自動駕駛汽車依靠什么感知道路環境

自動駕駛輔助系統利用車載傳感器和車輛網絡技術獲取道路、車輛位置、障礙物、車輛自身位置等信息，并將獲得的信息傳輸到車輛控制中心，為獨立駕駛汽車提供決策依據。簡而言之，智能駕駛輔助是一個通過各種傳感器數據和高精度地圖獨立駕駛汽車的系統。

自動駕駛使用的技術有7點：

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。