自动驾驶技术是人工智能、传感器技术、高精度地图、决策算法等多个领域的综合应用。

环境感知（Environmental Perception）

传感器融合（Sensor Fusion）

激光雷达（LiDAR）：通过激光点云构建3D环境模型，探测障碍物形状和距离。摄像头（Camera）：用于目标识别（车辆、行人、交通标志等），依赖深度学习（如YOLO、Faster R-CNN）。毫米波雷达（Radar）：抗恶劣天气，测速和距离。超声波传感器：短距离探测（泊车场景）。融合算法：卡尔曼滤波（Kalman Filter）、贝叶斯网络或多模态深度学习模型（如BEVFormer）。

目标检测与跟踪

算法：PointNet++（处理点云）、CNN+Transformer（图像）、多目标跟踪（MOT）算法（如SORT/DeepSORT）。高精度定位（Localization）GNSS+RTK：全球卫星定位系统（如GPS）结合实时动态差分技术（厘米级精度）。惯性导航（IMU）：短时间高精度定位，补偿GNSS信号丢失。激光SLAM/视觉SLAM：通过激光或视觉特征点匹配构建地图并定位（如LIO-SAM、ORB-SLAM3）。高精度地图匹配：与预先采集的3D高精地图（如HD Map）匹配定位（如百度Apollo）。决策规划（Decision & Planning）

行为决策（Behavioral Layer）

基于规则：有限状态机（FSM）处理变道、跟车等场景。基于强化学习：如DeepMind的DQN算法在模拟环境中学习策略。

路径规划（Motion Planning）

全局规划：A*、Dijkstra算法生成最优路线。局部规划：动态避障采用RRT*、Hybrid A*，或最优控制（如MPC模型预测控制）。端到端规划：新兴的NeRF或Transformer直接输出轨迹（如Wayve的AV2.0）。控制执行（Control）横向控制：通过PID或模型预测控制（MPC）保持车道中心。纵向控制：自适应巡航（ACC）调节车速，避免碰撞。线控底盘（Drive-by-Wire）：电子信号直接控制转向、油门、刹车。高精度地图（HD Maps）静态环境建模：包含车道线、坡度、曲率、交通标志等语义信息。众包更新：通过车队实时上传数据更新地图。格式标准：OpenDRIVE或NDS格式，支持路径规划冗余校验。车联网与V2XV2V（车-车通信）：共享位置、速度信息（如DSRC/C-V2X协议）。V2I（车-基础设施）：接收红绿灯、路侧单元（RSU）数据。5G边缘计算：低延迟协同决策（如路口无信号灯通行）。

自动驾驶是系统工程，需硬件（芯片/传感器）、软件（算法/OS）、基础设施（5G/高精地图）协同突破。目前乘用车L2++（如华为ADS）逐步普及。