多传感器融合趋势下 实现高级别自动驾驶的三大关键原理及应用ppt
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，但无法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问题。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。
下面我将介绍实现高级别自动驾驶所需三大关键传感器：4D毫米波雷达、激光雷达以及红外热成像。
首先是4D毫米波雷达，这种类型的大量应用在于其对雾、烟、灰尘等恶劣天气条件下的穿透能力极强，在众多类别中仍处于较高水准，对测距和测速有重要作用。目前单车搭载数量仍然不高，但随着今年四维空间时间共轭（4D）技术开始上车，以及预计到2027年全球市场规模将达到35亿美元，我们相信未来将会看到更多应用。
其次是激光雷达，它们被广泛认为是实现自动驾驶“最后一公里”的关键。在对信息精度具备苛刻要求的情况下，其分辨率高、隐蔽性好和抗干扰能力强使得它成为不可替代的一环。不仅造车新势力，也包括了互联网企业，都在积极布局激光雷ダ需求带动产能需求骤然攀升。
最后是红外热成像是未来在高级自动驾驶中的重要组成部分，由于其在恶劣天气如雨雾烟霾或暗光下的优势明显，使得它尤为适用。此前价格居高不下限制了其应用范围，但近年来成本下降与国产化进程加快，将快速打开红外探测器市场规模。根据统计数据显示，预计2025年中国红外热成像仪市场规模将达到123.4亿美元。这表明未来的发展趋势正逐步展现出希望之光。