淘汰某些車輛上的前向雷達，這聽起來可能比較難接受，但汽車制造商有理由這么做。

　　雖然前端雷達作為ADAS系統的基礎部件有眾多好處，但有充分的理由表明，在可以避免的情況下，取掉前向雷達顯然可以節省硬件成本和重量。其優勢在于不僅可以節省傳感器本身，還可以節省與傳感器相關的支架、線束、電源和其他支出。這樣做簡化了包裝，釋放了格柵的中間部分，以實現更靈活的造型和更簡易的熱管理。更可以維護架構，從而降低軟件開發和集成成本。

　　主機廠可在不影響安全性的情況下實現這些益處。主機廠實際可通過運用配置選項來提升安全性，在許多交叉口和轉彎場景時，這些配置比單個前端雷達和攝像頭更有效。

　　兩項關鍵的ADAS技術是實現這一目標的基礎：先進的角雷達和傳感器融合。這些軟件和硬件技術通過AI和機器學習的應用實現了性能突破。L2+自動駕駛需要能夠處理困難的轉彎情況的系統， 而簡單的前向雷達和攝像頭將難以處理或無法完全自行處理此類情況。

　　先進角雷達

　　過去，角雷達有時也稱為“短程雷達”，主要安裝在車輛后部，用于解決盲區和車道變換。然而，現在情況已不再如此。

　　通常角雷達安裝在前兩個拐角處（見下圖），這種寬闊的視野使車輛不僅能感知側面的物體，還能感知車輛前方甚至后方的物體。與前向雷達相比，這種雷達對車輛側面或稍微偏離車輛的物體具有更大的態勢感知能力。例如，如果相鄰車道上的車輛開始執行“近距切入”（快速駛入車輛正前方的車道），單單前向傳感器等到車輛明顯駛入車道才可能檢測到駛入車輛，導致本車突然制動，讓駕駛員感覺車輛未識別其他車輛的變道駛入或反應遲緩。

　　擴寬的視野

　　實際上，兩個先進角雷達可提供250度的覆蓋范圍，在車輛前方提供明顯的重疊。

　　總的來說，兩個前角雷達提供了250度的感知能力融合了所有雷達的優勢。雷達可在各種環境條件下提供強大的距離和速度檢測功能，包括惡劣天氣（雨雪等）、光線差（夜間、隧道等）、灰塵和污垢，同時允許OEM將傳感器封裝在儀表盤后面和狹小空間內。

　　當汽車制造商增配傳感器時，毫米波雷達較低的計算要求（比基于攝像頭的系統低一個數量級）將會降低成本、降低功耗和減少發熱，免去冷卻的需求。隨著個人和政府越來越關注攝像頭系統的隱私問題，視覺感知上會更偏向于選擇雷達，因為雷達并沒有隱私收集的可能性。隨著汽車制造商繼續在其車輛中安裝后角雷達，與兩個前角雷達的結合可以提供了360度重疊感知。簡言之，以雷達為主的方案感知系統比其他解決方案更穩健、更經濟、更靈活。

　　傳感器融合

　　不過，將這些傳感器輸入轉換為車輛周圍環境的綜合視圖并非易事。更大的挑戰是，傳感器在其視野外圍的性能很少能像在“視軸”（即從雷達天線表面直接延伸出來的軸）上那樣好。

　　傳感器融合解決了這一問題，使軟件能夠利用來自多個傳感器的輸入將車輛周圍環境結合為單個模型。在前兩個角裝有雷達的車輛中，這些雷達的大視場開始在車輛正前方1.4米的區域重疊。系統可使用傳感器融合來協調重疊區域內兩個雷達的回波，從而對該區域內的物體具有高度的可信度。因為每個雷達都有150度的視場，所以重疊區域較大。相比之下，當下的攝像頭可提供的最大視場為120度，進一步的增加受到百萬像素和處理要求的限制，以實現足夠高的分辨率。

　　在這種情況下，人工智能和機器學習是實現必要性能的基礎。人工智能（AI）/機器學習（ML）增強算法助力車輛充分利用這些雷達回波，并快速準確地識別遠距寬視場中的物體。即使回波可能很微弱，經過適當訓練的融合算法便可提取出有意義的數據，并確定遠處物體的位置、速度和大小。

　　因此，AI/ML增強型傳感器融合使創建下一代“跟蹤器”成為可能，該跟蹤器能利用雙角雷達實現前向合規功能。除了在整個組合視野中跟蹤物體外，跟蹤器還可通過將前向攝像頭和超聲波傳感器的輸入融合在一起，確保在保險杠正前方的適度盲區內移動的任何物體都被記錄下來。

　　兩個先進的角雷達和傳感器融合的結合在各種車輛上都很有意義，因為這可以通過減少對視覺的依賴和消除對前向雷達的需求，支持基本主動安全算法和一些較低級別的車輛自動化。

　　簡言之，使用具有傳感器融合和機器學習功能的雙角雷達對于OEM來說是一個極具吸引力的機會（消除前向雷達可降低成本、提升性能；可將此配置應用于多個車輛變型，以簡化包裝、集成和測試），OEM正尋找一種成本效益更高、更完美的解決方案，以便在其各種車型中使用。雖然前向雷達是主動安全領域的先驅，但在當今軟件定義車輛中，它并非是必需品。