此后，雷達技術不斷發展，成為汽車功能安全的重要使能技術，預計 2033 年汽車雷達市場規模將突破 180 億美元，助力工程師部署高級駕駛輔助系統(ADAS)。現代汽車的諸多功能，如自動緊急制動系統、前方碰撞預警、盲點檢測、變道輔助、后方碰撞預警系統、自適應巡航控制、自動跟車啟停等，都離不開雷達。

　　多年來，提高雷達分辨率是工程師面臨的重要挑戰，而近年來的創新技術使雷達在目標檢測方面能提供更精確信息。傳統 3D 汽車雷達傳感器利用無線射頻探測物體的距離、位置和多普勒效應(速度)。為提升雷達在安全價值鏈中的作用，助力自動駕駛，業界不斷突破 3D 雷達的局限。2022 年以來，歐洲電信標準協會(ETSI)和美國聯邦通信委員會(FCC)制定頻譜法規和標準，歐美逐步淘汰 24GHz 超寬帶(UWB)雷達頻率，同時開放 76GHz 到 81GHz 的 5GHz 連續頻段，遠距離探測用 76GHz 頻段，短距離、高精度探測用 77 - 81GHz 頻段。更高頻率、更寬帶寬的先進汽車雷達系統可提升距離分辨率，例如，24GHz 雷達系統距離分辨率為 75cm，77GHz 雷達系統提高到 4cm，能更好地探測靠近目標。這推動了 4D 雷達的發展，4D 雷達在 3D 雷達數據基礎上，可提供物體垂直位置等更準確、詳細的 3D 空間信息。4D 成像雷達的出現，讓自動駕駛汽車能以更高分辨率探測小物體，繪制更完整的 “全方位” 環境地圖，正確解釋垂直視角物體，避免誤判。

　　人類駕駛員在復雜交通環境中需綜合視覺、聽覺及經驗等信息，自動駕駛汽車則依靠雷達傳感器、攝像頭、激光雷達和車聯網(V2X)系統等提供準確數據來感知交通環境。各數據流與 ADAS 或自動駕駛算法通信，幫助汽車感知物體相對位置與速度，控制算法觸發被動或主動反應。

　　目前，汽車制造商和雷達模塊提供商通過軟件和硬件測試雷達模塊功能。硬件測試主要有兩種方法：一是使用角反射器，代表靜態目標，但改變場景時需移動反射器;二是使用雷達目標模擬器(RTS)，可電子仿真雷達目標，模擬靜態和動態目標及相關參數。不過，在復雜場景且目標數量超 32 個時，基于 RTS 的功能測試存在缺點，也無法鑒定 4D 和成像雷達探測擴展目標(由點云表示的物體)的能力，無法還原現實世界的復雜性。

　　機器學習助力開發人員訓練 ADAS 算法，更好地解釋雷達等傳感器系統的數據并分類。基于 “you only look once”(YOLO)的雷達目標檢測方法，能同時精確探測和分割多個物體。在自動駕駛系統進行道路測試前，嚴格測試物理雷達傳感器和 ADAS 算法至關重要。汽車制造商采用雷達場景仿真技術，將真實道路場景 “搬” 進實驗室，進行 360 度全方位仿真測試。新的雷達場景仿真技術利用光線追蹤和點云技術，從高度逼真的交通仿真場景中提取數據，更好地檢測和區分物體。通過新型毫米波(mmwave)空中下載(OTA)技術，雷達場景仿真器可生成多個不同距離和速度的靜態和動態目標，為雷達傳感器測試提供更真實場景。在雷達場景仿真中，傳感器和算法可快速進行多次設計迭代，修復錯誤和微調設計，對上路前的駕駛測試幫助很大，還能助力汽車制造商開發變量處理應用，如驗證保險杠設計等對雷達功能的影響。自動駕駛平臺提供商和雷達系統制造商可通過可重復和可定制的場景，增強車輛對不同真實交通場景的感知能力，為自動駕駛算法提供大量數據用于機器學習。高速數字信號處理(DSP)在微調雷達檢測結果時也起著關鍵作用，能采集行人等目標的多種信息，訓練雷達算法識別目標。

　　從芯片設計到制造再到雷達模塊測試，汽車雷達設計、開發和制造的每個環節都需嚴格測試。毫米波頻段用于汽車雷達應用面臨諸多挑戰，但也推動著雷達技術不斷創新發展，向超級傳感器演化。未來，隨著技術的持續進步，汽車雷達有望具備更強大的功能，如更精準的目標識別、更智能的決策輔助等，與其他傳感器深度融合，為自動駕駛帶來更高的安全性和可靠性，在智能交通領域發揮更大作用，打開無限想象力。