另外，值得一提的是哥伦布雷达的俯仰探测能力，因为使用了3层俯仰天线布局，俯仰探测性能两倍于市场上主流的产品。
不过一旦越来越多的4D毫米波雷达被安装在车上，雷达相互干扰的缺点就暴露出来。为了解决这个问题，复睿智行一面采用了芯片支持影片加速的抗干扰检测技术，另一面则通过算法去减少或者修正干扰带来的影响，将智能抗干扰技术提高了3倍的稳定性。
当前毫米波雷达的发展已经开始进入国产替代的阶段，较好的波形设计能力和天线设计能力只是一款4D毫米波雷达的基础，日渐激烈的市场竞争将会更加考验国内厂商的自主研发能力。而哥伦布雷达全面的、综合的性能提升，可以说恰恰对外展示了复睿智行在自动驾驶感知系统上的硬件研发能力。
而且，复睿智行聚焦硬件单品，把产品性能做到极致，然后再造一个感知系统，这与堆叠硬件的做法相反，为感知系统提升、获取更多的数据提供了新的思路。
当然，4D毫米波雷达性能升级，不是说替代激光雷达，而是为主机厂提供更具性价比的解决方案，减少他们对激光雷达在数量和质量上的要求，满足他们对降低成本的迫切需求。
从成本来看，4D毫米波雷达的成本和传统毫米波雷达成本相近，约为激光雷达的1/10。目前，“视觉+毫米波雷达”的L2级视觉方案已能压低到2000元/套，而一些L3级的视觉方案，如果不需要那么高线束的激光雷达，使用高性能的毫米波雷达，可以极大地降低整车的成本。
据复睿智行CTO周轶所说，“结合算法，我们至少可以节约50%的量产成本，帮助主机厂用一个比较好的价格去实现L2+或L3、L4的量产工作”。
3、软硬件高度统一，为自动驾驶搭建数字底座
尽管4D毫米波雷达以及围绕4D毫米波雷达形成的感知解决方案还没有真正进入落地，但凭借性价比的优势，一旦有主机厂大规模搭载和使用4D毫米波雷达，后边的企业很可能就会迅速跟进。
不过，自动驾驶的感知系统固然是通过摄像头、毫米波雷达、激光雷达、超声波雷达等硬件来承担自动驾驶汽车“看”的任务，可这其中也存在“看不见”的软件成本，比拼智能感知方案同样也是在比拼软件能力。就像特斯拉的纯视觉方案之所以功能强大，在于不断创新和升级的视觉算法。
而目前来说，多融合感知方案在硬件方面的实现不算太困难，主要困难是没有足够优化的融合算法。
当前，市场上主流的算法走的是后融合的技术路径，在后融合架构中，每个传感器独立地输出探测数据信息，在所有的数据信息被处理后，再汇总最后的感知结果。举个例子，不同传感器进行独立感知，激光雷达看到的是一条柯基，毫米波雷达看到的是一条狗，而摄像头看到的是一只小动物，将这些信息汇总处理后，系统才做出综合判断。
很显然，不同传感器的独立运作，是无法把不同传感器优劣互补的作用发挥出来的。比如摄像头不擅长判断距离和位置，雷达不擅长判断颜色和纹理，系统需要对它们的信息进行互相验证，才能达到更高的可信度。
复睿智行提供的感知方案更倾向于前融合算法，即在原始数据层面把所有的传感器信息进行直接融合，根据融合后的信息实现感知功能。相比后融合算法，前融合算法可以大大提高检测的高精度，避免对小目标的错过，但是它也对技术供应商提出了更高的要求，比如算力，前融合技术需要直接处理原始数据，会消耗大量算力，同时硬件性能越高，才能获取更完善的原始数据。
复睿智行自主研发的4D毫米波雷达，各项性能可以对标国际头部厂商最新一代产品，处于全球领先地位，这为其打造更强大的前融合感知算法提供了领先的传感器支持。再结合前融合算法，技术上可以说能够实现全路况、全天候、全场景和全目标的数据获取和精准感知。
比如一些非常见目标，因为缺乏数据样本，很可能无法被感知，而复睿智行采用前融合算法，即使摄像头不知道目标是什么，毫米波雷达也知道它在哪里、以怎样的速度在运行，补充了目标的信息。
为了更好地落地融合感知系统，复睿智行还研发了自己的域控制器，基于高算力SOC芯片，支持多路高清摄像头、毫米波雷达和激光雷达的接入，与其感知融合算法形成软硬件的高度统一。因此，我们可以看出，复睿智行基于4D毫米波雷达、前融合算法和域控制器，打造的是一套高性能、综合性、相对完整的感知系统。
4、单车智能和车路协同，双线并行
高性能的硬件和优化的融合算法结合，将进一步提升自动驾驶感知系统的信息获取能力，使其看得更清楚，为控制决策提供更多的数据参考。但需要认清的是，即使多传感器融合感知方案具有较大的可行性，可很多视觉感知的局限性仍没有解决方案。
