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。为了充分发挥不同传感器的各自优势，高阶智驾感知系统必须朝着多传感器深度融合的方向发展。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点，并且能够识别距离比较远的障碍物，但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以执行决策，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所需三大关键技术：4D毫米波雷达、激光雷达及红外热成像。

首先是4D毫米波雷达，它可以说是最早应用于量产自动驾驶中的传感器之一。尽管它没有激光雷达那么高精度，但在众多传感器类别中仍然占据较高水准，对雾、烟、灰尘等恶劣天气条件下的穿透能力极强，因此主要作为测距和测速传感器存在。目前，单车搭载数量仍处于较低水平，但随着今年4D毫米波雷達陆续上车，这将是一个进入规模化前装量产的大年。此预计到2027年全球4D毫米波成像市场将达到35亿美元。

其次是激光雷达，其在对信息精度有严格要求的情况下的优越性能使其成为实现自动驾驶落地“最后一公里”重要的一环。在今年以来，“激光雷達上車”已经成为汽车智能化新标签，不少车型如小鹏G9、小马M7等都开始搭载了这项技术。而国内乘用车新车安装量也在显著增长，有望突破8万颗。

最后是红外热成像，它由于能探测热量因而特别适合区分行人与其他无生命障碍物，在不受雨雾烟霾或暗光影响的情况下，可以观察到数百米远的事物。这项技术虽然价格昂贵，但近年来随着原材料国产化成本下降，将会迅速打开红外探测领域市场规模。此预计到2025年中国红外热成像仪市场将达到123.4亿美元。

总结来说，多传感器融合方案对于未来汽车发展至关重要，而设计出能够有效结合各种坐标系数据并提升数据可靠性的算法，则是这一趋势中不可或缺的一部分。