无人驾驶汽车的传感器及其作用GPS：用于定位；常用的高精度定位方法是使用差分定位设备，如 RTK-GPS，但需要额外架设固定差分基站，应用距离受限，而且易受建筑物、数目遮挡影响。激光雷达：用于定位以及障碍物检测。
激光的能量密度高、方向性佳，商用 LiDAR 使用的激光射线波长一般在 600nm 到 1000nm 之间（在汽车安装的激光雷达的波长一般为 905 纳米），远远低于传统雷达所使用的波长，不易发生衍射现象。由此，可以准确测量视场中物体轮廓边沿与汽车之间的相对距离【原理为：利用激光的飞行时间（Time of Flight，ToL）和光速，可以计算出距离】
与移动物体的速度。根据相对距离及激光发射的角度，这些轮廓信息形成点云，可对周边所有障碍物进行精准的建模，绘制出周围环境的动态 3D 高精度地图，精度可达到厘米级【注：波长较长的电磁波容易发生衍射现象，使得发射出去的电磁波只有少部分反射回来；激光雷达最大的特点就是测距的准确性和可靠性，还有高的角分辨率】但测量效果易受环境条件的影响
（例如，在雾霾天气下，PM2.5 的直径个激光的波长在一个量级上，容易发生散射，使得 ToL 非常短，测量出来的 3D 地图会严重失真）；摄像头：摄像头的分辨率进高于其他传感器，可以获取足够多的环境细节，特别是颜色信息，如识别交通标线识别、交通信号灯等，但单目摄像头无法得到准确的距离信息、双目的计算量又太大，且光学摄像头普遍受光照条件的影响巨大，物体的识别准确度很不稳定；毫米波雷达：可快速获得速度信息，实现追踪前车并控制车速，在不同天气情况下鲁棒性更好。但与激光雷达相比精度稍低、可视角度偏小，对行人的反射波也较弱（由于发生了衍射），难以探测；超声波雷达：可感应车辆周围和驾驶员盲区内车辆和障碍物，用于低速下碰撞预警，成本最低，探测距离近（通常只有几米）、精度低；高精度地图：遇到传感器束手无策的天气，就需要借助高精度地图。例如，谷歌无人车行驶在暴雪覆盖路面的时候，就在高精度地图基础上，定位计算马路车道线位置，确定行驶轨迹。但是对地图数据的完备性要求较高！
