高級的自動駕駛提供了對周圍環境的高級感知，并且在人類介入很少或完全不介入的情況下行駛。3-5級的自動駕駛包括了控制關鍵剎車、轉向和其他無人自動駕駛功能的自動安全系統。因此，鑒于這些高級的自動駕駛功能，安全是汽車制造商必須考慮的最重要的因素之一。3級以上的自動駕駛需要系統擁有ASIL D(汽車安全完整性等級的最高級)的功能安全等級以及根據車輛的嚴重性、暴露性和可控性來定義的ISO 26262規定下的風險分類系統。
當RoboSense的初創團隊開始研究基于LiDAR的感知算法時，他們意識到LiDAR不僅僅是成本太高，而且還是一項不成熟的技術。傳感器在很大程度上依賴于原始點云數據，這些數據是通過測量周圍物體的外表面上的許多點得到的。然而這些原始點云數據僅僅由傳感器獨立生成，這種情況嚴重影響了技術的發展。為了能夠達到像人眼一樣的能力，傳感器硬件和軟件算法需要被結合起來。
因此，在2015年他們開始研究LiDAR硬件/軟件組合。最開始，他們研究出了一個每秒可以發射50萬個點的單激光發射器，該發射器具有2毫米三維激光掃描儀的精度和多種用途的點云算法軟件。緊接著，他們發布了一個可以滿足自動駕駛要求的多線LiDAR裝置，并將該裝置與感知算法一起投入市場，創造了一個完全融合的LiDAR自動駕駛環境感知系統。
他們意識到，由于當下攝像機與雷達傳感器的條件限制，沒有任何一個傳感器可以完全獨立地達到確保自動駕駛汽車乘客安全的ASIL D等級。所以，為了給客車提供最高的ASIL D級的感知系統，他們發現了將多傳感器、軟件和技術的融合是感知子系統的最佳選擇，并與傳感器(如前置攝像頭、雷達和LiDAR)與AI軟件算法相結合，構建一個完全冗余的ASIL D系統，以實現準人類感知和車輛級安全。此外，為了實現最高的安全性，還需要一個功能強大的嵌入式計算平臺和一個可靠的通信系統(如5G V2x)，以及一個自動駕駛汽車友好的基礎設施系統(如自動駕駛汽車-道路合作的基礎設施系統)來實現雙方的交互和數據共享，以確保道路交通安全并減少潛在危險。
這種融合傳感器的概念是感知系統的基礎，將不同的機械和基于MEMS的激光雷達傳感器與自動駕駛技術的人工智能算法結合在一起，即使在最黑暗或最惡劣的天氣條件下，無論是霧天、雨天還是雪天，也能真實地看清道路。融合后的基于人工智能傳感系統是Robosense公司成立以來一直在開發的一個感知系統，目標是與他們的P系列產品共同工作(一個組合了32層機械激光雷達、兩個16層機械激光雷達和人工智能感知算法的裝置)并達到ASIL D的安全等級。
傳統上，LiDAR傳感器可以通過發射激光束提供測量與檢測到的點云數據。但是M1智能傳感系統的話，就可以將點云數據在SOC內進行處理并從點云數據中提取出物體信息。也就是說，能夠理解周遭環境的感知算法軟件是智能傳感器的大腦。例如，從點云中，M1智能傳感器了解不同對象的點云信息并進行提取，然后輸出檢測到的和分類的對象數據。為了說明這一點，請看下方的圖1。在下圖的左側，可以看到由智能傳感器生成的基于點云的最終輸出。
圖1：智能傳感系統：左側：通過點云得到的最終輸出;右側：純點云數據;中下方：車輛駕駛人所見的真實路況
在右側，可以看到單獨的純點云數據。智能傳感系統可以根據客戶的需求輸出數據，如圖2所示。還可以提供包含額外對象信息的點云數據。
圖2：智能傳感系統的數據輸出，右側：車輛駕駛人所見的真實路況
為了能夠達到高級且安全的自動駕駛，一個可以達到ASIL D安全等級的環境感知系統是必需的，尤其是它的物體探測功能。而為了達到如此關鍵的高安全性，單個傳感器顯然是不夠的。因此，多傳感器和算法的融合是最安全、最簡單和成本最低的達到高安全性的方法。再者，有了感知算法的加持比單獨使用多個傳感器的效果好得多，因為傳感器只能提供不完整的原始路況數據。該傳感器融合技術是我們認為可以消除阻礙消費者大規模采用自動駕駛汽車的固有安全隱患的解決方案。
