tesla Vision。特斯拉2023年的官方资料明确表示，公司在2021年从传感器组合中移除了雷达，并将相关驾驶辅助功能转向以摄像头数据为基础的视觉方案。部分配备旧雷达硬件的车型后来也通过软件和维修程序停用前向雷达。

这说明一个重要问题：传感器之间不存在脱离系统架构的“绝对替代关系”。某一种传感器被取消，并不意味着另一种传感器在物理能力上完全等价，而可能意味着整个感知系统改变了任务分配方式。摄像头、激光雷达和毫米波雷达都可以提供距离或者目标信息，但它们产生的信息结构不同，最终能否不用其中一种，取决于整个感知、计算、算法和安全验证体系。

工业检测也是如此。激光扫描设备可以利用高密度点云进行尺寸、形状和表面几何检测，在三维测量、建筑测绘、机器人定位和质量检测中具有明显优势。但这并不意味着所有工业环境都适合激光。粉尘、烟雾、蒸汽、强反射表面以及恶劣光学环境，都可能影响光学测量效果。

毫米波雷达则更适合一些需要远距离探测、速度测量或者在粉尘、烟雾等环境中工作的应用。工业雷达可以用于液位测量、目标检测、车辆定位和设备监控，但如果任务要求获得非常细致的三维轮廓，传统毫米波雷达通常无法直接提供与高分辨率激光扫描相同的信息密度。

智能安防同样不存在简单的替代关系。激光雷达可以提供空间轮廓和目标位置，毫米波雷达可以提供距离、速度以及全天候目标检测能力。在一些对人员入侵、车辆移动和复杂天气监测有要求的场景中，两者结合能够降低单一传感器受到环境影响后造成的盲区。

真正决定传感器选择的，并不是“谁的精度最高”，而是系统到底需要什么信息。如果目标是精确建立三维几何模型，激光雷达通常更有优势；如果重点是远距离目标探测、相对速度以及恶劣天气下的持续工作能力，毫米波雷达具有明显价值；如果还需要识别文字、交通灯、颜色和复杂语义信息，摄像头又不可缺少。

因此，激光雷达和毫米波雷达可以在某些具体功能上互相覆盖，却很难被简单理解成“一种取代另一种”。现代自动驾驶的发展已经说明，传感器竞争并不只是价格和参数的竞争，更是整个系统如何利用不同物理信号的问题。Waymo目前继续采用激光雷达、摄像头和毫米波雷达的融合架构，而特斯拉则选择了以摄像头为核心的不同路线。

从工程角度看，真正成熟的方案并不是寻找一颗所谓“万能传感器”，而是在成本、探测距离、空间分辨率、速度测量、天气适应性、计算负荷和系统冗余之间找到适合具体任务的组合。激光雷达和毫米波雷达究竟谁能够替代谁，最终仍然要回到一个最基本的问题：系统到底需要知道什么，以及在什么环境下必须知道。