ADAS以汽车内单个、独立的功能存在
仅仅通过多次使用相同种类的传感器无法克服每种传感器的缺点。反之，我们需要将来自不同种类传感器的信息组合在一起。工作在可见光谱范围内的摄像头CMOS芯片在浓雾、下雨、刺眼阳光和光照不足的情况下会遇到麻烦。而雷达缺少目前成像传感器所具有的高分辨率。我们可以在每种传感器中找到诸如此类的优缺点。
多传感器融合技术中的“雷达”与“摄像头”
传感器融合这一想法的伟大之处在于获得不同传感器和传感器种类的输入内容，并且使用组合在一起的信息来更加准确地感知周围的环境。
相对于独立系统，这样可以做出更好、更安全的决策。雷达也许不具有光传感器所具有的分辨率，不过它在测距和穿透雨、雪和浓雾方面具有很大优势。这些天气条件或光照不足的恶劣情况不利于摄像头发挥作用，不过摄像头能够分辨颜色（可以想一想街道指示牌和路标），并且具有很高的分辨率。
目前路面上图像传感器的分辨率已经达到1百万像素。在未来几年内，图像传感器的发展趋势将是2百万，甚至4百万像素。
“雷达”与“摄像头”相互融合
雷达和摄像头是两项传感器技术完美融合、互为补充的典范。采用这种方法的融合系统所实现的功能要远超这些独立系统能够实现的功能总和。
使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下，额外提供一定冗余度。这种错误或故障可能是由自然原因（诸如一团浓雾）或是人为现象（例如对摄像头或雷达的电子干扰或人为干扰）导致。
即使是在一个传感器失效的情况下，这样的传感器融合系统也可以保持某些基本或紧急的功能。完全借助报警功能，或者让驾驶员时刻做好准备，从而接管对车辆的控制，系统故障也许就不那么严重了。
然而，高度和完全自动驾驶功能必须提供充足的时间让驾驶员重新获得对车辆的控制。在这段驾驶员接管车辆控制之前的时间范围内，控制系统需要保持对车辆最低限度的控制。
多传感器融合技术中的前融合、后融合
后融合算法典型结构
后融合算法：
1、每个传感器各自独立处理生成的目标数据。
2、每个传感器都有自己独立的感知，比如激光雷达有激光雷达的感知，摄像头有摄像头的感知，毫米波雷达也会做出自己的感知。
3、当所有传感器完成目标数据生成后，再由主处理器进行数据融合。
前融合算法典型结构
前融合算法：
1、只有一个感知的算法。对融合后的多维综合数据进行感知。
2、在原始层把数据都融合在一起，融合好的数据就好比是一个Super传感器，而且这个传感器不仅有能力可以看到红外线，还有能力可以看到摄像头或者RGB，也有能力看到LiDAR的三维信息，就好比是一双超级眼睛。在这双超级眼睛上面，开发自己的感知算法，最后会输出一个结果层的物体。
数据融合的算法
雷达和摄像头是两项传感器技术完美融合、互为补充的典范。采用这种方法的融合系统所实现的功能要远超这些独立系统能够实现的功能总和。
使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下，额外提供一定冗余度。这种错误或故障可能是由自然原因（诸如一团浓雾）或是人为现象（例如对摄像头或雷达的电子干扰或人为干扰）导致。
即使是在一个传感器失效的情况下，这样的传感器融合系统也可以保持某些基本或紧急的功能。完全借助报警功能，或者让驾驶员时刻做好准备，从而接管对车辆的控制，系统故障也许就不那么严重了。
然而，高度和完全自动驾驶功能必须提供充足的时间让驾驶员重新获得对车辆的控制。在这段驾驶员接管车辆控制之前的时间范围内，控制系统需要保持对车辆最低限度的控制。
