就目前的自动驾驶技术而言，多传感器组合往往被认为是最为稳妥的解决方案。比如特斯拉便是采用了 8 个摄像头+12 个全新超声波传感器+1 个前向毫米波雷达组合。然而，人类本身仅仅通过一双眼睛便能达到的“自动驾驶”，汽车为什么要选择多传感器组合？

　　对此，毫米波雷达企业 凌波微步创始人于胜民认为，电脑仍然不够聪明才是症结所在。目前摄像头已经成为无人驾驶领域标配的传感器，但现阶段计算机的计算能力与计算方法并不足以完全处理庞大的视频流数据，而且人工智能在危险情况的判断以及决策方面也远远不如人类智能。因此，于胜民认为行业必须采用多传感器融合的“笨办法”才能达到 1 加 1 等于 2 或大于 2 的目的。

　　目前，除了摄像头这一个“1”以外，激光雷达与毫米波雷达便是另一个“1”，至于到底是选择激光雷达还是毫米波雷达或者是二者都用，不同的企业往往有不同的偏好。比如谷歌百度等企业便在采用了 3 个毫米波雷达的基础上，结合了价格昂贵的激光雷达；特斯拉及很多传统车企则是采用了毫米波雷达，没有用激光雷达；凌波微步则专注于低成本高精度毫米波雷达的研发。

　　就测距而言，毫米波雷达并不比激光雷达差

　　根据现有资料介绍，目前激光雷达有两个作用，一是通过发射和接收激光束，测量不同材质的物体反射率，建立三维点云数据，从而实时感知周边环境；二是在点云数据的基础上进一步处理，获得周围目标的距离、速度等特征参数。

　　对于第一个用途，atv，受制于波长的缘故，毫米波雷达虽然也能大致“知道”前方物体的大小和形状，但的确无法进行精确的三维建模。不过，于胜民博士也表示，即使是目前最高端的激光雷达，激光束之间的间隔仍然比较大，激光雷达通过扫描所建立的三维模型其实也有很多信息缺失，和深度摄像头相比，其三维模型的分辨率仍然比较低，只有在相对近距离情况下点云效果才足够好，距离越远，数据越稀疏。另外，直播，建立好三维模型之后，其如果需要对目标进行识别，也需要进行更深入复杂的数据处理，对计算资源的依赖非常大。

　　对于第二个用途而言，激光雷达往往因精度高而备受关注。的确，激光雷达的精度可以达到厘米级甚至毫米级，不过，于胜民认为自动驾驶领域实现分米级的精度就已经够用了，比如博世、德尔福等车用雷达测距精度都是 0.1 米，一味地追求更高的精度对自动驾驶而言意义并不大。更高的精度其实只是意味着车载之外可能会有着更丰富的应用场景。

　　而且，在测距精度上，毫米波雷达其实并不比激光雷达差。以谷歌使用的激光雷达举例，资料显示它的测量范围是 120 米，精度可达 2 厘米。于胜民博士告诉动点科技，凌波微步目前研发的毫米波雷达测距能力也已经达到了 150 米远，测距精度达到了厘米级，在该项指标上，凌波微步的毫米波雷达性能已经逼近谷歌所采用的激光雷达。

　　而毫米波雷达除了能够轻松实现测距功能，它还有一个摄像头与激光雷达所不具备的优点——那就是拥有“火眼金睛”般的透视能力，其能够在雨雪雾等极端天气条件下看见前方的物体，而这对全天候无人驾驶汽车而言至关重要。“大雾天就不能开的无人驾驶汽车绝不是消费者想要的。”于胜民如此表示。

　　当然，更重要的还是价格，目前激光雷达的价格都比较贵，今年 1 月谷歌 Waymo 部门负责人约翰·克拉夫西克在底特律车展上表示 Waymo 已经将激光雷达成本降低了 90%，但单价仍然约为 7500 美元。而相应的，毫米波雷达的技术则成熟很多，价格也更为便宜。于胜民表示，他们所研发的毫米波雷达最终售价将只有几百元人民币。

　　毫米波雷达的研发，人才至关重要

　　当前，国内在无人驾驶领域，做毫米波雷达的企业并不多，“全国可能也就 10 来家左右。”于胜民表示其实更多的企业都去做视觉方案了。

　　于胜民认为这主要由几方面因素共同造成的：一方面视觉方案比较直观，投资人更容易看得懂，国内相关人才积累也很多，有图像处理或手机摄像头研发经验的人才相对丰富；另一方面最近刚刚被 intel 以 153 亿美元收购的 mobileye 已经在视觉辅助驾驶方面经营了十多年，视觉方案的市场教育已经比较充分。相比而言，大家对毫米波雷达的认识还很模糊。