自動駕駛的核心技術一般可分為感知、決策、執行幾個層面。其中，感知層主要通過攝像頭、激光雷達、毫米波雷達等各類傳感器感知并收集外部環境信息，幫助無人車解決“我在哪”的問題，是無人車運行決策和執行的重要參考依據。
但有人駕駛尚且容易受濃霧、雨雪等極端惡劣天氣的影響，容易發生交通事故，自動駕駛車輛要經受的考驗可能更大。隨著近期全國多個省市雨雪來襲，各地運行的低速無人車能否繼續安全可靠作業也成為用戶關注重點。
低速無人車不斷通過雨雪天“路考”
據新戰略低速無人駕駛產業研究所了解，早在 2020 年 5 月，國家能源集團寶日希勒露天煤礦啟動極寒型復雜氣候環境露天煤礦無人駕駛卡車編組運行項目，并于 2021 年 9 月順利通過驗收，項目研究成果填補了當時極寒地區礦山設備無人化技術領域的多項空白。
中科慧拓無人礦車在零下42°極寒環境運行
而在近期，除了無人礦車，無人環衛車、無人配送車、無人接駁車等更多低速無人車也在自動駕駛朋友圈秀技雨雪天“路考”。
如福龍馬城服機器人發布了 CFSD1501 L4級智能清掃機器人近期在湖南長沙的雨雪天氣下運行的視頻。該產品是其全球首款基于滑板底盤的 L4 級無人清掃機器人，主要應用于封閉/半封閉的學校、園區/廠區、景區、公園/廣場、高速服務區等場景，可以實現全天時、全流程、全自動高效清掃作業。
毫末智行的末端物流自動配送車小魔駝，在北京順義的街頭巷尾，突破嚴寒和積雪的雙重考驗，全力滿足居民的配送需求。小魔駝目前已全新升級了 3.0 版本，產品在商超履約、快遞接駁、校園配送、智慧社區等9大場景開啟了常態運營，無人配送總訂單已超25萬單。
雄安新區的智能網聯巴士，在雨雪路面依舊可以對車道標線等信息進行精準識別，能夠在障礙物突然闖入時精準識別并緊急避讓等等。
雨雪天氣對感知系統的影響和突破關鍵點
目前，自動駕駛車輛的環境感知主要有兩種技術路線，一種是以攝像機為主導的多傳感器融合方案，另一種是以激光雷達為主導，其他傳感器為輔助的技術方案，這兩種方案常用的傳感器種類包括但不限于激光雷達、毫米波雷達、超聲波雷達、攝像頭等。
為了幫助自動駕駛車輛更好地適應雨雪天低溫環境，能見度低、識別效果差等困難，不僅是整體解決方案的提升，各類傳感器的技術提升也是幫助低速無人車在各類場景持續突破的關鍵。
攝像頭
一般認為，攝像頭很容易受天氣影響，一滴雨、一粒沙子、一片雪花都會對攝像頭造成遮擋，無法正確感知周圍環境。此外，晴天陽光的照射、玻璃的反射都會使攝像頭的可見度降低。
為應對一系列環境干擾問題，攝像頭產品除了提高技術水平，也升級了不少保護措施。如森云智能自主研發的CMS電子外后視鏡攝像模組具有電子加熱除霧、防眩光、低延時等功能，符合車規級性能，以及具有經過專業圖像調試的高質量圖像效果，并配有AA車載規格鏡頭，模組整體可達到IP67防護等級。其中電子加熱除霧功能特別適用雨雪天氣，不懼寒霧。
?激光雷達
激光雷達精度高、穿透力強，可以實時掃描周圍環境建立三維模型，擁有很高的可靠性和精確性，但對惡劣天氣的適應性則稍微差一些。
雨天對激光雷達的影響相對較小，除暴雨等極端降雨條件下，激光雷達基本不會受到任何影響。與降雨不同，雪由由大量白色不透明的冰晶（雪晶）和其聚合物（雪團）組成，很容易堆積形成障礙物，從而影響激光雷達的掃描距離，或者導致激光雷達的錯誤探測。
雨雪天尤其考驗激光雷達的環境適應性，目前行業也在不斷迭代提高產品性能。如圖達通獵鷹K激光雷達，具有車規級的高可靠性以及1550nm波長的先天優勢，在露天煤礦冬季寒潮來臨時，激光雷達產品也能經受零下39°的極寒環境，始終全天候保持著穩定、準確的探測狀態，為無人駕駛礦卡的24小時連續運行保駕護航。
毫米波雷達
毫米波雷達探測距離遠，精度雖沒有激光雷達高，但對霧、煙、灰塵的穿透能力極強，在惡劣天氣條件下，整體表現更好。特別是當下熱推的4D毫米波雷達，相較于傳統的毫米波雷達，具有更高的信息維度感知能力和更精細的空間定位能力。
但毫米波雷達也并非全無缺點，其在有雨有霧或大雨的天氣下表現欠佳，性能會出現大幅下降，且毫米波雷達也存在對行人識別不足的問題。
超聲波雷達
超聲波雷達具有頻率高、波長短、繞射現象小、方向性好、能夠成為射線而定向傳播等優點，但探測距離很短，因此常用于短距離測量，如泊車場景。
超聲波雷達受天氣情況影響大，不同溫度情況下，測量的距離也不盡相同，在測量較遠距離目標時，其回波信號會比較弱，無法精確描述障礙物的位置。
綜合來看，以上各類傳感器優劣勢并存，目前自動駕駛車輛無法單靠一種傳感器準確感知和獲取環境信息，但通過多傳感器融合、數據組合的方式，可以做到優勢互補，揚長避短。
實現自動駕駛是一個循序漸進的過程，目前我國低速無人駕駛已經實現從“0”到“1”的突破，開始從小批量落地應用向規模化商用加速拓展。針對無人車在雨雪以及更多極端環境、長尾場景的安全穩定行駛問題，產業鏈上下游企業都是在通過技術的協同發展，持續且大量的數據訓練和應用積累，探尋“更優解”而非“最優解”，這也是低速無人駕駛產業聯盟及聯盟企業共同的愿景和目標。
