在自动驾驶的传感器选择上，目前在量产车型上主要有几种选择，一是视觉+毫米波雷达（当然现在特斯拉要走的是纯视觉路线），这也是目前大部分L2级辅助驾驶车型上所采用的传感器方案；二是激光雷达为主，加上视觉传感器以及毫米波雷达，以多传感器融合的方式实现更高阶的自动驾驶。

要实现高阶自动驾驶，需要获取更多的路面数据，而为了获取路面信息，目前主流的激光雷达、图像传感器、毫米波雷达是否就能够满足需求呢？

举例来说，2018年Uber采用激光雷达+毫米波雷达+视觉传感方案的自动驾驶汽车，在夜间进行测试工作时安全员分神，而车辆撞到一名行人并导致其死亡。在这起事故中，自动驾驶车辆在发生撞击前5.6秒其实就已经检测到了行人，但将其错误识别成汽车，而在5.6秒时又将识别到的行人归类为其他物体，导致系统无法判断该物体的性质而未有进行刹车动作。

而特斯拉的视觉+毫米波雷达同样出现过多次事故，比如车辆在高速公路上行驶时，无法识别因事故而横倒在路上的白色货车而发生碰撞事故。

这里表现了当前自动驾驶传感器组合中的一些欠缺，无论是以激光雷达为主的路线，还是纯视觉的路线。可以发现，目前红外传感器在自动驾驶的主流方案上比较罕见。

当然，为了更高的安全性，自动驾驶需要更大的冗余空间，比如用不同的传感器来针对不同的场景进行识别。自动驾驶有两大核心，感知和算法，要算法体现出实际效果，第一步是要看得见。

红外热成像相比于其他传感器，首先在识别生物上具有无可比拟的优势。前面提到的Uber夜间行驶事故，虽然有一部分是由于多传感器导致的系统错误，无法判断物体，但如果加上红外热成像技术，增加从温度去判断物体的性质，就可以从根源上解决物体判断的难题，特别是在行人识别方面。

其次，不只是在夜间，红外热成像是可以全天候工作的，不受白天夜间影响，并且可以弥补视觉传感中难以防止眩光的劣势。

另外，红外在雾霾等恶劣天气环境中有良好的穿透效果，这也是激光雷达以及视觉传感的劣势场景之一。

既然效果这么好？那么为什么很少听到有自动驾驶车型用上红外热成像技术？

事实上，我们在新款的保时捷帕拉梅拉车型上发现，红外热成像已经成为一项选配，保时捷称之为夜视辅助系统。只是其主要功能不是用于自动驾驶，而是用于在检测应急范围内的行人或者野生动物，并向驾驶员及时发出警告。

其实，上述问题的答案很简单，那就是贵！保时捷选配价格高达39500就能说明这一点。与几年前的激光雷达一样，由于规模效应还没有体现，目前红外热成像传感器价格居高不下。

目前其车载红外产品最高可以实现1920×1080分辨率，但仅640×512分辨率的中远距离车载红外热成像产品单价也要万元以上。

随着自动驾驶技术的发展，红外热成像是否会被更多的主机厂加入到自动驾驶传感器全家桶中？我们将持续关注。