文艺筱简
自动驾驶是汽车诞生以来，人们追求的蓝图，设想未来的汽车无人驾驶招手既停，快捷方便，为人们的出行带来巨大的改变，也大大解放了人类的出行时间。近几年，各大互联网巨头，新兴科技公司，传统车厂，都在这方面投入了巨大的热情，并成功研发出来能成功上了的无人驾驶汽车。那这样的汽车需要哪些基础技术支持呢？
自动驾驶的必要的“耳朵”雷达传感器
在自动驾驶汽车的技术发展过程中，自动驾驶的汽车对周边环境的感知与理解，是实现自动驾驶的基本前提，所以要实现要自动驾驶的基础是各种各样的传感器的协调工作，才能让汽车“眼观六路耳听八方”，只有准确及时的感知到车辆周围的道路、其他车辆、行人等信息，自动驾驶汽车的驾驶行为才会有可靠的决策依据。
自动驾驶的“耳朵”就是车上的雷达传感器，雷达最初是为军事和航空电子应用开发的。在汽车上较常用的是毫米波雷达，毫米波雷达的工作频率介于30~300GHz之间，波长介于厘米波和光波之间，所以，毫米波雷达兼具微波制导和光电制导的优点，穿透力强，具有全天候。全天时的特点，但是大雨天气毫米波雷达的性能会大大下降，而且毫米波是重要的雷达频段，在很多场合受到的干扰较大。
第一个用于汽车的雷达传感器是在大约40年前的研究项目中开发的，但直到1998年才将雷达传感器运用到商用汽车项目，起初雷达传感器用于自适应巡航控制，后来，前车碰撞预警也被加入进雷达传感器。
雷达传感器的应用范围广泛，多种多样，在汽车应用中，主要使用调频连续波（FMCW）雷达，FMCW雷达使用间接距离或气行时间测量，使用发送信号和接收信号之间的频率差作为间接测距手段。
由于普通雷达传感器受天气影响的原因，技术升级为激光雷达传感器和超声波传感器的应用，这样就解决了自动驾驶汽车受天气制约的局限性，让自动驾驶汽车真正具有全天候的应用。
车用雷达传感器
精度更高更可靠的激光雷达
普通雷达传感器可用于汽车的自适应巡航控制或者前车碰撞预警等场景，对于毫米波雷达来说这样的工作完全可以胜任，但它受到天气的影响较大，例如，大于天气这样的雷达的性能会大打折扣，这对于无人值守的自动驾驶汽车是致命的，一下大雨因精度下降它就不得不罢工了。所以就要求技术更高的设备，这就是激光雷达传感器。
激光雷达
激光雷达（LIDAR）是一种测量距离的遥感技术。这种技术原理是用激光照射目标物体，并用检测器来分析反射光，以此来测量距离。LIDAR一词是光探测和测距（Light Detection and Ranging）的缩写，同时也可以看作是“光”及“雷达”的合成词。激光雷达传感器有多种用途，其不同之处在于如何分配激光以及如何分析反射光。
激光雷达采用主动测距法，接收到的是物体反射回来的激光脉冲，激光雷达直接测量被测物体到雷达的距离，与立体视觉复杂的视差深度转换算法相比更为直接，而且测距更为准确。激光雷达还具有视角大、测距范围广等优点。
激光雷达
激光雷达传感器在自动驾驶中的应用包括以下几个方面
一、障碍物检测：激光雷达感知技术中障碍物检测研究最多，一般是通过测量汽车前方的物体高度信息来确定障碍物的分布。
二、动态障碍物跟踪：基于激光雷达的动态障碍跟踪是环境理解的重要组成部分，在日常环境中，主要包括行人跟踪和车辆跟踪。
三、环境重建：随着激光雷达的普及和精度的提高，基于激光雷达的三维重建和即时定位与地图构建的研究近年来也取得了一系列的进展和成果。
激光雷达
自动驾驶的“眼睛”摄像头
自动驾驶汽车的只要“耳朵”雷达还不足以完成完美的安全驾驶任务，还需要“眼睛”来协同工作才能更好的完成自动驾驶，这只眼睛就是自动驾驶汽车上的摄像头，我们来看看它是怎么工作的和它的特点。
车用单目摄像头
摄像头在汽车上的应用，目前主要有单目和双目摄像头两种类型。简单的讲，单目摄像头的测距原理是先通过图像匹配进行目标识别（各种车型、行人、物体等），识别出物体的具体轮廓，特别是宽度，根据传感器的尺寸，再通过目标在图像中的像素大小估算目标距离。这就要求在估算距离之前首先对目标进行准确识别，判断是汽车还是人，是货车。SUV还是小轿车。准确识别是准确估算距离的第一步。要做到这一点，就需要建立并不断维护一个庞大的样本特征数据库。保证这个数据库包含待识别目标的全部特征数据。而双目摄像头就是利用两幅图像的视差直接对前方雾天测量距离，无需判断物体的类型。理论上。双目摄像头的精度可达毫米级，而且双目摄像头计算距离所花费的时间远低于单目摄像头。
双镜头的行车记录仪
摄像头的致命弱点是对外部光源的依赖，低照度或者夜晚光线弱的情况下，摄像头的性能会迅速下降，另外，正对阳光，出入隧道，都使摄像头有瞬间“失明”发生，虽然只有短短几秒，也是相当危险的，还有，雨雪雾霾等恶劣天气也让摄像头无用武之地。摄像头是迄今为止所采用的最密集的感测模式，而且成本价低的感测技术。
中关村在线
无人驾驶技术是一个涉及传感器、计算机、信息通讯、自动控制、导航定位、机器视觉、人工智能等多诸多前沿学科的综合技术。根据无人驾驶的职能模块，可将无人驾驶的关键技术分为：环境感知技术、定位导航技术、路径规划技术和决策控制技术。
环境感知技术是通过多种传感器对车辆周围的环境信息进行感知。环境信息不仅包括了车辆自身状态信息，如车辆速度、转向度、位置信息、倾角、加速度等，还包括四周环境信息，如道路位置、道路方向、障碍物位置和速度、交通标志等。
定位导航技术主要包括定位技术和导航技术。定位技术可以分为相对定位（如陀螺仪、里程计算）、绝对定位（如GPS）和组合定位。导航技术可以分为基于地图的导航和不基于地图的导航（如惯性导航）。其中高精度地图在无人驾驶的导航中起关键作用。
路径规划技术可以为无人驾驶提供最优的行车路径。无人驾驶车在行驶过程中，行车路线的确定、如何躲避障碍物、路口转向等问题都需要通过路径规划技术完成。据适用范围不同，路径规划技术通常可分为全局路径规划和局部路径规划。
决策控制技术相当于智能车的大脑，它通过综合分析环境感知系统提供的信息，对当前的车辆行为产生决策。决策技术还需要考虑车辆的机械特性、动力特性，出合理的控制策略。常用的决策技术有机器学习、神经网络、贝叶斯网络、模糊逻辑等。根据决策技术的不同，控制系统可分为反射式、反应式和综合式。
2017年10月，美国众、参议院相继批准首部规范美国自动驾驶汽车产业发展的立法——SELF-DRIVE Act（自动驾驶法案）。这是美国首个对自动驾驶汽车道路测试进行管理的法案，也是美国首个针对自动驾驶汽车的联邦法案。
2017年12月18日，北京市交通委联合市公安交管局、市经济信息委等部门，制定发布了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》和《北京市自动驾驶车辆道路测试管理实施细则（试行）》两个指导性文件，明确在中国境内注册的独立法人单位，因进行自动驾驶相关科研、定型试验，可申请临时上路行驶。国内自动驾驶或将在北京率先打开格局。
新能源智能汽车产业、人工智能产业是北京十大高精尖产业中的两个重点培育产业，而自动驾驶是这两个产业的技术交汇点。北京在全国率先发布了自动驾驶汽车道路测试系列文件，为自动驾驶领域的创新企业和团队，加快创新步伐创造有利条件。
下一步，本市还将继续发布自动驾驶车辆测试路段道路要求，明确什么样的开放道路可以允许自动驾驶车辆进行道路测试。目前，北京市经济技术开发区已经建成了全国首条车联网测试道路。
据悉，一个占地更大、场景更丰富、技术更先进的封闭试验测试场地也已开始在北京经济技术开发区动工建设。新的测试场占地650亩，涵盖高速公路、山路、乡村道路、城市复杂环路、铁路、隧道等多种交通场景，预计于今年6月竣工使用。
高速警事
简单，360度全视觉路况判断，生物红外雷达，车载地图跟gps定位。这几个东西有就足够，但是怎么判断还有精细度是个大问题，先不说录入数据，怎么在正常行驶情况判断障碍物是死物还是生物，躲避方向多大，碰击什么减速物避免车主和车子的损失降到最低。这个目前就英伟达用显卡弄的图像处理器对行车时候的摄像进行处理能实时判断移动的车辆行人还有路标之类，但是对于一些什么鬼探头之类的预判估计也没法做到，还有就是按照道路法规行驶，除了地图导航摄像进行判断行驶以外，也应该有着像人那样实时判断路面标识去行驶，这个可是差点就把行车电脑弄得接近ai的学习能力才能实行，仅仅靠人输入都不知道到什么猴年马月，大数据也是个好方法，不过目前的网络来说还是不够快，毕竟车速快起来很快就跳过一个基站。要是能做以上的东西，硬件方面就要很强大才行，目前连vr都搞那么久，并且法律法规上对驾驶员跟电脑的定责也没什么依据，所以要实现真正无方向盘式自动驾驶还是很困难，不过类似特斯拉的巡航还是可以有并且不难。
黑色的风zZ
我认为自动驾驶需要解决以下问题，一从出发地到目的地的路的选择，包括路况，是否堵车，车速等。二接收处理各种信息的能力，如来自主人的，来自路管部门的，及公安等。三对来自路面情况作出判断，作出反应。四对危急事态处理能力，如撞人，撞物，被撞等。五事故后处理能力，如靠边停车，放置警示物，呼救，处置伤员等。六与周围车信息勾通。就想到这些。谢谢相邀！
老知青147544332
简单来说，自动驾驶如何像人一样“看”和“判断”路况是技术最需要突破的难点。
人开车就是用眼睛“看”的，前面有没有红绿灯，有没有车辆违规变道，有没有行人穿马路，比如一些路牌，你没看到就过去了，眼睛一看就知道怎么反应。一个司机每天都要处理很多意外情况，不能提前反应，也不能反应太慢，所以无人车也离不开视觉。但是人的感官本身就是有限的，反应不及时，或者是状态不好（比如酒驾，疲劳驾驶）都容易失误。这也是为什么自动驾驶可能更安全的原因，当然前提是技术足够成熟。
解决技术现在有很多，主要是依靠视觉成像，依靠地图，依靠深度学习。
视觉主要的技术支持是激光雷达，这是一项业内公认的关键技术，依靠雷达实时扫描周围环境，形成3D感知地图。当然也有完全不玩儿这套的，比如Tesla，完全依靠视觉成像去看，去识别。
高精地图，比如谷歌旗下的Waymo，因为谷歌有很多Google Maps 和Street View 的积累，所以用起来十分方便。
深度学习，这项科技关键在于不断积累路测数据，并且给予无人车以“经验上”的支持。只有积累了足够多的上路经验、不同情况下的判断、不同路标的识别、不同天气里的注意事项后，无人车的自驾系统才能成为一个“老司机”。
三项技术要结合起来用最好，但是由于三项技术都需要大量资源开发，现实是，有的公司一般就将其中一项技术当做突破口开发，包括一些小团队。大家抱着先突破，然后融资合作的心态。只有谷歌和特斯拉这样的巨头有能力面面俱到。
以上答案参考硅发布跨境直播《无人驾驶N大技术流派》。
硅发布
诱惑150815310
你说的自动驾驶就是无人驾驶汽车吧，需要科学在上一个档次，电脑要在应急，处理事，独立思维，和人类沟通各个方面如人脑，甚至超过人脑时，现在的城市病本身就是车满成患，如有一点点失误，就如同一只蝴蝶煽动翅膀，最后形成一场飓风！
