通過多傳感器的融合使用，自動駕駛系統可以得到一個更加精確的結果模型，進而提高自動駕駛系統的安全性和可靠性。如毫米波雷達能夠彌補攝像頭受陰雨天影響的弊端，能夠識別距離比較遠的障礙物，但是不能夠識別障礙物的具體形狀;激光雷達則可以彌補毫米波雷達不能識別障礙物具體形狀的缺點。因而要想融合不同傳感器的收集到外界數據為控制器執行決策提供依據，就需要經過多傳感器融合算法處理形成全景感知。

　　下面為大家介紹實現高級別自動駕駛的三大關鍵傳感器：4D毫米波雷達、激光雷達及紅外熱成像。

　　4D毫米波雷達

　　毫米波雷達可以說是最早應用于量產自動駕駛的傳感器，精度雖沒有激光雷達高，但在眾多傳感器類別中仍處于較高水準，對霧、煙、灰塵的穿透能力極強，在惡劣天氣條件下，整體表現更好，主要作為測距和測速傳感器而存在。當前，毫米波雷達的單車搭載數量仍處于較低水平。2022年1-8月，乘用車新車交付單車搭載毫米波雷達僅為0.86顆。

　　這倒不是說傳統毫米波雷達性能并不優秀，對于L2+級別的汽車，毫米波雷達高分辨率帶來的穩定的點云收集是車輛完成360°環境感知的關鍵。但這還不夠，對L3、L4及以上的車型來說，感知精度和融合效果則大打折扣。隨著今年4D毫米波雷達陸續開始上車，2023年將是真正進入規模化前裝量產的大年。根據Yelo的預測，到2027年，全球4D毫米波雷達市場規模將達35億美元。

　　目前，市場上對于4D成像雷達的應用，主要是兩個方向，其一是替代傳統低分辨率前向雷達，滿足高階智能駕駛多感知融合性能的提升。第二個主力應用場景，就是行泊一體4D環繞高分辨率(分為點云增強和成像)雷達，性能會略低于前向雷達。

　　激光雷達

　　今年以來，“激光雷達上車”已經成為了汽車智能化的最新“標簽”，廣州車展上，包括小鵬G9、威馬M7、哪吒s、沙龍機甲龍等越來越多的車型都搭載了激光雷達。相較于普通雷達，激光雷達具有分辨率高，隱蔽性好，抗干擾能力強等優點，被比喻為自動駕駛車輛的“眼睛”，決定著自動駕駛行業的進化水平，是實現自動駕駛落地“最后一公里“中極為重要的一環。

　　激光雷達在對信息精度具備苛刻要求的高級別自動駕駛中具備不可替代的優勢。目前，無論是造車新勢力，還是傳統主機廠，亦或是互聯網企業都在布局，帶動激光雷達產能需求驟然攀升。據佐思汽研統計，2022年H1國內乘用車新車激光雷達安裝量達到2.47萬顆;2022年下半年，國內擬交付的激光雷達新車達10余款，包括小鵬G9、威馬M7等，將大幅提升激光雷達上車量，預計全年總安裝量有望突破8萬顆。

　　紅外熱成像

　　相比于傳統CIS和激光雷達，紅外熱成像在高動態范圍、雨天、霧天、暗光及沙塵暴等多種場景下優勢明顯，引入高等級的自動駕駛方案是必然趨勢。集成紅外探測器的紅外熱成像設備由于能夠探測熱量因而特別適合區分行人和其他無生命障礙物，具有其他傳感器沒有的優勢，而且不受雨霧煙霾和光照條件影響，觀測距離可至數百米遠，未來將會在自動駕駛領域占領一席之地。

　　此前，紅外熱成像未能實現“上車”的主要原因是價格居高不下。近年來，隨著紅外熱成像芯片等關鍵原材料的國產化，成本下行，在民用領域得到了廣泛的應用，自動駕駛將快速打開紅外探測器市場的規模。中研產業研究院數據顯示，2020年中國紅外熱成像儀市場規模達66.8億美元，預計2021年將按10.8%的年復合增長率繼續增長，預計2025年中國紅外熱成像儀市場規模將達到123.4億美元。

　　結語：多傳感器融合的自動駕駛方案是未來汽車發展的必然趨勢。將多個傳感器信息進行融合，能夠彌補單個傳感器的局限，可以提高自動駕駛系統的安全冗余性、數據可靠性等。但各個傳感器的坐標系不同，數據形式不同，甚至采集頻率也不同，因此融合算法的設計并不是一件簡單的任務。