一、自動駕駛系統需求多組感測器
自動駕駛車輛需要即時取得車輛週邊的所有資訊，需仰賴車上配置的所有感測器，如：影像感測器、短距雷達、長距雷達、超音波雷達、光達(Lidar)、衛星定位(GPS)…等感測器的資料，以建構出車輛週邊環境的360度現場資訊，如圖1所示，再將判讀後有用資訊傳後送至後端行車電腦的中央處理器，經由高速運算分析後，下達執行車輛控制的前進、轉向等操作指令，讓車輛可以自動駕駛。車輛自動駕駛主要依賴先進駕駛輔助系統(Advanced Driver Assistance Systems；ADAS)的感測、分析，進而做到控制車輛的決定，ADAS是利用上述多組感測器所偵測到的資訊，建構出車輛環周的數位資料，經後端行車電腦的中央處理器運算後，來控制車輛自動行進的動向，以達到車輛自動駕駛的願景。
每一種類感測器都有其優、缺點，如：影像感測器在低光源或天候不佳時的影像品質較差。雷達感測器較不受到天候變化影響；但是，雷達的解析度不如影像感測器高。光達感測器可提供較佳立體影像，但是在天候不佳的下雨、風雪或冰雹時，光達感測器的偵測精準度會下降。衛星定位精度較差，無法取得較短距離（1公尺以下）的即時定位資訊。
資料來源：工研院IEK (2017/06)
圖1 車輛所有感測器監控範圍示意圖
二、感測器融合技術孕育而生
感測器融合 (Sensor Fusion) 的創新概念是同時匯集『多顆』、『同類型』或『不同種類』感測器的資訊，先在前端進行初步整合所有高精度的感測數據，最後將多組初步整合好的資訊再交給後端行車電腦的中央處理器進行判讀與運算，如圖2所示，可以更快和更精準地感知車輛週邊的環境。相對於現有的獨立感測系統，需要排定訊號的處理順序，使得後端的處理器一直處於高速運算的模式，不僅發熱量高，同時也容易發生當機狀況。然而，感測器融合技術可以分層、分工進行資料運算處理，可以有效減少後端處理器的負荷，讓行車電腦可以做出更快、更好、更安全的車輛控制指令。
此分工處理的架構，就是感測器融合技術的真正核心所在，可加快資訊處理的速度，也可以減輕中央處理器的運算負荷。結合多組感測資訊是感測器融合技術最大的特點。
例如：雷達不具有影像感測器所具有的高解析度，不過它在測距和穿透雨、雪和濃霧方面具有很大優勢，所以結合雷達與影像感測器的資訊，可以達到全面性以及全天候感測車輛外在環境的需求，以達到真正車輛使用環境的無限制。將前方雷達與前方影像感測器融合在一起，以實現自我調整巡航控制和車道維持輔助，或者將後視影像感測器與超音波測距感測器組合在一起來實現自動停車。
資料來源：TI, STM (2017/06)
圖2 感測器融合系統與晶片架構圖
三、感測器融合ECU市場向上成長
Intel、Mobileye、BMW於2017年 CES發表Intel Go自駕車平台，結合Intel處理器/FPGA/SSD/人工智慧平台技術、Mobileye 360度環景視覺感測器/演算法、BMW自駕車開發技術，執行感測器融合、環境建模、路徑規劃、駕駛策略、決策制定等自動駕駛功能。
國際市調機構IHS研究數據顯示，在2015年，只有4%的新車內建感測器融合技術的電子控制單元 (Engine Control Unit, ECU)，如圖3所示，主要以執行環周影像停車輔助與車輛安全功能；預測在2025年，感測器融合技術的滲透率將提高到21%，並可執行更多車輛安全系統，以達到車輛自動駕駛的願景。在2015～2025年，感測器融合ECU市場的年複合成長率(CAGR)高達20%，為汽車產業中成長動能強勁的關鍵電子元件。
資料來源：IHS (2017/06)
圖3 感測器融合ECU市場成長趨勢
四、IEKView
隨著車輛安全的等級由L1提升至L4的全自動駕駛，在一台汽車上最多將要配置高達35個感測器，再加上高速運算的行車電腦系統，與軟體運算架構，進而控制車輛的電子系統進行適當的動作，才能完整執行全自動駕駛的願景。
為了縮短感測運算時間和降低中央處理器的運算負荷，『感測器融合技術』將以特定系統功能分工的架構，來讓自動駕駛運算速度可以更快和降低所需要的功耗。隨著感測器融合技術的開發，將帶動感測器融合ECU的新市場商機在車輛市場中浮現出來，同時也帶給半導體業者新的市場商機。建議國內半導體業者可提早投入此新晶片的開發，儘早切入感測器融合ECU的市場，以取得先期市場的高利潤商機。