自动驾驶系统通常依靠多种传感器协同工作来全面、准确地识别道路上的障碍物。主要的传感器包括：
- 摄像头 (Cameras):
- 功能: 模拟人眼视觉，捕捉道路图像和视频，用于识别车道线、交通信号灯、交通标志、行人、车辆等物体，并能进行颜色和纹理分析。
- 优点: 提供丰富的视觉信息，成本相对较低。
- 缺点: 在低光照、强光、雨雪雾等恶劣天气条件下性能会下降。
- 激光雷达 (LiDAR – Light Detection and Ranging):
- 功能: 发射激光束并接收反射信号，通过计算时间差来精确测量距离，生成周围环境的高精度三维点云图。能清晰地描绘出障碍物的形状、大小和位置。
- 优点: 测距精度高，能生成详细的3D环境模型，受光照影响小。
- 缺点: 成本较高，体积较大，在浓雾、大雨等天气中性能会受到一定影响。
- 毫米波雷达 (Millimeter Wave Radar):
- 功能: 发射毫米波并接收回波，测量物体的距离、速度和方位角。特别擅长探测移动物体及其相对速度。
- 优点: 穿透能力强，能在雨、雪、雾等恶劣天气下稳定工作，测速精度高。
- 缺点: 分辨率相对较低，难以识别物体的具体形状和类别（例如，区分是行人还是路标）。
- 超声波传感器 (Ultrasonic Sensors):
- 功能: 发射超声波并接收回波，主要用于短距离探测（通常在几米内）。
- 优点: 成本低，对近距离物体探测效果好。
- 缺点: 探测距离短，易受环境噪声和温度影响。常用于自动泊车和低速场景下的障碍物检测。
协同工作： 自动驾驶系统并非依赖单一传感器，而是通过传感器融合 (Sensor Fusion) 技术，将来自摄像头、激光雷达、毫米波雷达和超声波传感器的数据进行整合与分析。这样可以取长补短，例如用摄像头识别物体类别，用激光雷达精确定位，用毫米波雷达测量速度，从而构建一个更全面、更可靠、更鲁棒的环境感知系统，确保在各种复杂路况和天气条件下都能安全地识别障碍物。
