从图3中不难看出，4D毫米波雷达继承了传统毫米波雷达的优点，应对雨雪雾黑夜场景的多普勒信息还增加了高度维度的信息，与主车外参标定后可以获取目标物的高度属性(上下方可穿行、等高)来判断对功能影响。同时还给出了更加丰富的路沿点信息，总体来说，加强了系统鲁棒性。
而对于泊车场景的最后一公里中，宏景智驾也开始探索尝试使用4D成像毫米波雷达的低成本、高点云密度特性来实现对停车场的甬道进行环境感知，提升感知效果。
从图2所展示的毫米波雷达经典信号流程图可以看出，越末端所携带的信息量越少，单一传感器的缺陷就会被逐级放大。安霸中国区市场营销副总裁郄建军日前在某会议中指出，此前业内对于视觉和雷达的融合往往采用的都是后融合或者目标级的融合，随着高阶自动驾驶的逐步落地，多传感器“前融合”将成为必然趋势。基于时空同步的原理，让摄像头、毫米波雷达，激光雷达，IMU等传感器感知到的同一环境信息的原始数据做融合，才能统一生成一个置信水平更高的感知结果。
基于前融合感知架构的趋势，宏景智驾方面表示：他们也在尝试获取4D成像毫米波雷达更底层的信息(例如CFAR之前)来做感知开发。对于这样的大胆尝试，宏景智驾也尝试从成本、技术难点等维度展开对不同毫米波雷达感知方案给行泊一体带来的优劣势分析。
图4 不同信号的感知架构优劣势(数据为预估)
从图4表格的分析来看，将毫米波雷达的更原始更丰富的信号传递给中央域控制器处理，硬件上可以做到一定程度的成本缩减，与此同时在技术实现上，需要满足相当大体量的数据传输，以及更多的逻辑算力消耗来弥补原本毫米波雷达筛选点的计算。当然在计算量爆炸的今天，这并不是落地量产路上的拦路虎。
自动驾驶技术无法依靠单一的传感器一统天下已成为业内共识，而4D毫米波雷达现在还处于发展的早期，相信未来4D毫米波雷达的性能会大大提升，并成为自动驾驶主流传感器方案。
