作為2024年國內首個國際A級車展，5月份的北京車展被視為汽車行業技術發展的風向標，繼電動化之后，以智能駕駛為代表的汽車智能化趨勢已經漸成主流。

按照我國《汽車駕駛自動化分級標準》，汽車智能駕駛共有L0至L5六個級別，L3級是分界線，以下為輔助駕駛，以上為自動駕駛，而不論是輔助駕駛還是自動駕駛，車輛都需要高清攝像頭、激光雷達、毫米波雷達等所組成的感知系統，以便識別紅綠燈和障礙物，并結合高算力芯片域控制器，及時作出避讓和剎車等決策。

本次車展，公開了許多新的智能駕駛技術，如圖1所示的大疆的激目系統，將雙目攝像機和激光雷達集成一體化，并提出了“前前融合”的技術，既提高了現有智能駕駛融合技術水平，也為L3智駕的演進提供了新思路。本文將從智能駕駛的感知系統切入，重點介紹智能駕駛的融合技術，并對相關企業及高校院所的專利布局進行簡析。

圖1 大疆的激目系統

首先，在感知傳感器的選擇上，目前大多數城市智能駕駛硬件方案中選用攝像頭、毫米波雷達、超聲波雷達和激光雷達。通常在車身四周及車頂區域布置多個、多種傳感器以更快更全面獲取路況信息。

目前車載感知傳感器裝配數量趨勢如圖2所示，2021年，車載感知傳感器的配置數量主要集中在4-5個，配備20個以上感知傳感器的汽車占比較少，2022年-2023年，配備4-5個感知傳感器的汽車占比在逐漸減少，而配置20個以上傳感器的汽車占比相對增加。說明隨著智能駕駛技術的發展，配置更多的感知傳感器，是未來發展的趨勢之一。

上述傳感器中，攝像頭通常包含雙目攝像頭、單目攝像頭、魚眼攝像頭等，以應用最廣的雙目攝像頭為例，它能像人眼一樣感知到障礙物的深度，但雙目攝像頭的標定難度大、測量精度和范圍有限、易受天氣影響；毫米波雷達則具有更遠的探測距離、更好的穿透能力、受環境影響小，但分辨率較低、信號易受建筑物或障礙反射干擾；超聲波雷達具有低成本、低功耗、不受光照影響、更適用于近距離探測，但測量距離有限、分辨率較低、易受溫濕度影響；

激光雷達是當前最適合智能駕駛的解決方案，探測精度高、環境感知能力強、數據采集處理高效，但往往存在成本高昂、對環境光敏感、易受雨雪天氣影響、體積重量大導致不易安裝等問題。因此，目前傾向于將多種傳感器一起應用，優勢互補，達到更好的智能控制效果。各公司也紛紛布局多傳感器聯合應用的相關專利，如：   

1、攝像頭+超聲波雷達

在智能駕駛的硬件選用上，通過攝像頭和超聲波傳感器的結合，能夠在全方位對車輛周圍進行感知的同時，還能有效降低設備成本和使用功耗。攝像頭在良好光照條件下表現優異，而超聲波則在惡劣天氣或低光條件下仍然有效，二者組合使用可以提供更穩健的環境感知能力。

以浙江吉利控股集團有限公司在2023年申請的專利CN117141467A為例，提供了一種融合泊車控制方法，先用超聲波雷達采集點云數據、得到點云感知結果，再根據點云感知結果和攝像頭采集的圖像確定目標融合結果，最終用于確定控制車輛泊車的規劃決策。

又如知行汽車科技(蘇州)股份有限公司在2023年申請的專利CN115891984A，提供了一種智能駕駛系統，通過攝像頭和超聲波采集車輛周圍的環境數據，再通過預設輕量化AI算法模型完成計算，最后根據計算結果控制車輛動作，完成智能化輔助駕駛。

2、攝像頭+毫米波雷達

攝像頭和毫米波雷達的組合使用能夠為智能駕駛提供更為精準的探測、識別結果，可以實現多層次的目標檢測和跟蹤，具有更高的安全性和可靠性。

以知行汽車科技(蘇州)股份有限公司在2023年申請的專利CN117775024A為例，提供了一種自動駕駛方法，先利用攝像頭獲取圖像并從中提取障礙物和/或車道線的第一道路信息，再利用毫米波雷達提取障礙物和/或車道線的第二道路信息，通過前視智能攝像頭獲取前視圖像，最后基于信息獲取順序確定相應的信息處理規則，利用第一道路信息、第二道路信息和基于前視圖像得到的第三道路信息確定自動駕駛策略以進行自動駕駛，通過前述技術方案能夠消除毫米波雷達和前視智能攝像頭的盲區范圍，提高車輛行駛安全性。   

3、攝像頭+激光雷達

激光雷達作為目前最適合車輛智能駕駛的傳感器，憑借其檢測精度高、識別準確、探測距離遠等優點深受各大車企的鐘愛，也在各大主流車型上受到應用，如圖3問界新M7、小鵬X9等。

但受限于激光雷達高昂的制造成本和使用成本，激光雷達通常與攝像頭組合使用，而且激光雷達的配置數量通常也僅有1-2顆，現如今采用激光雷達與攝像頭組合使用的方案也主要出現在中高端的車型中。

以南昌智能新能源汽車研究院在2024年申請的專利CN117953469A為例，提供了一種障礙物檢測方法，利用雙目攝像機獲取道路環境圖像數據，利用激光雷達獲取道路環境點云數據，分別構建兩種傳感器的坐標系，將圖像數據標定至激光雷達坐標系得到映射點云數據，再從中對感興趣的區域進行劃定、提取其中的障礙物并分類識別，完成障礙物的檢測，可用于智能駕駛策略的制定。

4、多種雷達的組合使用

除上述兩種傳感器融合使用的技術方案，還存在多種雷達組合的方案。這類技術方案通常是前述基本組合的拓展，或是針對特定場景提出的解決方案。

如江鈴汽車股份有限公司2024年申請的專利CN118070218A，選用激光雷達、攝像頭和毫米波雷達用于自動駕駛的感知融合；重慶長安汽車股份有限公司2023年申請的專利CN116985784A，基于毫米波雷達、攝像頭和超聲波雷達確定并實時更新泊車路徑；三一重型裝備有限公司2020年申請的專利CN111781601A，利用激光雷達、長距毫米波雷達、中距毫米波雷達和超聲波雷達實現對礦車附近的障礙物進行探測。

前述內容為智能駕駛中的傳感器選用方案，在智能駕駛領域，通過裝配多傳感器并融合使用，能夠有效提高車輛對周遭環境的感知能力，進而為車輛的控制策略提供更為全面、可靠的信息支撐，但多傳感器的使用也就意味著需要處理更多的數據，甚至不同傳感器的數據指向結果可能是沖突的，因此，如何高效地融合多個傳感器的數據也是智能駕駛的重要一環。在現有多傳感器組合使用的智駕融合方案中，通常可以分為前融合和后融合兩種。

一、前融合

前融合是指多傳感器在數據層面的融合，這類方法通常先將激光雷達的點云數據根據外參和相機內參投影到圖像或圖像提取的2D特征上去，并采樣對應的視覺特征，然后拼接到點云上進而通過常用的點云3D檢測算法進行處理實現。

如武漢中海庭數據技術有限公司在2016年申請的專利CN105783936B，先通過結合雙目攝像機獲取的圖像和激光雷達的圖像以及導航衛星的位置信息，制作高精度路面特征高精度地圖，再利用實時圖像數據及車輛定位模型確定道路標識在高精度地圖中的位置，進而實現車輛的精確定位。

又如華為在2018年申請的專利CN109614889B，如圖4所示，先提取雙目攝像機的兩幅圖像的相同特征，確定待檢測對象在攝像坐標系下的三維坐標，并和激光雷達的點云數據合并，進而確定待檢測對象的準確位置。雙目圖像及合并數據如下圖所示。

二、后融合

后融合是指多傳感器在結果層面的融合，相較于前融合可能存在的雷達和相機的外參不準、相機和雷達噪聲多、多傳感器數據融合后再執行決策需要占用過多的計算資源等問題，后融合可以有效提高分類準確性，對于算力和算法的要求較小，是目前各大車企主要的選擇對象。

以奇瑞汽車在2018年申請的專利CN109634282B為例，如圖5所示，車身內設置有車內后視鏡、多個激光雷達、多個超聲波雷達、毫米波雷達和雙目攝像頭，它們各自采集車輛周圍的環境信息，再分別基于前述傳感器的數據進行障礙物的識別，并融合所有的識別結果控制車輛的行進路線，確定避開障礙的最佳通過路線，其車身的傳感器設置如下圖所示。   

佛山仙湖實驗室在2022年申請的專利CN116385997A，如圖6所示，通過雙目相機獲得長距圖像和中距圖像得到目標障礙物的體積信息，再通過激光雷達獲得目標障礙物的另一體積信息，將兩個感知結果融合得到最終的障礙物感知結果。車輛的傳感器設置位置如下圖所示。

麥肯錫與百度在2017年進行的一個預測報告分別衡量了未來十到二十年L3及L4以上級別自動駕駛。報告認為，最為樂觀的認為有條件的L3自動駕駛在2030年新車滲透率可以達到50%，L4以上完全自動駕駛達到15%[1]。且目前車載智能駕駛在國內部分試點城市已經實現了無人駕駛，雖然仍有很大的改進空間，但依舊是研究熱點方向，也是人工智能典型的落地應用場景之一。

理論上，多傳感器的融合可以獲取到比人眼更多、更高維度的數據，可以感知到肉眼不可見的物體，是現階段自動駕駛中唯一確定的機器可以超越人的環節，也是影響自動駕駛安全提升的決定性因素[1]。因此，采用多傳感器感知環境信息，使用智能駕駛融合技術來制定自動駕駛的控制策略是車載智能駕駛技術的主流技術方向。

在未來的智能駕駛上將應用何種傳感器？多傳感器的融合使用又將取得何種改進？關于數據的融合應用是否又將進一步突破當前的桎梏？這些既是智能駕駛有待解決的關鍵問題，也飽含了人們對于無人駕駛先進技術的無限探索與期待。

作者：品源知識產權管理咨詢  馬秉正