而且一旦图像呈现误辨认，你就得去检查一下激光雷达的‘见地’，假如后者给了一个相反的判别，那么你该选择谁？这事儿永远都得人为介入，或者预先制定规则，但也难免发出错误指令。”他举了个例子，某车厂在车头两边塞了两个激光雷达。但很明显，车后的摄像头与两颗激光雷达的位置和方向完整不同，扫描角度千差万别，经过“后交融”在精度上毫无疑问会有缺损。
大多有自动驾驶业务或团队的公司，在做传感器数据交融时，都采用的后交融处置计划——摄像头生成图像的数据，激光雷达生成本人的点云数据，分别做感知，再交给主处置器做交融。”一位熟习交融技术的工程师通知我们，常见的办法是把各类传感器的线都接在一块板子上，然后做标定和处置。“但这种办法精度有很大问题，车上不同位置的传感器在空间与时间上很难对齐。
多传感器交融。这是一个在车上为激光雷达、摄像头、毫米波雷达等多种传感器“树立联络通道”，并为汽车大脑做信息预处置的关键步骤。假如打个比如，这是一种“让汽车自动驾驶前，先把零部件们放进一个言语体系里对话”的才能。般状况下，一辆robotaxi的传感器散布但是理想很骨感。这项自动驾驶相关的技术，远远未被汽车产业体会、消化和吸收。