作为2024年国内首个国际A级车展，5月份的北京车展被视为汽车行业技术发展的风向标，继电动化之后，以智能驾驶为代表的汽车智能化趋势已经渐成主流。

按照我国《汽车驾驶自动化分级标准》，汽车智能驾驶共有L0至L5六个级别，L3级是分界线，以下为辅助驾驶，以上为自动驾驶，而不论是辅助驾驶还是自动驾驶，车辆都需要高清摄像头、激光雷达、毫米波雷达等所组成的感知系统，以便识别红绿灯和障碍物，并结合高算力芯片域控制器，及时作出避让和刹车等决策。

本次车展，公开了许多新的智能驾驶技术，如图1所示的大疆的激目系统，将双目摄像机和激光雷达集成一体化，并提出了“前前融合”的技术，既提高了现有智能驾驶融合技术水平，也为L3智驾的演进提供了新思路。本文将从智能驾驶的感知系统切入，重点介绍智能驾驶的融合技术，并对相关企业及高校院所的专利布局进行简析。

图1 大疆的激目系统

首先，在感知传感器的选择上，目前大多数城市智能驾驶硬件方案中选用摄像头、毫米波雷达、超声波雷达和激光雷达。通常在车身四周及车顶区域布置多个、多种传感器以更快更全面获取路况信息。

目前车载感知传感器装配数量趋势如图2所示，2021年，车载感知传感器的配置数量主要集中在4-5个，配备20个以上感知传感器的汽车占比较少，2022年-2023年，配备4-5个感知传感器的汽车占比在逐渐减少，而配置20个以上传感器的汽车占比相对增加。说明随着智能驾驶技术的发展，配置更多的感知传感器，是未来发展的趋势之一。

上述传感器中，摄像头通常包含双目摄像头、单目摄像头、鱼眼摄像头等，以应用最广的双目摄像头为例，它能像人眼一样感知到障碍物的深度，但双目摄像头的标定难度大、测量精度和范围有限、易受天气影响；毫米波雷达则具有更远的探测距离、更好的穿透能力、受环境影响小，但分辨率较低、信号易受建筑物或障碍反射干扰；超声波雷达具有低成本、低功耗、不受光照影响、更适用于近距离探测，但测量距离有限、分辨率较低、易受温湿度影响；

激光雷达是当前最适合智能驾驶的解决方案，探测精度高、环境感知能力强、数据采集处理高效，但往往存在成本高昂、对环境光敏感、易受雨雪天气影响、体积重量大导致不易安装等问题。因此，目前倾向于将多种传感器一起应用，优势互补，达到更好的智能控制效果。各公司也纷纷布局多传感器联合应用的相关专利，如：   

1、摄像头+超声波雷达

在智能驾驶的硬件选用上，通过摄像头和超声波传感器的结合，能够在全方位对车辆周围进行感知的同时，还能有效降低设备成本和使用功耗。摄像头在良好光照条件下表现优异，而超声波则在恶劣天气或低光条件下仍然有效，二者组合使用可以提供更稳健的环境感知能力。

以浙江吉利控股集团有限公司在2023年申请的专利CN117141467A为例，提供了一种融合泊车控制方法，先用超声波雷达采集点云数据、得到点云感知结果，再根据点云感知结果和摄像头采集的图像确定目标融合结果，最终用于确定控制车辆泊车的规划决策。

又如知行汽车科技(苏州)股份有限公司在2023年申请的专利CN115891984A，提供了一种智能驾驶系统，通过摄像头和超声波采集车辆周围的环境数据，再通过预设轻量化AI算法模型完成计算，最后根据计算结果控制车辆动作，完成智能化辅助驾驶。

2、摄像头+毫米波雷达

摄像头和毫米波雷达的组合使用能够为智能驾驶提供更为精准的探测、识别结果，可以实现多层次的目标检测和跟踪，具有更高的安全性和可靠性。

以知行汽车科技(苏州)股份有限公司在2023年申请的专利CN117775024A为例，提供了一种自动驾驶方法，先利用摄像头获取图像并从中提取障碍物和/或车道线的第一道路信息，再利用毫米波雷达提取障碍物和/或车道线的第二道路信息，通过前视智能摄像头获取前视图像，最后基于信息获取顺序确定相应的信息处理规则，利用第一道路信息、第二道路信息和基于前视图像得到的第三道路信息确定自动驾驶策略以进行自动驾驶，通过前述技术方案能够消除毫米波雷达和前视智能摄像头的盲区范围，提高车辆行驶安全性。   

3、摄像头+激光雷达

激光雷达作为目前最适合车辆智能驾驶的传感器，凭借其检测精度高、识别准确、探测距离远等优点深受各大车企的钟爱，也在各大主流车型上受到应用，如图3问界新M7、小鹏X9等。

但受限于激光雷达高昂的制造成本和使用成本，激光雷达通常与摄像头组合使用，而且激光雷达的配置数量通常也仅有1-2颗，现如今采用激光雷达与摄像头组合使用的方案也主要出现在中高端的车型中。

以南昌智能新能源汽车研究院在2024年申请的专利CN117953469A为例，提供了一种障碍物检测方法，利用双目摄像机获取道路环境图像数据，利用激光雷达获取道路环境点云数据，分别构建两种传感器的坐标系，将图像数据标定至激光雷达坐标系得到映射点云数据，再从中对感兴趣的区域进行划定、提取其中的障碍物并分类识别，完成障碍物的检测，可用于智能驾驶策略的制定。

4、多种雷达的组合使用

除上述两种传感器融合使用的技术方案，还存在多种雷达组合的方案。这类技术方案通常是前述基本组合的拓展，或是针对特定场景提出的解决方案。

如江铃汽车股份有限公司2024年申请的专利CN118070218A，选用激光雷达、摄像头和毫米波雷达用于自动驾驶的感知融合；重庆长安汽车股份有限公司2023年申请的专利CN116985784A，基于毫米波雷达、摄像头和超声波雷达确定并实时更新泊车路径；三一重型装备有限公司2020年申请的专利CN111781601A，利用激光雷达、长距毫米波雷达、中距毫米波雷达和超声波雷达实现对矿车附近的障碍物进行探测。

前述内容为智能驾驶中的传感器选用方案，在智能驾驶领域，通过装配多传感器并融合使用，能够有效提高车辆对周遭环境的感知能力，进而为车辆的控制策略提供更为全面、可靠的信息支撑，但多传感器的使用也就意味着需要处理更多的数据，甚至不同传感器的数据指向结果可能是冲突的，因此，如何高效地融合多个传感器的数据也是智能驾驶的重要一环。在现有多传感器组合使用的智驾融合方案中，通常可以分为前融合和后融合两种。

一、前融合

前融合是指多传感器在数据层面的融合，这类方法通常先将激光雷达的点云数据根据外参和相机内参投影到图像或图像提取的2D特征上去，并采样对应的视觉特征，然后拼接到点云上进而通过常用的点云3D检测算法进行处理实现。

如武汉中海庭数据技术有限公司在2016年申请的专利CN105783936B，先通过结合双目摄像机获取的图像和激光雷达的图像以及导航卫星的位置信息，制作高精度路面特征高精度地图，再利用实时图像数据及车辆定位模型确定道路标识在高精度地图中的位置，进而实现车辆的精确定位。

又如华为在2018年申请的专利CN109614889B，如图4所示，先提取双目摄像机的两幅图像的相同特征，确定待检测对象在摄像坐标系下的三维坐标，并和激光雷达的点云数据合并，进而确定待检测对象的准确位置。双目图像及合并数据如下图所示。

二、后融合

后融合是指多传感器在结果层面的融合，相较于前融合可能存在的雷达和相机的外参不准、相机和雷达噪声多、多传感器数据融合后再执行决策需要占用过多的计算资源等问题，后融合可以有效提高分类准确性，对于算力和算法的要求较小，是目前各大车企主要的选择对象。

以奇瑞汽车在2018年申请的专利CN109634282B为例，如图5所示，车身内设置有车内后视镜、多个激光雷达、多个超声波雷达、毫米波雷达和双目摄像头，它们各自采集车辆周围的环境信息，再分别基于前述传感器的数据进行障碍物的识别，并融合所有的识别结果控制车辆的行进路线，确定避开障碍的最佳通过路线，其车身的传感器设置如下图所示。   

佛山仙湖实验室在2022年申请的专利CN116385997A，如图6所示，通过双目相机获得长距图像和中距图像得到目标障碍物的体积信息，再通过激光雷达获得目标障碍物的另一体积信息，将两个感知结果融合得到最终的障碍物感知结果。车辆的传感器设置位置如下图所示。

麦肯锡与百度在2017年进行的一个预测报告分别衡量了未来十到二十年L3及L4以上级别自动驾驶。报告认为，最为乐观的认为有条件的L3自动驾驶在2030年新车渗透率可以达到50%，L4以上完全自动驾驶达到15%[1]。且目前车载智能驾驶在国内部分试点城市已经实现了无人驾驶，虽然仍有很大的改进空间，但依旧是研究热点方向，也是人工智能典型的落地应用场景之一。

理论上，多传感器的融合可以获取到比人眼更多、更高维度的数据，可以感知到肉眼不可见的物体，是现阶段自动驾驶中唯一确定的机器可以超越人的环节，也是影响自动驾驶安全提升的决定性因素[1]。因此，采用多传感器感知环境信息，使用智能驾驶融合技术来制定自动驾驶的控制策略是车载智能驾驶技术的主流技术方向。

在未来的智能驾驶上将应用何种传感器？多传感器的融合使用又将取得何种改进？关于数据的融合应用是否又将进一步突破当前的桎梏？这些既是智能驾驶有待解决的关键问题，也饱含了人们对于无人驾驶先进技术的无限探索与期待。

作者：品源知识产权管理咨询  马秉正