沒有一種解決方案是完美的，每種組合的解決方案都有妥協，盡管如此，這些傳感器技術將以不同的方式在不同的車輛價格點組合，從而獲得有效的解決方案。

有四種類型的傳感器為車輛提供外部和即時信息，每種傳感器都有優點和缺點。傳感器類型是：

激光雷達- 一種測量技術，通過用激光照射目標來測量距離。激光雷達是光探測和測距的。

雷達- 一種物體探測系統，使用無線電波來確定物體的范圍，角度或速度。

超聲波- 一種發射超聲波聲音的物體檢測系統，可以保存并檢測它們的返回以確定距離。

被動視覺- 使用被動相機和復雜的物體檢測算法來了解相機可見的內容。

每種技術都有不同的優點和缺點。

激光雷達目前是大而昂貴的系統，必須安裝在車輛外面。例如，Google必須安裝在車輛頂部，視線無障礙。目前的實施方案已經基本上從早期的30米范圍到150米到200米改進了范圍，同時分辨率也提高了。目前，具有更高范圍和分辨率的生產系統仍然是昂貴的。激光雷達在所有光線條件下都能很好地工作，但由于使用了光譜波長，它們開始因空氣中的雪，霧，雨和塵埃顆粒的增加而失效。激光雷達無法檢測顏色或對比度，也無法提供光學字符識別功能。

代表制造商包括Continental AG，LeddarTech，Quanergy和Velodyne。

谷歌的自動駕駛汽車解決方案使用激光雷達作為主要傳感器，但也使用其他傳感器。特斯拉目前的解決方案并未包含激光雷達（雖然姊妹公司SpaceX確實如此）以及過去和現在的聲明表明他們認為自動駕駛汽車不需要。

Quanergy展示了一種近乎量產的固態激光雷達系統，該系統預計有150米的范圍，250美元的成本和足夠的分辨率。該裝置仍然比所有其他傳感器大得多，而且價格昂貴，但價格和尺寸與預期的性能將使它成為一個非常有競爭力的傳感器，如果它生產。這個價格/性能點可能會讓它更有可能包含在特斯拉中，并且已經發現了一個安裝在頂部的傳統激光雷達的特斯拉Model S。

固態雷達芯片系統很常見，體積小，價格低廉。它們具有良好的范圍，但比其他傳感器的分辨率更差。它們在明暗條件下同樣工作良好，77 GHz系統能夠更好地感知霧，雨和雪，這會導致激光雷達和被動視覺系統的挑戰。與激光雷達一樣，雷達無法進行顏色，對比度或光學字符識別。雷達在確定當前實施中的交通相對速度方面非常有效。雖然傳感器尺寸使其更接近近距離探測，但它們在極短距離內的效率低于聲納。

代表制造商包括德爾福，京瓷，法雷奧和偉世通。

超聲波傳感器主動發出高于人類聽覺水平的高頻聲音。它們具有非常差的范圍，但是對于非常近距離的三維映射非常好，因為聲波相對較慢，因此可以檢測到一厘米或更小的差異。無論光照水平如何，由于距離短，它們都可以在雪，霧和雨的條件下同樣良好地工作。與激光雷達和雷達一樣，它們不提供任何顏色，對比度或光學字符識別功能。由于它們的射程短，因此無法用于測量速度。它們小而便宜。

代表性的制造商包括Bosch，Valeo，Murata和SensorTec。

近年來，相機圖像識別系統變得非常便宜，小巧且高分辨率。它們的顏色，對比度和光學字符識別功能為其提供了一個全新的功能集，完全沒有其他所有傳感器。它們具有最佳的傳感器范圍，但光線條件良好。它們的范圍和性能隨著光線水平變暗而降低，開始依賴于 - 就像人眼一樣 - 依賴于汽車前燈的光線。在非常明亮的條件下，一些實施顯然可能無法識別明亮天空下的輕物體，據報道這是2016年5月特斯拉自動駕駛儀相關死亡事故的一個因素在佛羅里達州數字信號處理可以確定速度，但不能達到雷達或激光雷達系統的精度水平。

代表性的制造商包括Mobileye，Delphi，Honeywell和Toshiba。

Mobileye宣布，由于對使用方面存在分歧，它將不再為特斯拉提供解決方案，并將專注于完全自主的解決方案。Mobileye目前的實施已經承認了分辨率和側面碰撞檢測的局限性，其中第二個預計將包含在即將推出的新產品版本中。

一種較便宜，功能齊全的折衷方案

特斯拉對這些因素進行了評估，得出的結論是，有效的完整傳感器組不需要激光雷達。根據其傳感器的實現，上面的重疊圖表顯示這是明智的。特斯拉上目前的傳感器可能具有與單個下一代尚未生產的固態激光雷達傳感器相同的硬件成本，但在大多數情況下可提供出色的性能。

它看起來缺乏在黑暗中的良好分辨率成像，其中激光雷達比低分辨率雷達有優勢。

不同條件下的優劣勢

值得關注的是不同條件下傳感器性能的顯著差異。下圖提供了基于不同傳感器類型的各種技術實現的粗略平均值的傳感器范圍和銳度的粗略近似值。

范圍以米為單位。Acuity是基于分辨率，對比度檢測和顏色檢測的組合的斷言值。

顯然，被動視覺在條件允許的情況下具有最長的范圍和最佳的敏銳度，同樣顯然它在不利條件下可以提供的信息質量方面迅速降低。

黑暗中的范圍基于現代車燈照亮前方路徑，但前燈照亮的寬度更小，對比度和色彩都受到影響。選擇的值假設汽車不在光線充足的道路上，而是在沒有任何重要路燈且沒有月球照明的道路上。在沒有云層和/或有很多路邊燈下，視覺傳感器可以收集更多信息，但是陰影也可以使識別具有挑戰性。

從這次評估中可以明顯看出，雷達雖然不是所有條件下的最佳傳感器，但在較高速度下探測車輛和其他物體所需的范圍內，其降幅最小。激光雷達更好，直到大霧，大雪或大雨發生大氣渾濁，但在這些條件下會降低。

這一評估引出了一個問題，即應該對自動駕駛汽車的信息質量有多大依賴。雷達的低靈敏度是否足以識別大多數物體和車輛，使得汽車在安全的情況下比人類駕駛時更快？或者視力是否太低而且必須降低速度以允許其他傳感器收集足夠的信息以及時響應？

另一個問題是自治是否應該設計為在所有條件下可獲得的最可靠信息，雷達，或者是否應該設計傳感器組的假設，這些假設在更惡劣的條件下會大幅度降低？

無論是否需要激光雷達，基于單個傳感器組或甚至雙傳感器組的解決方案都不可行。每種傳感器類型都有優點和缺點，并且需要從多個傳感器合并單個現實表示，以避免誤報和誤報。

特斯拉的一些早期陳述似乎表明他們的一個傳感器識別了佛羅里達州的卡車側，該系統解決了沖突，有利于避免誤報，特斯拉預計將很快發布軟件更新，更好地利用雷達系統來避免這種邊緣條件。

沒有一種解決方案是完美的，每種組合解決方案都有妥協，即使這些妥協的規模或不同方向的意識程度不同。這些傳感器技術將以不同的方式在不同的車輛價格點組合，從而獲得有效的解決方案。