文藝筱簡
自動駕駛是汽車誕生以來，人們追求的藍圖，設想未來的汽車無人駕駛招手既停，快捷方便，為人們的出行帶來巨大的改變，也大大解放了人類的出行時間。近幾年，各大互聯網巨頭，新興科技公司，傳統車廠，都在這方面投入了巨大的熱情，併成功研發出來能成功上了的無人駕駛汽車。那這樣的汽車需要哪些基礎技術支持呢？
自動駕駛的必要的“耳朵”雷達傳感器
在自動駕駛汽車的技術發展過程中，自動駕駛的汽車對周邊環境的感知與理解，是實現自動駕駛的基本前提，所以要實現要自動駕駛的基礎是各種各樣的傳感器的協調工作，才能讓汽車“眼觀六路耳聽八方”，只有準確及時的感知到車輛周圍的道路、其他車輛、行人等信息，自動駕駛汽車的駕駛行為才會有可靠的決策依據。
自動駕駛的“耳朵”就是車上的雷達傳感器，雷達最初是為軍事和航空電子應用開發的。在汽車上較常用的是毫米波雷達，毫米波雷達的工作頻率介於30~300GHz之間，波長介於釐米波和光波之間，所以，毫米波雷達兼具微波制導和光電制導的優點，穿透力強，具有全天候。全天時的特點，但是大雨天氣毫米波雷達的性能會大大下降，而且毫米波是重要的雷達頻段，在很多場合受到的干擾較大。
第一個用於汽車的雷達傳感器是在大約40年前的研究項目中開發的，但直到1998年才將雷達傳感器運用到商用汽車項目，起初雷達傳感器用於自適應巡航控制，後來，前車碰撞預警也被加入進雷達傳感器。
雷達傳感器的應用範圍廣泛，多種多樣，在汽車應用中，主要使用調頻連續波（FMCW）雷達，FMCW雷達使用間接距離或氣行時間測量，使用發送信號和接收信號之間的頻率差作為間接測距手段。
由於普通雷達傳感器受天氣影響的原因，技術升級為激光雷達傳感器和超聲波傳感器的應用，這樣就解決了自動駕駛汽車受天氣制約的侷限性，讓自動駕駛汽車真正具有全天候的應用。
車用雷達傳感器
精度更高更可靠的激光雷達
普通雷達傳感器可用於汽車的自適應巡航控制或者前車碰撞預警等場景，對於毫米波雷達來說這樣的工作完全可以勝任，但它受到天氣的影響較大，例如，大於天氣這樣的雷達的性能會大打折扣，這對於無人值守的自動駕駛汽車是致命的，一下大雨因精度下降它就不得不罷工了。所以就要求技術更高的設備，這就是激光雷達傳感器。
激光雷達
激光雷達（LIDAR）是一種測量距離的遙感技術。這種技術原理是用激光照射目標物體，並用檢測器來分析反射光，以此來測量距離。LIDAR一詞是光探測和測距（Light Detection and Ranging）的縮寫，同時也可以看作是“光”及“雷達”的合成詞。激光雷達傳感器有多種用途，其不同之處在於如何分配激光以及如何分析反射光。
激光雷達採用主動測距法，接收到的是物體反射回來的激光脈衝，激光雷達直接測量被測物體到雷達的距離，與立體視覺複雜的視差深度轉換算法相比更為直接，而且測距更為準確。激光雷達還具有視角大、測距範圍廣等優點。
激光雷達
激光雷達傳感器在自動駕駛中的應用包括以下幾個方面
一、障礙物檢測：激光雷達感知技術中障礙物檢測研究最多，一般是通過測量汽車前方的物體高度信息來確定障礙物的分佈。
二、動態障礙物跟蹤：基於激光雷達的動態障礙跟蹤是環境理解的重要組成部分，在日常環境中，主要包括行人跟蹤和車輛跟蹤。
三、環境重建：隨著激光雷達的普及和精度的提高，基於激光雷達的三維重建和即時定位與地圖構建的研究近年來也取得了一系列的進展和成果。
激光雷達
自動駕駛的“眼睛”攝像頭
自動駕駛汽車的只要“耳朵”雷達還不足以完成完美的安全駕駛任務，還需要“眼睛”來協同工作才能更好的完成自動駕駛，這隻眼睛就是自動駕駛汽車上的攝像頭，我們來看看它是怎麼工作的和它的特點。
車用單目攝像頭
攝像頭在汽車上的應用，目前主要有單目和雙目攝像頭兩種類型。簡單的講，單目攝像頭的測距原理是先通過圖像匹配進行目標識別（各種車型、行人、物體等），識別出物體的具體輪廓，特別是寬度，根據傳感器的尺寸，再通過目標在圖像中的像素大小估算目標距離。這就要求在估算距離之前首先對目標進行準確識別，判斷是汽車還是人，是貨車。SUV還是小轎車。準確識別是準確估算距離的第一步。要做到這一點，就需要建立並不斷維護一個龐大的樣本特徵數據庫。保證這個數據庫包含待識別目標的全部特徵數據。而雙目攝像頭就是利用兩幅圖像的視差直接對前方霧天測量距離，無需判斷物體的類型。理論上。雙目攝像頭的精度可達毫米級，而且雙目攝像頭計算距離所花費的時間遠低於單目攝像頭。
雙鏡頭的行車記錄儀
攝像頭的致命弱點是對外部光源的依賴，低照度或者夜晚光線弱的情況下，攝像頭的性能會迅速下降，另外，正對陽光，出入隧道，都使攝像頭有瞬間“失明”發生，雖然只有短短几秒，也是相當危險的，還有，雨雪霧霾等惡劣天氣也讓攝像頭無用武之地。攝像頭是迄今為止所採用的最密集的感測模式，而且成本價低的感測技術。
中關村在線
無人駕駛技術是一個涉及傳感器、計算機、信息通訊、自動控制、導航定位、機器視覺、人工智能等多諸多前沿學科的綜合技術。根據無人駕駛的職能模塊，可將無人駕駛的關鍵技術分為：環境感知技術、定位導航技術、路徑規劃技術和決策控制技術。
環境感知技術是通過多種傳感器對車輛周圍的環境信息進行感知。環境信息不僅包括了車輛自身狀態信息，如車輛速度、轉向度、位置信息、傾角、加速度等，還包括四周環境信息，如道路位置、道路方向、障礙物位置和速度、交通標誌等。
定位導航技術主要包括定位技術和導航技術。定位技術可以分為相對定位（如陀螺儀、里程計算）、絕對定位（如GPS）和組合定位。導航技術可以分為基於地圖的導航和不基於地圖的導航（如慣性導航）。其中高精度地圖在無人駕駛的導航中起關鍵作用。
路徑規劃技術可以為無人駕駛提供最優的行車路徑。無人駕駛車在行駛過程中，行車路線的確定、如何躲避障礙物、路口轉向等問題都需要通過路徑規劃技術完成。據適用範圍不同，路徑規劃技術通常可分為全局路徑規劃和局部路徑規劃。
決策控制技術相當於智能車的大腦，它通過綜合分析環境感知系統提供的信息，對當前的車輛行為產生決策。決策技術還需要考慮車輛的機械特性、動力特性，出合理的控制策略。常用的決策技術有機器學習、神經網絡、貝葉斯網絡、模糊邏輯等。根據決策技術的不同，控制系統可分為反射式、反應式和綜合式。
2017年10月，美國眾、參議院相繼批准首部規範美國自動駕駛汽車產業發展的立法——SELF-DRIVE Act（自動駕駛法案）。這是美國首個對自動駕駛汽車道路測試進行管理的法案，也是美國首個針對自動駕駛汽車的聯邦法案。
2017年12月18日，北京市交通委聯合市公安交管局、市經濟信息委等部門，制定發佈了《北京市關於加快推進自動駕駛車輛道路測試有關工作的指導意見（試行）》和《北京市自動駕駛車輛道路測試管理實施細則（試行）》兩個指導性文件，明確在中國境內註冊的獨立法人單位，因進行自動駕駛相關科研、定型試驗，可申請臨時上路行駛。國內自動駕駛或將在北京率先打開格局。
新能源智能汽車產業、人工智能產業是北京十大高精尖產業中的兩個重點培育產業，而自動駕駛是這兩個產業的技術交匯點。北京在全國率先發布了自動駕駛汽車道路測試系列文件，為自動駕駛領域的創新企業和團隊，加快創新步伐創造有利條件。
下一步，本市還將繼續發佈自動駕駛車輛測試路段道路要求，明確什麼樣的開放道路可以允許自動駕駛車輛進行道路測試。目前，北京市經濟技術開發區已經建成了全國首條車聯網測試道路。
據悉，一個佔地更大、場景更豐富、技術更先進的封閉試驗測試場地也已開始在北京經濟技術開發區動工建設。新的測試場佔地650畝，涵蓋高速公路、山路、鄉村道路、城市複雜環路、鐵路、隧道等多種交通場景，預計於今年6月竣工使用。
高速警事
簡單，360度全視覺路況判斷，生物紅外雷達，車載地圖跟gps定位。這幾個東西有就足夠，但是怎麼判斷還有精細度是個大問題，先不說錄入數據，怎麼在正常行駛情況判斷障礙物是死物還是生物，躲避方向多大，碰擊什麼減速物避免車主和車子的損失降到最低。這個目前就英偉達用顯卡弄的圖像處理器對行車時候的攝像進行處理能實時判斷移動的車輛行人還有路標之類，但是對於一些什麼鬼探頭之類的預判估計也沒法做到，還有就是按照道路法規行駛，除了地圖導航攝像進行判斷行駛以外，也應該有著像人那樣實時判斷路面標識去行駛，這個可是差點就把行車電腦弄得接近ai的學習能力才能實行，僅僅靠人輸入都不知道到什麼猴年馬月，大數據也是個好方法，不過目前的網絡來說還是不夠快，畢竟車速快起來很快就跳過一個基站。要是能做以上的東西，硬件方面就要很強大才行，目前連vr都搞那麼久，並且法律法規上對駕駛員跟電腦的定責也沒什麼依據，所以要實現真正無方向盤式自動駕駛還是很困難，不過類似特斯拉的巡航還是可以有並且不難。
黑色的風zZ
我認為自動駕駛需要解決以下問題，一從出發地到目的地的路的選擇，包括路況，是否堵車，車速等。二接收處理各種信息的能力，如來自主人的，來自路管部門的，及公安等。三對來自路面情況作出判斷，作出反應。四對危急事態處理能力，如撞人，撞物，被撞等。五事故後處理能力，如靠邊停車，放置警示物，呼救，處置傷員等。六與周圍車信息勾通。就想到這些。謝謝相邀！
老知青147544332
簡單來說，自動駕駛如何像人一樣“看”和“判斷”路況是技術最需要突破的難點。
人開車就是用眼睛“看”的，前面有沒有紅綠燈，有沒有車輛違規變道，有沒有行人穿馬路，比如一些路牌，你沒看到就過去了，眼睛一看就知道怎麼反應。一個司機每天都要處理很多意外情況，不能提前反應，也不能反應太慢，所以無人車也離不開視覺。但是人的感官本身就是有限的，反應不及時，或者是狀態不好（比如酒駕，疲勞駕駛）都容易失誤。這也是為什麼自動駕駛可能更安全的原因，當然前提是技術足夠成熟。
解決技術現在有很多，主要是依靠視覺成像，依靠地圖，依靠深度學習。
視覺主要的技術支持是激光雷達，這是一項業內公認的關鍵技術，依靠雷達實時掃描周圍環境，形成3D感知地圖。當然也有完全不玩兒這套的，比如Tesla，完全依靠視覺成像去看，去識別。
高精地圖，比如谷歌旗下的Waymo，因為谷歌有很多Google Maps 和Street View 的積累，所以用起來十分方便。
深度學習，這項科技關鍵在於不斷積累路測數據，並且給予無人車以“經驗上”的支持。只有積累了足夠多的上路經驗、不同情況下的判斷、不同路標的識別、不同天氣裡的注意事項後，無人車的自駕系統才能成為一個“老司機”。
三項技術要結合起來用最好，但是由於三項技術都需要大量資源開發，現實是，有的公司一般就將其中一項技術當做突破口開發，包括一些小團隊。大家抱著先突破，然後融資合作的心態。只有谷歌和特斯拉這樣的巨頭有能力面面俱到。
以上答案參考硅發佈跨境直播《無人駕駛N大技術流派》。
硅發佈
誘惑150815310
你說的自動駕駛就是無人駕駛汽車吧，需要科學在上一個檔次，電腦要在應急，處理事，獨立思維，和人類溝通各個方面如人腦，甚至超過人腦時，現在的城市病本身就是車滿成患，如有一點點失誤，就如同一隻蝴蝶煽動翅膀，最後形成一場颶風！
