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。

以下是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。

4D毫米波雷达

毫米波雷達可以說是最早應用於量產自動駕駛車輛中的傳感器之一，它們在眾多傳感器類別中仍處於較高水準。在惡劣天氣條件下，它們表现更好，因此主要作為測距和測速傳感器存在。目前，單一車輛搭載数量仍然較低。但隨著今年4D毫米波 雷達陸續開始上車，這將會是真正進入規模化前裝量產的大年。而根據預測到2027年全球4D 毫米波 雷達市場規模將達35億美元。

激光雷達

今年以来，“激光 雷達 上车”已经成为汽车智能化领域的一个新趋势。包括小鹏G9、小马M7等越来越多车型都搭载了激光 雷達。这款设备具有分辨率高、隐蔽性好以及抗干扰能力强等优点，被比喻为自动驾驶车辆“眼睛”，决定着自动驾驶行业进化水平，是实现自动驾驶落地“最后一公里“中极为重要的一环。

红外热成像

相比于其他CIS（电致敏探测线）或 激光 雷达到手段，在恶劣条件如雨天、高动态范围及暗夜场景下的优势明显，使其成为引入高等级通行方案必然趋势。此类设备由于能探测热量因而特别适用于区分行人与其他无生命障碍物，有着其他传统检测手段无法匹敌的地位，而且不受雨雾烟霾或昼夜照明条件影响，其观测距离可至数百米远，将在未来占领一席之地。在民用领域得到了广泛应用，对于智能交通也将产生重大影响，而成本下降使其进入汽车市场预计会有较快增长速度。