在多个感知设备使用的情况下，进行信息融合，是保证驾驶安全的前提。感知技术的融合可提高系统的冗余度与容错性，从而保证信息决策的快速与正确。当然，最终要实现感知技术融合，需要硬件与软件层面的相互配合。
从技术角度讲，实现自动驾驶的基本原理可以分成“传感器、数据融合、100%安全的决策”三个方面。智能感知是智能决策的前提，两者互不可分。在自动驾驶场景中，自适应巡航、主动刹车、车道保持等都是通过图像传感器、毫米波雷达、激光雷达等各种各样的感知设备实现的。
在感知层面，毫米波雷达、激光雷达和摄像头被称为实现自动驾驶技术的“三驾马车”，每种感知设备都有各自的优势和局限，需要取长补短，进行组合，才得以实现对车身360度的无缝感知。
感知技术的融合方向
多个不同类的感知设备可以获得不同方位与类别的信息，收集的不同信息之间可以相互补充，也可能会存在冗余与矛盾的情况，这就需要利用控制中心下达正确的指令，要求其对多个不同类的感知设备收集到的信息进行融合与综合判断。
在多个感知设备使用的情况下，进行信息融合，是保证驾驶安全的前提。感知技术的融合可提高系统的冗余度与容错性，从而保证信息决策的快速与正确。当然，最终要实现感知技术融合，需要硬件与软件层面的相互配合。
感知技术融合在自动驾驶汽车领域属于一项非常关键的技术。从产业的角度来看，此前《麦姆斯咨询》报道称，传感器融合系统需求预计将在未来5年内以约19.4%的复合年增长率（CAGR）增长，预计市场规模将在2023年达到75.8亿美元。
以Google的自动驾驶汽车Google Car为例，就是使用了多种传感设备采集感知环境信息进行处理，并对车辆做出控制。作为最主要的器件，安装在车顶的Velodyne Lidar公司生产的HDL-64E64线激光发射器，可以一边旋转一边不间断的发射64束最远射程可达120米的激光束，并接收反射回来的光束，依据返回时间的差别计算出物体与汽车之间的距离。从而绘制出汽车周围实时的3D地形图。
HDL-64E每秒可以为Google Car的处理器提供130万组数据，这可以保证提供给Google Car处理器的信息几乎是实时的。Google Car会将收集到的数据与车体内置的谷歌地图已有的信息进行整合，从而判断出相当精确的四周的状况，为做出反应打下良好基础。
为了保证在复杂的驾驶环境下的安全性，Google Car还配备了一对向前的摄像头，从两个摄像头传回的画面，可以帮助车辆判断自身的位置、行进的速度等信息。Google Car的车胎轮毂上同样带有位置传感器，可用于探测车轮转动，也能帮助车辆进行定位。再与GPS得出的数据进行整合，共同保证车辆定位的准确性。
此外，摄像头还可以辨识出路上出现的交通标志和信号灯等物体，以保证自身的运行会严格遵守交通规则。这点是激光发射器很难办到的。
虽然HDL-64E具有一定的判断物体运动轨迹和速度的能力，但是其获得的数据并非实时性的。因此，Google为车辆前后方位都配备了车载雷达，它们可以很精确地测出前后车辆与Google Car的相对速度，以此判断接下来应作出的变化。
将所有感知设备的数据都会汇集起来并传输到位于汽车右后方的主处理器（AI处理器）进行处理，所有的数据都是实时的，这要求Google Car的车载计算机具备强大的性能。处理器会参照各传感器提供过来的数据，并绘制出一份最终的周边环境地形图。最终车内的程序会对路况作出判断，随时根据道路情况决定汽车下一步的行动。
软、硬件协同的开发趋势
感知技术融合的路线已成为主流，这也与车规级激光雷达尚未大规模出现有关。具体到一些细节上，各厂商各有所长，在搭载芯片、摄像头以及高精地图等方面各有侧重。但无论是车企采取自主研发，又或是由供应商提供技术支持，最终都是为了抢食自动驾驶这块大蛋糕。
在激光雷达方面，近日，据外媒报道，初创公司Voyant Photonics创造了一个能够放置在大头针上的激光雷达系统，更加紧凑的方式可大幅度节省空间，并且功耗也会更低。
Voyant开创了一种将硅光电子用于激光雷达的技术，具体来看，其推出的“光学相控阵”，是通过改变穿过芯片的光的相位来回避该问题，从而产生了一束强大的、人眼无法看到的光，可以在没有任何移动部件的高速环境中，扫描过大片区域，而且光是从一个比指甲尖还要小的芯片中发出来的。
据Voyant所说，其推出的激光雷达系统解决了干扰问题，还采用了调频连续波技术，能够测量速度和距离，而且还将发射器与接收器结合在一起，非常紧凑。
月初，激光雷达感知系统解决方案供应商RoboSense与韩国汽车电子系统提供商ControlWorks宣布了一项合作，ControlWorks将把RoboSense的激光雷达智能传感器系统引入到韩国汽车制造商与一级供应商体系。
近日，也有知情人士表示，苹果公司已与至少四家公司进行谈判，该公司正在寻求比现有技术更小，更便宜，更容易批量生产的激光雷达装置。据知情人士透露，除了评估潜在的外部供应商之外，苹果公司还被认为正在开发自己的内置激光雷达传感器。
另外一个趋势，就是越来越多的激光雷达厂商积极涌入ADAS市场。比如美国激光雷达公司Velodyne推出的激光雷达软件系统Vella主要配合Velodyne的固态激光雷达Velarray使用，Velodyne曾表示，“相较于摄像头+毫米波雷达系统，其实现的ADAS性能将发生革命性变化。”
为了将激光雷达技术和高清地图相结合研发更安全的ADAS系统，今年7月，Velodyne收购了位于旧金山的高清地图创业公司Mapper.ai的知识产权资产，双方将合作开发更安全的ADAS系统。
Mapper.ai公司创建的高清（HD）地图对于帮助自动驾驶汽车（AV）安全运行至关重要。该公司的高清地图和定位技术将会促进其Vella软件开发，帮助Vella软件支持更先进的ADAS技术，包括车道保持辅助（LKA），自动紧急制动（AEB）和自适应巡航控制（ACC）等。
今年6月，新一代激光雷达公司Luminar推出了一个整合硬件和软件的激光雷达平台Iris（虹膜），这是Luminar调动了60位软件工程师进行配合研发得到的成果。据了解，Luminar的车载激光雷达和软件将于2022年开始大规模交付，其中新款激光雷达体积只有现在产品三分之一，而且能无缝整合进量产车前格栅、车顶或车头大灯中。
近期，Luminar获投1亿美元新投资，这笔资金到账后，Luminar的总融资额将达2.5亿美元。资金落袋、蓝图已成，Luminar正在攻克现阶段最关键的工作：使得新的小型化激光雷达达到车规级别，同时满足其它车辆的要求。
总结
感知技术融合软硬件难以分离，其在硬件层面并不难实现，算法上的难点相对来说更高。软件、算法充当自动驾驶汽车的“大脑”，拥有很高的技术壁垒，将占据价值链的主要部分。目前，除了特斯拉等极少数自主研发芯片的公司，想要做一个好的自动驾驶系统，头部公司仍应加大对于平台、算法和芯片等的研发力度。
