深度！多传感器融合是当今车辆设计核心

传感器融合是 ADAS 与 ADS 系统发展核心之一，依靠单一传感器的主动安全方案将逐渐减少，目前传感器以镜头、毫米波雷达与超音波雷达互相搭配为主，光达则应用于自驾商用车或无人车居多。

因无完美传感器能进行完整的环境扫描，使得多传感器融合的重要性提升，透过多传感器数据消除个别传感器的错误输入。

图：3 种融合方式

Source：W. Elmenreich.；拓墣产业研究院整理，2021/01

此外，冗余概念下，需透过不同传感器擅长的侦测能力，相互验证下产生可靠度最高的结果，并在单一传感器无作用时，仍能维持基本运作，避免驾驶与其他用路人受伤。

数据融合无标准方式，算法是其重点

当传感器数量与类型越来越多时，如何将这些异质感测器进行时间与空间同步、耗能、散热、算法等的挑战多且复杂。多传感器融合的方式目前并无标准，各车厂作法皆不同，厂商侧重的感测技术或擅长处理之数据、用于前装或后装市场等，都会影响使用的融合方式与架构。

在多传感器融合过程中，核心算法仍扮演最重要角色，也是车厂急于发展的部分，因此 AI Deep Learning 厂商在这波自驾车感知融合发展中将具有优势。

前融合与集中化架构使车厂主导性增加

因车辆传感器数量不断增多，在传感器端进行感知计算后再将辨识结果传送到后端处理器进行融合的后融合方式，逐渐被前融合取代，前融合优势是能对环境进行完整描述后，透过唯一一套算法给出决策。

该发展与车辆走向集中化架构发展有关，传统车辆中，高达上百个 ECU 的分散式架构在传感器增多后将过于复杂，加上车厂希望自行开发自动驾驶的核心算法，因此逐步走向集中化架构。

对想自主开发软件的车厂，Tier 1 能提供的是硬件整合，对 Tier 1 而言将降低价值，但对无法自主开发算法的车厂来说，则会比过往更加依赖 Tier 1 提供的软硬件整合方案，而朝向两极化发展。