用摄像头代替人眼对目标(车辆、行人、交通标志)进行识别、跟踪和测量，感知到汽车周边的障碍物以及可驾驶区域，理解道路标志的语义，从而对当下的驾驶场景进行完整描述。摄像头必须先识别再测距，如果无法识别则无法测距。相对于其它传感器，摄像头的价格相对低廉，有着识别车道线、车辆等物体的基础能力，在汽车高级辅助驾驶市场已被规模使用。依据不同的图像检测原理，可分为单目摄像头和双目摄像头，根据芯片类型又可分为 CCD 摄像头和 CMOS 摄像头，等等。其优点在于摄像头是目前能够辨别物体的传感器。
但是摄像头同时具有三个缺点：缺点一是逆光或光影复杂的地方难以使用;缺点二在于依赖于算法，能否辨别物体依赖样本的训练，样本未覆盖的物体将无法辨别，比如在中国道路上应用，识别超载运货车的成功率不超过 80%;缺点三在于摄像头对于行人的识别具有不稳定性，因为行人不同于车辆，动作、服装、身体各部分变化要素很多，而且还要与街上的建筑、汽车、树木等背景图案区分开来，比如在日本、德国、美国、以色列等国市区的测试结果显示，行人的成功检测率为 93.5%，距离实现无人驾驶还有很大差距，再如穿着吉祥物套装或着装颜色与背景相似的人或搬运东西的人极有可能无法识别。因此，摄像头的物体识别功能，但由于依赖样本识别物体，以及识别行人具有不稳定性，摄像头应用于测距领域无法保障 100% 的稳定性，在自动驾驶领域脱离激光雷达使用只能应用于 ADAS 而不能应用于的无人驾驶。从硬件方面看，计算机视觉所需的工业摄像头在技术层面相对成熟，具有较高的图像稳定性、高传输能力和抗干扰能力，且单个摄像头成本已降到 200 元以下，因此单车可以配备 6~8 个摄像头覆盖不同角度，天风证券预测，2020 年国内前后装摄像头需求量为 4184 万个。
发射 1~10 毫米的电磁波，根据反射波的时间差及强度等来测量距离，汽车毫米波雷达的频段主要在 24 GHz 和 77 GHz。其优点在于性价比较高，探测距离远，精度较高，穿透雾、灰尘的能力强，能够全天候全天时工作，在很多高档轿车里都有应用;缺点是行人的反射波容易被其他物体反射波埋没，难以分辨，无法识别行人，例如采用毫米波雷达和摄像头的感知系统实现自动驾驶的 Tesla，在行人较多的闹市区会自动锁定自动驾驶功能。因此，毫米波雷达在测距领域具有较高性价比，但是其无法探测行人是一个致命弱点，只能应用于自适应巡航系统等 ADAS 系统。目前毫米波雷达市场由国外厂商垄断，国内主要的零部件供应商正在致力于车载毫米波雷达的国产化。79 GHz 毫米波雷达作为未来发展趋势，能更有效地发挥自动驾驶传感器所需的性能。
发射振动频率高于声波的机械波，根据反射波测量距离。其优点在于探测物体范围极广，能够探测绝大部分物体，且有较高稳定性;缺点是一般只能探测 10 米以内的距离，无法进行远距离探测。因此，超声波雷达广泛应用于倒车雷达，在自动驾驶领域常常作为短距离雷达，应用如自动泊车辅助系统。
可以获得自身相对于全局的位置信息。其优点在于技术较为成熟，能够实现在全局视角的定位功能;缺点在于无法获得周围障碍物的位置信息。往往需要与前几个探障类传感器搭配使用。
