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，如毫米波雷达、摄像头、激光雷达、红外热成像和雷达等。为充分发挥不同传感器的各自优势，高阶智驾感知系统正在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，从而提高自动驾驶系统的安全性和可靠性。例如，毫米波雷达能够弥补摄像头受阴雨天影响的缺陷，但它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。因此，要想融合不同传感器收集到的外界数据为执行决策提供依据，就需要经过多传感器融合算法处理形成全景感知。

下面将介绍实现高级别自动驾驶三大关键中的两种：4D毫米波雷达及激光雷达。

4D毫米波雷达

4D毫米波雷達是一种较早应用于量产自动驾驶车辆中的技术，它在恶劣天气条件下表现更好，对雾、烟、灰尘有很强穿透能力，是测距和测速主要依赖设备。在2022年1-8月，全世界新车交付单车搭载此类技术仅有0.86颗，但随着今年四维空间成像技术（4D）的推广，这一数字预计会显著增加。此技术被认为是对L2+级别汽车进行360°环境扫描至关重要。但对于L3或以上级别要求，更高分辨率和深度信息将成为决定因素。

激光雷达

与其他类型相比，激光探测仪具有独特优势，在智能化领域被称作“眼睛”。由于其较好的隐蔽性、高分辨率以及抗干扰能力，它们已经成为许多现代智能汽车不可或缺的一部分。这项技术不仅提升了整体性能，而且增强了在复杂环境下的稳定性，使得它们成为实现高级别自主行走必须解决的问题之一。

红外热成像是另一种用于检测热源并区分对象类型的手段，它尤其适用在恶劣天气条件下，因为它能以极低水平工作，即使是在密云或者浓雾的情况下也能正常工作。此方法通常基于固定的探测角度，不同于其他常见图像处理方式，其优点是不会受到照明变化影响，也不受遮挡干扰，因此非常适合夜间行驶或阴暗环境中的人工智能导航系统。不过，由于成本问题，这些先进功能目前尚未普及到市面上的所有车型上，而国产化可能会改变这一局势，并带动市场需求增长。