最后一个问题我们来说一下什么情况下需要对这套系统重新进行标定。第一种情况，如果我们更换了该套系统的控制单元，那么我们就需要进行重新的校准。第二种情况是我们更换了前风挡玻璃，那么也需要进行重新校准。第三种情况，如果我们对悬架进行了调整，使得我们车身的高度发生了变化，也需要重新进行校准。第四种就是我们更换了车身高度传感器以后，我们也要对这套系统进行重新的校准。
讲话了这么多 ，我们来将一下 华为 与 比亚迪的合作 为什么这么厉害
首先我们需要了解下 什么是L5级驾驶，简单点意思就是 自动驾驶 ，车辆不需要人为控制，只要输入目的地，车辆就能自己行驶到 目的地。
《天黑请闭眼》霍建华 的Q5 艾迪 就是 L5，有兴趣的朋友可以去看看。
生活中 有没有L5自动驾驶呢，还是有的 ，只不过还在实验阶段，并没有大量投产，因为还不够安全 。我们也坐过L5的车，只能说是 还不成熟。像无人公交车 说是无人公交 还是会有司机，操作手柄 ，虽然没有方向盘 。无人快递车 ，始终 还在 指定路线上跑 。无人驾驶地铁 ，还算可以，至少看不到司机。
为什么 说 华为 与比亚迪 合作 会很厉害，可能会引领 未来汽车 的走向呢？
目前 无人驾驶 的霸主 就只有两个 ：特斯拉 毫米 雷达
华为 激光雷达
摄像头与毫米波雷达（Radar）融合解析
摄像头和雷达的融合是很多做ADAS当前所关注的关键问题之一。因为单纯摄像头和雷达都无法解决测距问题。不仅在测距，今后可能所应用到的高精度地图也都是需要使用摄像头和雷达的融合才能够实现。
摄像头和雷达的融合是很多做ADAS当前所关注的关键问题之一。因为单纯摄像头和雷达都无法解决测距问题。不仅在测距，今后可能所应用到的高精度地图也都是需要使用摄像头和雷达的融合才能够实现。
当前寻求到最优的方案是实现摄像头和雷达的融合。摄像头测距的准确性较低，雷达测距的准确性较高，然而没有点源的身份信息。雷达和摄像头的特点对比如下。
摄像头在雨雾、黑暗的环境下就会“失明”，强光和弱光环境它也不能正常工作。与光学传感器相比，雷达在分辨率上明显较差，不过它在测距测速功能和恶劣天气下明显更胜一筹。
虽然光学传感器在恶劣天气下能力受限，但它依然能识别色彩（交通灯和路标），而且在分辨率上依然有优势，可以说每种传感器都有自己的优势也有自己的软肋。想做到完美的传感器融合，就要接受不同传感器的输入，并利用综合信息更准确的感知周边环境，其得出的结果比不同传感器各自为战要好得多。
融合算法中有特征融合和数据融合两种融合。如下图所示：
特征融合分别在自己的模块内完成目标的分类和跟踪进行融合，模块间分别通过CAN总线进行数据交互。数据级融合在同一模块内进行融合，无需数据交换。数据及融合的等级较高，但是需要获得传感器的底层参数，当前无法获得。因此当前采取的是特征融合。
