为了更准确地捕捉周围环境，提供性能冗余，自动驾驶汽车中配备了大量互补的传感器，包括毫米波雷达、摄像头、激光雷达、红外热成像、超声波雷达等。为充分发挥不同传感器的各自优势，高阶智驾感知系统势必朝着多传感器深度融合的方向演进。
通过多传感器的融合使用，自动驾驶系统可以得到一个更加精确的结果模型，进而提高自动驾驶系统的安全性和可靠性。如毫米波雷达能够弥补摄像头受阴雨天影响的弊端，能够识别距离比较远的障碍物，但是不能够识别障碍物的具体形状；激光雷达则可以弥补毫米波雷达不能识别障碍物具体形状的缺点。因而要想融合不同传感器的收集到外界数据为控制器执行决策提供依据，就需要经过多传感器融合算法处理形成全景感知。
下面为大家介绍实现高级别自动驾驶的三大关键传感器：4D毫米波雷达、激光雷达及红外热成像。
4D毫米波雷达
毫米波雷达可以说是最早应用于量产自动驾驶的传感器，精度虽没有激光雷达高，但在众多传感器类别中仍处于较高水准，对雾、烟、灰尘的穿透能力极强，在恶劣天气条件下，整体表现更好，主要作为测距和测速传感器而存在。当前，毫米波雷达的单车搭载数量仍处于较低水平。2022年1－8月，乘用车新车交付单车搭载毫米波雷达仅为0．86颗。
这倒不是说传统毫米波雷达性能并不优秀，对于L2＋级别的汽车，毫米波雷达高分辨率带来的稳定的点云收集是车辆完成360°环境感知的关键。但这还不够，对L3、L4及以上的车型来说，感知精度和融合效果则大打折扣。随着今年4D毫米波雷达陆续开始上车，2023年将是真正进入规模化前装量产的大年。根据Yelo的预测，到2027年，全球4D毫米波雷达市场规模将达35亿美元。
目前，市场上对于4D成像雷达的应用，主要是两个方向，其一是替代传统低分辨率前向雷达，满足高阶智能驾驶多感知融合性能的提升。第二个主力应用场景，就是行泊一体4D环绕高分辨率（分为点云增强和成像）雷达，性能会略低于前向雷达。
激光雷达
今年以来，“激光雷达上车”已经成为了汽车智能化的最新“标签”，广州车展上，包括小鹏G9、威马M7、哪吒s、沙龙机甲龙等越来越多的车型都搭载了激光雷达。相较于普通雷达，激光雷达具有分辨率高，隐蔽性好，抗干扰能力强等优点，被比喻为自动驾驶车辆的“眼睛”，决定着自动驾驶行业的进化水平，是实现自动驾驶落地“最后一公里“中极为重要的一环。
激光雷达在对信息精度具备苛刻要求的高级别自动驾驶中具备不可替代的优势。目前，无论是造车新势力，还是传统主机厂，亦或是互联网企业都在布局，带动激光雷达产能需求骤然攀升。据佐思汽研统计，2022年H1国内乘用车新车激光雷达安装量达到2．47万颗；2022年下半年，国内拟交付的激光雷达新车达10余款，包括小鹏G9、威马M7等，将大幅提升激光雷达上车量，预计全年总安装量有望突破8万颗。
红外热成像
相比于传统CIS和激光雷达，红外热成像在高动态范围、雨天、雾天、暗光及沙尘暴等多种场景下优势明显，引入高等级的自动驾驶方案是必然趋势。集成红外探测器的红外热成像设备由于能够探测热量因而特别适合区分行人和其他无生命障碍物，具有其他传感器没有的优势，而且不受雨雾烟霾和光照条件影响，观测距离可至数百米远，未来将会在自动驾驶领域占领一席之地。
此前，红外热成像未能实现“上车”的主要原因是价格居高不下。近年来，随着红外热成像芯片等关键原材料的国产化，成本下行，在民用领域得到了广泛的应用，自动驾驶将快速打开红外探测器市场的规模。中研产业研究院数据显示，2020年中国红外热成像仪市场规模达66．8亿美元，预计2021年将按10．8％的年复合增长率继续增长，预计2025年中国红外热成像仪市场规模将达到123．4亿美元。
结语：多传感器融合的自动驾驶方案是未来汽车发展的必然趋势。将多个传感器信息进行融合，能够弥补单个传感器的局限，可以提高自动驾驶系统的安全冗余性、数据可靠性等。但各个传感器的坐标系不同，数据形式不同，甚至采集频率也不同，因此融合算法的设计并不是一件简单的任务。
