作者 编辑 | Jason
自动驾驶技术正在改变我们对出行的看法，并引领着交通领域的革命。今年以来，包括深圳、北京、上海等地方政府纷纷出台支持自动驾驶的相关文件和政策，行业发展进一步提速。最近一段时间，关于L3+自动驾驶的重磅消息更是接连出现。工业和信息化部相关负责人透露“智能网联汽车标准体系指南”即将发布；
华为常务董事、智能汽车解决方案CEO余承东表示，中国L3级自动驾驶标准预计在6月底出炉；
工业和信息化部副部长辛国斌在国务院政策例行吹风会上表示，将启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持L3级及更高级别的自动驾驶功能商业化应用。
我们在前期的文章中说到，AI在医药领域市场率近20%，位列现阶段人工智能所有应用的首位，而自动驾驶，或许是未来应用落地最全面的AI领域之一。自动驾驶涉及即时感知、决策、执行、对环境的理解、以及预测路面情况等，其中的数据处理均需应用机器学习、计算机视觉等深度学习算法；在处理长尾问题时，更需运用生成式AI算法模拟罕见的驾驶场景，以优化模型训练。深入了解自动驾驶的核心要素是理解自动驾驶潜力和未来发展的关键。本文将深入探讨自动驾驶的感知、决策和控制原理，并介绍与这些要素相关的上下游企业，带您了解自动驾驶技术的精髓所在。就是车辆的感知和运算硬件与程序软件组成系统，能全部或部分替代人类驾驶员，对车辆和交通环境进行感知、运算、决策和执行控制。其替代程度的高低就是自动驾驶程度的等级划分。按照国际自动机工程师学会（SAE）提出的分级制度，将自动驾驶分为L0～L5共六个等级。人类驾驶，无任何辅助或自动功能，仅提供警告及临时协助，例如自动紧急刹车、盲点警告、偏离车道警告，可以说，基本需要人类100%控制驾驶车辆。
可以为司机提供控制方向盘或刹车/加速的支持，如定速巡航、碰撞预警等功能。不过该等级下的自动驾驶只能实现单方向行进维度的部分控制，不能同时控制行进方向和横向方向，不能应对多数交通场景。
转向和加减速可同时实现部分自动控制，但需要驾驶员时刻关注驾驶过程，如ACC自适应巡航/LKA车道保持等辅助功能。但是面对复杂的交通环境，仍然需要在系统无法判断和决策时，人为接管。
该等级下的辅助驾驶可以说是真正进入了自动驾驶的门槛，无论是路线规划，还是行程中应付各种复杂交通场景，程序基本都能实现从A点到B点的自动驾驶。人类驾驶员更多的是监督角色，但面对部分场景会出现自动驾驶程序无法判断的情况，例如自动驾驶程序在面临法律或伦理抉择的情形下，仍需要驾驶员介入处理。
车辆的驾驶辅助功能已经能处理绝大多数交通场景，人类驾驶员可以安心的作为乘客坐在车内，当车辆感知到一些极限场景不能再继续运行自动驾驶功能时，车辆会自动靠边停驶，此时人类驾驶员接管。
全自动驾驶，只要是有路有地图的地方，车辆就能自动驾驶。车辆不需要加速踏板、刹车踏板和方向盘，任何场景下都不需要人类介入。
当前主流的自动驾驶模型框架可以分为感知层、决策层和执行层三部分，我们把它们和人做类比，这三部分对应眼睛看到的、脑子里想到的，以及脚上的动作。三者的协同作用，使得车辆能够在不需要人类驾驶员干预的情况下进行自主导航和操控。感知是自动驾驶系统的眼睛，扮演着车辆感知和理解周围环境的角色。它是后续决策层的基础，决定了整个自动驾驶模型的上限，在自动驾驶系统中至关重要。通过感知，自动驾驶车辆能够获取、分析和解释来自各种传感器的数据，从而构建对道路、障碍物、交通标志、行人和其他车辆等元素的准确认知。一般在获取环境信息的过程中，它需要利用多种传感器，如激光雷达、摄像头、雷达和超声波传感器等。每个传感器也都有自己的特点和适用范围，通过数据的融合和处理，能够提供更全面、准确的环境感知。像激光雷达，它能够提供高精度的三维点云数据，用于构建车辆周围环境的准确模型，通过发射激光束并测量其反射时间即可获取周围物体的距离和形状。例如总部位于硅谷的“Velodyne LiDAR”便是一家激光雷达技术领域的领先企业，在激光雷达领域可谓是“一哥”级。他们生产和提供的高性能激光雷达传感器，可用于自动驾驶车辆的环境感知。其激光雷达传感器能够提供高分辨率的三维点云数据，帮助车辆准确感知周围的障碍物、道路和交通标志等元素。另一个重要的传感器是摄像头。通过图像处理和计算机视觉算法，摄像头可以捕捉道路上的图像和视频信息，并识别道路标线、交通标志、行人和其他车辆等元素，从而帮助车辆理解当前的道路状况。以色列汽车科技公司Mobileye在单目视觉高级驾驶辅助系统 (ADAS) 和自动驾驶系统 (AV)的开发方面走在世界前列，曾几乎凭借一己之力解决了辅助驾驶系统的难题，提供系统集成芯片和计算机视觉算法运行驾驶辅助功能。此外，雷达和超声波传感器也常用于感知系统中。雷达传感器通过发送无线电波并测量其回波时间来检测周围物体的距离、速度和方向。而超声波传感器则用于近距离障碍物检测和避免碰撞。多家企业在这些领域做出了重要贡献，包括Bosch、Continental和ZF等。不过，以上这些传感器只是感知系统的硬件部分，感知不仅仅是收集数据，还需要进行数据处理、融合和理解，算法才是决定自动驾驶车辆感知能力的核心。通过使用机器学习和计算机视觉算法，感知系统能够识别和分类不同类型的物体，预测它们的行为，并生成车辆所需的环境模型。决策是自动驾驶的“中央大脑”，由芯片、计算平台和软件构成，它是自动驾驶系统基于感知数据和预定义规则、模型或算法做出驾驶决策的过程。自动驾驶汽车能否被大众所接受，主要也是取决于这一环节。对于消费者来说，自动驾驶汽车对于交通环境的理解是否能和人类驾驶员一样是非常重要的，对于交通环境的认知及对于特殊交通场景的处理，能否和人类驾驶员一样人性化，也是很重要的一个考量标准。作为自动驾驶的“中央大脑”，决策利用机器学习、深度学习等算法对感知到的环境进行解读和理解，为车辆提供实时的行驶策略和控制指令，以确保车辆安全、高效地行驶。其中涉及加速、刹车、转向等操作。在该领域，涌现了像英伟达、Mobileye和安波福等知名企业。它们能够提供高性能计算平台和智能驾驶解决方案，用于决策算法的开发和优化。同时，通过不断地研发和创新，推动着自动驾驶决策技术的进步和发展，为人们提供更加便利和高效的出行体验。控制则是自动驾驶汽车落地的最直观的体现，作为自动驾驶汽车整套系统的最底层，担负着人类驾驶员“手”和“脚”的角色。控制是将决策转化为实际的车辆操作行为的过程。它通过与车辆的执行机构相连接，控制车辆的加速、刹车、转向和其他系统，以实现决策所要求的具体动作。自动驾驶控制执行的核心技术主要包括车辆的纵向控制和横向控制技术。车辆纵向控制即车辆的驱动与制动控制，是指通过对油门和制动的协调，实现对期望车速的精确跟随。横向控制，即通过方向盘角度的调整以及轮胎力的控制，实现自动驾驶汽车的路径跟踪。
车辆横向控制指垂直于运动方向上的控制，即转向控制。横向控制系统目标是控制汽车自动保持期望的行车路线，并在不同的车速、载荷、风阻、路况下均有很好的乘坐舒适性和稳定性。
控制要素的不断创新和发展为自动驾驶技术的进一步演进和商业化应用提供了坚实的基础，Bosch、Continental和ZF Friedrichshafen等企业在自动驾驶的控制领域提供了相关的控制系统和驱动技术。通过有效的控制，自动驾驶得以实现高级驾驶辅助、部分自动驾驶或自动驾驶。感知、决策和控制这三大核心要素，共同推动了自动驾驶技术的发展。在感知领域，激光雷达和计算机视觉技术的发展推动了自动驾驶的感知能力；在决策领域，智能算法和计算平台的进步促进了自动驾驶的决策能力；在控制领域，先进的控制系统和驱动技术实现了自动驾驶的精确控制。受益于5G、AI等技术发展，自动驾驶行业被打通“任督二脉”，随着全国及地方智能驾驶政策的逐步落地，有望加速汽车智能驾驶的发展，实现更高级别的自动化驾驶，为人类出行带来更多便利和安全。1.智驾最前沿：一文解读自动驾驶三大技术要素
2.上海证券报：自动驾驶，全面“提速”！
3.汽车电子与软件：自动驾驶的三大核心要素：传感器、计算平台、数据与算法
4.结构超人变形记：什么是L0~L5? 用白话讲清自动驾驶等级划分
声明
本文章仅供一般性参考，并不构成针对任何证券或其他金融工具订立任何交易或采用任何对冲、交易或投资策略的邀约、推荐或建议。本文仅使用历史实际数据进行一般性论述，并未考虑任何特定人士或群体的具体投资目标、财务状况、特定需求等，亦非转为任何特定人士或群体编制。如有侵权，请第一时间联系删除。
