自动驾驶使用的技术

自动驾驶使用的技术有7点：

1、识别技术：

（1）、最常用的是摄像头，它和人类的眼睛最接近，可以看清有颜色的标识、物体，看得懂字体，分得清红绿灯。但是缺点也不少，比如在夜晚或恶劣的天气下视力就严重下降，也不擅长远距离观察。

（2）、其次是颇富争议的LiDAR，即激光雷达。比较常见的是在车顶，像是顶不停旋转的帽子。原理很简单，就是通过计算激光束的反射时间和波长，可以完成绘制周边障碍物的3D图。而短板则是无法识别图像和颜色。

（3）、最后是毫米波雷达，因为它可以全天候工作，这使得它不可或缺，即便它无法识别高度，分辨率不高，也难以成像。但它凭借其穿透尘雾、雨雪的硬本领，站稳一席之地。

2、决策技术：

通过识别得到了周边环境，接下来就要充分利用这些信息进行理解分析，决定自己该如何走下一步。要完成这项任务的就是最强大脑。

跟人类的大脑一样，我们不是天生就会开车，也不是拿到驾照就成老司机了。需要一定的知识积累，自动驾驶机器人也同样需要。处理这些信息有两种方式：专家规则式和AI式。

（1）、专家规则式，英文叫rule-based。即提前编写好规则，当需要做决定的时候必须严格遵守这些规则。比如准备超车变道时，需要满足以下条件：道路半径大于500R（弯道不变道）；跟目标车道上的前后车的距离都在20m以上；比后车的车速慢不超过5km/h，即可超车变道。

（2）、AI式，就是一直很火的人工智能Artificial Intelligence。模仿人类的大脑，通过AI算法对场景进行理解。或提前通过大量的犯错积累经验。通过AI式积累知识库，会让AI的反应更加灵活。

3、定位技术：

只有知道自己在哪里，才知道自己去哪里。目前自动驾驶的技术基本上都源自机器人，自动驾驶可以看做是轮式机器人加一个舒适的沙发。机器人系统中定位和路径规划是一个问题，没有定位，就无法规划路径。

对机器人系统来说，定位主要靠SLAM与先验地图（PriorMap）的交叉对比。SLAM是SimultaneousLocalizationandMapping的缩写，意为同时定位与建图。它是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程。目前，SLAM的应用领域主要有机器人、虚拟现实和增强现实。其用途包括传感器自身的定位，以及后续的路径规划、场景理解。

4、通信安全技术：

试想如果被黑客入侵，控制了你的自动驾驶车，可以监听到你的秘密谈话。黑客可以通过影响传感器的数据而影响决策，或直接介入判断机制进而影响行驶轨道，像GPS、摄像头、激光雷达、毫米波雷达、IMU等常见传感器装置，都可以被黑客干扰进而影响自动驾驶的判断机制和行驶轨道。比如攻击激光雷达让其辨别不了即时性不良数据，或者是试着干扰他们长期积累的聚合数据等等。

5、人机交互技术：

虽说我们对自动驾驶的印象大多是，不需要人们的干涉，它就能把我们送到任何想去的地方。但是很遗憾，目前的自动驾驶系统还做不到这一点。

遇到自动驾驶驾驭不了的场景，便会呼唤你接替它的工作。这时，HMI（人机界面）就发挥作用了。它的目标是，用最直观最便捷的方式通知我们，让驾驶员尽快注意到。

此外，通过观察分析驾驶员的面部表情和动作，判断其困倦状态，并通过给驾驶员提供感兴趣的话题等方式予以提醒，也是人机交互多样化发展的一个例子。还有些不仅局限于和车内人的互动，也可以与路上行人进行互动，表达让行等意愿。

6、高精度地图：

基于美国SAE协会对自动驾驶技术等级的划分，在Level2以下的辅助驾驶阶段（ADAS阶段），高精度地图对整个辅助驾驶系统来说是一个可选项。当自动驾驶技术发展到 Level3及以上时，要求车辆在高速公路、停车场泊车等特殊场景中实现自动驾驶，高精度地图的重要性开始凸显。业内公认要想实现Level3级别的自动驾驶，高精度地图将成为必选项。

7、5G/V2X技术：

车联网V2X就是把车连到网或者把车连成网，包括汽车对汽车（V2V）、汽车对基础设施（V2I）、汽车对互联网（V2N）和汽车对行人（V2P）。

通过V2X网络，相当于自动驾驶打通外部大脑，提供了丰富、及时的外部信息输入，能够有效弥补单车智能的感知盲点。