自動駕駛使用的技術

1、識別技術：

（1）、最常用的是攝像頭，它和人類的眼睛最接近，可以看清有顏色的標識、物體，看得懂字體，分得清紅綠燈。但是缺點也不少，比如在夜晚或惡劣的天氣下視力就嚴重下降，也不擅長遠距離觀察。

（2）、其次是頗富爭議的LiDAR，即激光雷達。比較常見的是在車頂，像是頂不停旋轉的帽子。原理很簡單，就是通過計算激光束的反射時間和波長，可以完成繪制周邊障礙物的3D圖。而短板則是無法識別圖像和顏色。

（3）、最后是毫米波雷達，因為它可以全天候工作，這使得它不可或缺，即便它無法識別高度，分辨率不高，也難以成像。但它憑借其穿透塵霧、雨雪的硬本領，站穩一席之地。

2、決策技術：

通過識別得到了周邊環境，接下來就要充分利用這些信息進行理解分析，決定自己該如何走下一步。要完成這項任務的就是最強大腦。

跟人類的大腦一樣，我們不是天生就會開車，也不是拿到駕照就成老司機了。需要一定的知識積累，自動駕駛機器人也同樣需要。處理這些信息有兩種方式：專家規則式和AI式。

（1）、專家規則式，英文叫rule-based。即提前編寫好規則，當需要做決定的時候必須嚴格遵守這些規則。比如準備超車變道時，需要滿足以下條件：道路半徑大于500R（彎道不變道）；跟目標車道上的前后車的距離都在20m以上；比后車的車速慢不超過5km/h，即可超車變道。

（2）、AI式，就是一直很火的人工智能Artificial Intelligence。模仿人類的大腦，通過AI算法對場景進行理解。或提前通過大量的犯錯積累經驗。通過AI式積累知識庫，會讓AI的反應更加靈活。

3、定位技術：

只有知道自己在哪里，才知道自己去哪里。目前自動駕駛的技術基本上都源自機器人，自動駕駛可以看做是輪式機器人加一個舒適的沙發。機器人系統中定位和路徑規劃是一個問題，沒有定位，就無法規劃路徑。

對機器人系統來說，定位主要靠SLAM與先驗地圖（PriorMap）的交叉對比。SLAM是SimultaneousLocalizationandMapping的縮寫，意為同時定位與建圖。它是指運動物體根據傳感器的信息，一邊計算自身位置，一邊構建環境地圖的過程。目前，SLAM的應用領域主要有機器人、虛擬現實和增強現實。其用途包括傳感器自身的定位，以及后續的路徑規劃、場景理解。

4、通信安全技術：

試想如果被黑客入侵，控制了你的自動駕駛車，可以監聽到你的秘密談話。黑客可以通過影響傳感器的數據而影響決策，或直接介入判斷機制進而影響行駛軌道，像GPS、攝像頭、激光雷達、毫米波雷達、IMU等常見傳感器裝置，都可以被黑客干擾進而影響自動駕駛的判斷機制和行駛軌道。比如攻擊激光雷達讓其辨別不了即時性不良數據，或者是試著干擾他們長期積累的聚合數據等等。

5、人機交互技術：

雖說我們對自動駕駛的印象大多是，不需要人們的干涉，它就能把我們送到任何想去的地方。但是很遺憾，目前的自動駕駛系統還做不到這一點。

遇到自動駕駛駕馭不了的場景，便會呼喚你接替它的工作。這時，HMI（人機界面）就發揮作用了。它的目標是，用最直觀最便捷的方式通知我們，讓駕駛員盡快注意到。

此外，通過觀察分析駕駛員的面部表情和動作，判斷其困倦狀態，并通過給駕駛員提供感興趣的話題等方式予以提醒，也是人機交互多樣化發展的一個例子。還有些不僅局限于和車內人的互動，也可以與路上行人進行互動，表達讓行等意愿。

6、高精度地圖：

基于美國SAE協會對自動駕駛技術等級的劃分，在Level2以下的輔助駕駛階段（ADAS階段），高精度地圖對整個輔助駕駛系統來說是一個可選項。當自動駕駛技術發展到 Level3及以上時，要求車輛在高速公路、停車場泊車等特殊場景中實現自動駕駛，高精度地圖的重要性開始凸顯。業內公認要想實現Level3級別的自動駕駛，高精度地圖將成為必選項。

7、5G/V2X技術：

車聯網V2X就是把車連到網或者把車連成網，包括汽車對汽車（V2V）、汽車對基礎設施（V2I）、汽車對互聯網（V2N）和汽車對行人（V2P）。

通過V2X網絡，相當于自動駕駛打通外部大腦，提供了豐富、及時的外部信息輸入，能夠有效彌補單車智能的感知盲點。