机器视觉 on 反无人机雷达 — 低空监视雷达系统

仿生 FMCW LiDAR 与自适应 4D 机器视觉的兴起

Fri, 25 Apr 2025 00:00:00 +0000

LiDAR 引发关注时，人们往往先看一个数字：分辨率。但更关键的问题通常不是“有多高”，而是“系统把分辨率预算花在了哪里”。这正是具备视线引导能力的、或称仿生的 FMCW LiDAR 值得关注的原因。它不再以同样的密度扫描每个方向，而是对注意力进行重新分配，在保持全局感知的同时，把更高细节的感知资源集中到最重要的场景区域。

这不只是一个光子学问题，更是一个系统设计问题：未来的感知栈，可能不再把每个像素、每个角度、每个目标区域都视为同等重要。

这里所说的“仿生”是什么意思

“仿生”并不是为了模仿而模仿，它指的是一种类似视网膜的感知策略。人眼并不会以统一分辨率处理整个场景，而是将广域背景认知与局部聚焦注意力结合起来。仿生 LiDAR 的思路，就是把这种逻辑迁移到机器感知中。

落到实际应用上，这意味着：

保持足够的广域覆盖，以保留上下文信息；
识别关键区域；
在更有操作价值的地方投入更高的感知密度。

之所以重要，是因为感知系统几乎总要面对同一个取舍：既想要更大覆盖范围、更多细节、更低功耗、更低成本，还要更低复杂度。单纯做均匀扫描，并不能高效解决这个矛盾。

为什么 FMCW LiDAR 不一样

FMCW LiDAR 的吸引力在于，它不仅仅是一种测距技术。与 FMCW 雷达类似，它使用调频连续波，并可通过相干探测，在距离估计之外获得与运动相关的信息。因此，FMCW LiDAR 常被视为一种“4D”感知候选方案：它既能提供深度信息和类似反射率的场景结构，也支持面向速度的感知能力。

这并不意味着所有 FMCW LiDAR 系统都已具备成熟的工程化能力，但它解释了为什么研究界会把它看作比传统飞行时间（ToF）方案更丰富的一类感知架构，尤其是在某些应用场景下。

为什么自适应分配比更大的规格参数更重要

自适应或仿生 LiDAR 的核心，不是“扫得更多”，而是“扫得更聪明”。感知系统通常并不需要在所有地方都达到最高密度，它真正需要的是在正确的时间、正确的位置提供足够密度。

这很关键，因为自适应分配可以带来以下改善：

在即将做出决策的局部区域提升细节；
通过避免不必要的全场高密度扫描提高计算效率；
在不让硬件成本随场景规模线性增长的前提下，提升系统整体可用性。

换句话说，自适应感知是一种资源分配策略，而不只是一个传感器特性。

为什么这被称为 4D 机器视觉

“4D”这个说法经常被泛化使用，因此需要更准确地理解。在这里，它通常指系统不仅要感知三维空间位置，还要同时感知运动或时间行为，从而支持对场景随时间变化的理解。

这之所以重要，是因为未来的机器视觉系统不再只看“能不能看到场景”，而是要看它能否：

找到真正重要的区域；
保持时间维度上的相关性；
量化场景是如何变化的。

这也是相干 FMCW LiDAR 研究受到关注的原因之一。它体现了感知系统应当是动态且选择性的，而不是机械地穷尽整个场景。

对真实系统可能意味着什么

在短期内，几乎不会有部署直接用自适应 FMCW LiDAR 去取代现有的全部感知栈。更现实的启示其实是架构层面的：未来系统可能越来越多地结合：

广域上下文感知；
局部高细节探测；
以及能够动态改变传感器行为的软件。

这种思路已经出现在许多安防和自动驾驶类系统中。广域巡检与高细节确认，通常并不会在同一层、以同样方式完成。

为什么这对安防和监视同样重要

即便不使用 LiDAR，安防平台也正在向同样的思路演进：

雷达负责持续监视；
光学设备负责高细节确认；
控制软件决定下一步把注意力放到哪里。

因此，即使读者当前并不采购 LiDAR，这类自适应 LiDAR 研究仍然有价值。它强化了一个已经被安防实践反复验证的结论：最强的架构，往往是最懂得把注意力花在正确位置上的架构。

热成像摄像机与雷达：夜间监视该怎么选

Tue, 20 Jan 2026 14:08:00 +0800

夜间监视常被描述为雷达与热成像之间的选择题，但从实际工程角度看，这种说法掩盖了真正的问题。关键并不是现场更想要哪一种传感器，而是任务到底需要尽早发现、稳定跟踪、视觉确认，还是三者都要。

热成像摄像机和雷达在这一流程中承担的作用并不相同。

热成像摄像机到底能补什么

热成像摄像机测量的是目标辐射的红外能量，而不是可见光反射，因此它在夜间依然能够形成对比，不依赖日光。车辆、人员以及刚刚受热的表面，即使在可见光摄像机难以工作的环境中，也可能仍然清晰可辨。

因此，热成像常见的价值主要体现在：

确认被探测到的对象是人员、车辆还是其他目标；
帮助值守人员在夜间做出判断；
在可见光照明不足的场景中维持视觉感知。

但热成像本质上仍是视距传感方式。如果目标被地形、墙体、建筑物或浓重环境遮挡物挡住，摄像机无法“穿透”遮挡恢复现场。

夜间雷达增加了什么能力

雷达是主动式传感器，会发射能量并接收回波，因此黑暗本身并不是它的主要障碍。这也是雷达在夜间监视中更具吸引力的原因之一：即使可见光条件很差，它依然能够持续提供距离、运动和覆盖范围上的感知。

从实际应用来看，当任务需要以下能力时，雷达通常更有优势：

在较大扇区内完成初始探测；
保持目标运动信息和轨迹连续性；
可靠地把其他传感器引导到正确区域。

这并不意味着雷达可以替代成像，而是说明雷达往往先解决“搜寻”问题，再由热成像去完成“确认”。

为什么夜间环境并不会让所有传感器都同样受益

夜间监视并不是一个统一的环境。某些场景干燥、开阔；某些场景湿度高、杂波多、热源密集，或者受到建筑和树木遮挡。这些差异会直接改变不同传感器的有效性。

当目标与背景温差变小，或者降雨、起雾降低图像质量，或者场景中存在大量热干扰时，热成像的可解释性会下降。雷达不受黑暗影响，但它仍然要面对几何遮挡、杂波、多径反射等问题，而且一个干净的轨迹并不总能直接告诉操作员目标究竟是什么。

核心区别

问题	热成像摄像机	雷达
主要优势	视觉确认	探测与跟踪
对光照的依赖	低	不依赖可见光
对视距的依赖	高	仍受几何条件影响，但不受黑暗本身影响
输出内容	基于图像的目标判断	距离、方位、运动和轨迹数据
最适合的夜间角色	确认	搜索与引导

为什么热成像不能取代雷达

热成像摄像机可以告诉你“那里有东西”，但它并不天然具备雷达那样的广域搜索能力。如果现场搜索范围很大，摄像机要么只能覆盖一个很窄的视场，要么就必须不断转动。这就带来了覆盖范围与细节分辨率之间的取舍。

另外，热成像的效果高度依赖场景对比度。当目标与背景的热差不明显时，尤其是在表面受热不均或热背景复杂的环境里，解释难度会明显上升。

为什么雷达也不能替代热成像

雷达可以在不依赖图像的情况下完成探测和跟踪，但这对某些流程来说还不够。如果操作员需要迅速判断轨迹是人员、车辆、鸟类，还是低空无人机，那么热成像或可见光确认层就非常重要。

问题并不是雷达失效，而是单纯的轨迹信息未必足以支撑足够果断、足够可信的响应决策。

天气与几何条件会改变结果

这类系统不能只按抽象参数来比较，因为当地环境会直接决定哪一种弱点更关键。

如果搜索扇区很大，雷达通常更有价值，因为摄像机无法在足够细节下覆盖全部区域；
如果保护区域较小、入侵路径相对固定，且值守人员能够持续盯防，热成像可能承担更多实际工作；
如果雾、雨、地形遮挡或建筑遮蔽是主要问题，那么部署几何和联动流程的重要性，往往不亚于传感器本身的参数。

更合理的夜间监视架构

在大多数严肃的夜间监视系统中，更强的做法通常是：

由雷达负责搜索和轨迹维护；
由指挥平台对事件进行优先级排序和过滤；
再由热成像光电设备进行确认与研判。

这种架构比起强行让热成像摄像机同时承担广域搜索和决策判断，更加稳健。

什么时候热成像优先仍然可行

在以下情况下，热成像主导的夜间监视仍然有实际价值：

保护区域较小；
可能的进入通道较窄；
运行重点更偏向识别和确认，而不是提前预警。

但对于大范围区域、快速移动目标，或分层低空安全场景，雷达通常很难被绕开。

更好的采购问题

与其问哪一种传感器在夜间更强，不如直接问：

哪一层必须先发现目标；
哪一层必须证明目标是什么；
搜索范围有多大；
操作员能容忍多大的不确定性后再升级处置。

这些问题往往会说明，雷达和热成像在同一套夜间监视链路中承担的是不同任务。

结论

在夜间监视场景中，热成像摄像机和雷达通常不应被视为互相替代的产品，而应被视为互补关系。热成像帮助操作员判断“目标是什么”；雷达帮助系统判断“目标在哪里、是否在以需要关注的方式移动”。更强的系统架构，通常是把两者结合起来使用。