平台管理、目标汽车细分、灵活性和可扩展性是重要的经济因素；这些因素也在分割和设计融合系统时发挥着重要作用。对于任一特定情况，所得系统也许不是最佳设计方案，但是从平台和车队的角度看，它却可能是最佳方案。
谁是所有这些传感器数据的“观看者”？
关于ADAS，我们还有两个方面没有讨论到：信息ADAS对功能ADAS。前者就是当驾驶员仍然对汽车完全掌控时，扩大和延伸驾驶员的感官范围（例如环视和夜视）。第二个是机器视觉，它使汽车能够感知周围环境，并做出自我决策以及执行（自动紧急制动、车道保持辅助）。传感器融合自然而然地将这两个世界合而为一。
正因如此，我们才有可能将同一传感器应用于不同用途，不过这么做的代价就是在选择最佳模块间通信和处理位置方面受到了限制。以环视为例，这项功能最初的设计目的是，通过将视频传入到中央显示屏上，为驾驶员提供360度视场角。为什么不使用同样的摄像头，并将机器视觉应用到其上呢？后视摄像头可用于实现倒车保护或自动停车，而侧视摄像头可用于实现盲点检测/报警，也包括自动泊车。
单独使用的机器视觉在传感器模块内进行本地处理，然后通过CAN总线等简单的低带宽连接将对象数据甚至是命令传送出去。然而，这种连接不足以传送完整的视频流。视频压缩当然可以降低所需带宽，但是还不足以将所需带宽降到百兆位范围内，并且它本身也存在一些问题。随着高动态范围（HDR）分辨率、帧速率和曝光数增加，这变得更加困难。高带宽连接和摄像头模块不参与数据处理解决了视频的问题，但是现在需要将处理添加到中央ECU，以便在其中运行机器视觉。缺少中央处理能力或散热控制会成为这种解决方案的瓶颈。
虽然在传感器模块中进行处理并同时使用高带宽通信在技术上并不是不可实现，但从总体系统成本、功耗和安装空间角度来讲并不十分有利。
传感器融合配置的可靠运行
由于很多融合系统能够在没有驾驶员的情况下执行特定汽车功能（例如转向、制动和加速）的自主控制，我们需要对功能安全进行认真考虑，以确保在不同条件下和汽车的使用寿命内系统能够安全和可靠运行。一旦做出决策，并随后采取自主操作，那么对于功能安全的要求将会大幅提升。
若采用分布式的方法，每个处理关键数据或制定决策的模块必须符合那些增加的标准。与只搜集和发送传感器信息的模块相比，这会增加物料清单（BOM）成本、尺寸、功耗和软件。在安装空间不足的环境中，器件很难冷却，并且其损坏的风险和所需的更换也很高（一次简单的小事故有可能需要更换保险杠和所有相连的传感器），这可能抵消具有多个传感器模块的分布式系统的优势。
如果采用“传统”传感器模块，则需进行自检和故障报告，以实现整个系统的安全运转，但是其还未达到智能传感器模块的程度。
虽然纯粹的驾驶员信息系统可以在它们的功能受到损害时关闭并将其通报给驾驶员，但是高度自主驾驶功能就没有那么自由了。想象一下一辆汽车正在执行紧急制动操作，然后又突然解除并松开制动器的情况。或者说，汽车在公路上行驶时，整个系统关闭，而此时驾驶员正在汽车“全自动驾驶”状态下呼呼大睡（未来可能的一个场景）。在驾驶员能够安全控制车辆之前，系统需要继续保持工作一段时间，而这至少需要有几秒到半分钟。系统必须运行到何种程度，以及如何确保在故障情况下运转，这些问题在业内似乎还未达成明确共识。具有自动驾驶功能的飞机通常情况下使用冗余系统。虽然我们一般情况下认为它们是安全的，不过它们造价昂贵并且占用大量空间。
传感器融合将会是迈向自动驾驶及享受旅途时光和驾驶乐趣的关键一步。
多传感器信息融合算法
智能汽车的显著特点在于智能，意思就是说汽车自己能通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标。目前而言，车载感知模块包括视觉感知模块、毫米波雷达、超声波雷达、360°环视系统等，多源传感器的协同作用识别道路车道线、行人车辆等障碍物，为安全驾驶保驾护航。因此，感知信息也需要融合，感知信息也需要相互补充。
这里引出一个重要的概念：多传感器信息融合（information fusion）。各种不同的传感器，对应不同的工况环境和感知目标。比方说，毫米波雷达主要识别前向中远距离障碍物（0.5米-150米），如路面车辆、行人、路障等。超声波雷达主要识别车身近距离障碍物（0.2米-5米），如泊车过程中的路沿、静止的前后车辆、过往的行人等信息。两者协同作用，互补不足，通过测量障碍物角度、距离、速度等数据融合，刻画车身周边环境和可达空间范围。
