另外，值得一提的是哥倫布雷達的俯仰探測能力，因為使用了3層俯仰天線布局，俯仰探測性能兩倍于市場上主流的產品。

不過一旦越來越多的4D毫米波雷達被安裝在車上，雷達相互干擾的缺點就暴露出來。為了解決這個問題，復睿智行一面采用了芯片支持影片加速的抗干擾檢測技術，另一面則通過算法去減少或者修正干擾帶來的影響，將智能抗干擾技術提高了3倍的穩定性。

當前毫米波雷達的發展已經開始進入國產替代的階段，較好的波形設計能力和天線設計能力只是一款4D毫米波雷達的基礎，日漸激烈的市場競爭將會更加考驗國內廠商的自主研發能力。而哥倫布雷達全面的、綜合的性能提升，可以說恰恰對外展示了復睿智行在自動駕駛感知系統上的硬件研發能力。

而且，復睿智行聚焦硬件單品，把產品性能做到極致，然后再造一個感知系統，這與堆疊硬件的做法相反，為感知系統提升、獲取更多的數據提供了新的思路。

當然，4D毫米波雷達性能升級，不是說替代激光雷達，而是為主機廠提供更具性價比的解決方案，減少他們對激光雷達在數量和質量上的要求，滿足他們對降低成本的迫切需求。

從成本來看，4D毫米波雷達的成本和傳統毫米波雷達成本相近，約為激光雷達的1/10。目前，“視覺+毫米波雷達”的L2級視覺方案已能壓低到2000元/套，而一些L3級的視覺方案，如果不需要那么高線束的激光雷達，使用高性能的毫米波雷達，可以極大地降低整車的成本。

據復睿智行CTO周軼所說，“結合算法，我們至少可以節約50%的量產成本，幫助主機廠用一個比較好的價格去實現L2+或L3、L4的量產工作”。

3、軟硬件高度統一，為自動駕駛搭建數字底座

盡管4D毫米波雷達以及圍繞4D毫米波雷達形成的感知解決方案還沒有真正進入落地，但憑借性價比的優勢，一旦有主機廠大規模搭載和使用4D毫米波雷達，后邊的企業很可能就會迅速跟進。

不過，自動駕駛的感知系統固然是通過攝像頭、毫米波雷達、激光雷達、超聲波雷達等硬件來承擔自動駕駛汽車“看”的任務，可這其中也存在“看不見”的軟件成本，比拼智能感知方案同樣也是在比拼軟件能力。就像特斯拉的純視覺方案之所以功能強大，在于不斷創新和升級的視覺算法。

而目前來說，多融合感知方案在硬件方面的實現不算太困難，主要困難是沒有足夠優化的融合算法。

當前，市場上主流的算法走的是后融合的技術路徑，在后融合架構中，每個傳感器獨立地輸出探測數據信息，在所有的數據信息被處理后，再匯總最后的感知結果。舉個例子，不同傳感器進行獨立感知，激光雷達看到的是一條柯基，毫米波雷達看到的是一條狗，而攝像頭看到的是一只小動物，將這些信息匯總處理后，系統才做出綜合判斷。

很顯然，不同傳感器的獨立運作，是無法把不同傳感器優劣互補的作用發揮出來的。比如攝像頭不擅長判斷距離和位置，雷達不擅長判斷顏色和紋理，系統需要對它們的信息進行互相驗證，才能達到更高的可信度。

復睿智行提供的感知方案更傾向于前融合算法，即在原始數據層面把所有的傳感器信息進行直接融合，根據融合后的信息實現感知功能。相比后融合算法，前融合算法可以大大提高檢測的高精度，避免對小目標的錯過，但是它也對技術供應商提出了更高的要求，比如算力，前融合技術需要直接處理原始數據，會消耗大量算力，同時硬件性能越高，才能獲取更完善的原始數據。

復睿智行自主研發的4D毫米波雷達，各項性能可以對標國際頭部廠商最新一代產品，處于全球領先地位，這為其打造更強大的前融合感知算法提供了領先的傳感器支持。再結合前融合算法，技術上可以說能夠實現全路況、全天候、全場景和全目標的數據獲取和精準感知。

比如一些非常見目標，因為缺乏數據樣本，很可能無法被感知，而復睿智行采用前融合算法，即使攝像頭不知道目標是什么，毫米波雷達也知道它在哪里、以怎樣的速度在運行，補充了目標的信息。

為了更好地落地融合感知系統，復睿智行還研發了自己的域控制器，基于高算力SOC芯片，支持多路高清攝像頭、毫米波雷達和激光雷達的接入，與其感知融合算法形成軟硬件的高度統一。因此，我們可以看出，復睿智行基于4D毫米波雷達、前融合算法和域控制器，打造的是一套高性能、綜合性、相對完整的感知系統。

4、單車智能和車路協同，雙線并行

高性能的硬件和優化的融合算法結合，將進一步提升自動駕駛感知系統的信息獲取能力，使其看得更清楚，為控制決策提供更多的數據參考。但需要認清的是，即使多傳感器融合感知方案具有較大的可行性，可很多視覺感知的局限性仍沒有解決方案。