Autonomous vehicles perceive their environment based on several sensors that are onboard the vehicle. These sensors constantly monitor the vehicle’s movement as well as the environment. There is a wide variety of sensors that can be utilized based on the type of data it provides, accuracy and cost. While not all of them are required, some combination of sensors is required to have a functional and reliable autonomous vehicle. For a robust autonomous vehicle, typically, the sensor quality and accuracy need to be high. Having high-quality sensors drives up the procurement costs and computational requirements, which in turn increases the vehicle cost for manufacturers and customers alike. One way to reduce costs is to limit the number of sensors. However, this also limits the vehicle’s sensing capability and range. A vehicle’s sensing capability and range can be improved with the use of off-board sensors, such as an external camera, placed strategically at crucial points on the road, such as in intersections. These off-board sensors can be connected to an autonomous vehicle over the internet using low-latency communication technologies such as 5G. The problem that this work tried to tackle was how to improve the reliability of an autonomous vehicle while limiting the need for many expensive sensors. It aims to show how a camera placed off-board can be used to complement one or more vehicles’ onboard sensors and achieve an extension of the vehicle’s operational design domain, while relaxing constraints on the onboard sensors. This was investigated by building a physical prototype using a 1/5th scaled car with a Lidar and an Inertial Measurement Unit and extending its sensing capability and range with the use of a camera based off-board sensor. The car was robust enough to navigate and make driving decisions. This also meant that the costs of procuring the hardware needed can be reduced. The minimum distance for a lane merging scenario was first derived mathematically and then compared to experimental data. The experimental findings were consistent with the mathematical model within an 11 percent margin of error. / Autonoma fordon uppfattar dess omgivning baserat på flera sensorer som är ombord fordonet. Dessa sensorer mäter konstant fordonets rörelse och omgivning. Ther finns en stor variation av sensorer som kan användas baserat på vad för typ av data som mäts, dess precision och kostnad. Alla sensorer är inte nödvändiga men någon kombination av sensorer krävs för att ha ett funktionellt och tillförlitligt autonomt fordon. För ett robust autonomt fordon brukar sensorers kvalite och precision vara hög. Att använda sig av hög kvalité på sensorer driver upp anskaffningsvärde samt höjer mängden datorberäkningar. Detta i sin tur höjer kostnaden för biltillverkare och kunder. Ett sätt att minska kostnaden är att minska antalet sensorer. Dock så minskar detta även fordonets möjlighet till att uppfatta omgivningen samt sensorers utsträckning. Ett fordons uppfattnings kapabilitet och utsträckning kan förbättras genom att använda sig av externa sensorer, såsom en extern kamera placerad vid en strategisk position i trafiken, såsom i en korsning. Dessa externa sensorer kan vara uppkopplade till ett autonomt fordon över internet genom att använda sig av kommunikations teknologier med låg latens såsom 5G. Det problem som adresseras i detta arbete är hur man kan förbättra pålitligheten för ett autonomt fordon när antalet dyra sensorer är begränsat. Målet är att påvisa hur en extern sensor, i form av en kamera, kan användas som ett komplement till en eller flera sensorer ombord fordonet och därmed förlänga fordonets användningsområde medans kraven på fordonets sensorer blir mindre. Detta undersöktes genom att bygga en fysisk prototyp med en skala på 1 till 5 för en bil. Denna bil hade Lidar och en tröghetssensor och den kamerabaserade externa sensorn förlänger fordonets uppfattning av omgivningen. Bilen var robust nog för att kunna navigera och göra körningsbeslut. Detta betydde att anskaffningsvärdet för nödvändig hårdvara var lägre. Det minsta avståndet för ett experiment av sammanfogning av två körfält räknades först ut matematiskt och jämfördes sedan med experimentell data. Resultatet från experimentet visade sig vara överens med den matematiska modellen med en felmarginal på 11 procent.