收藏 | 自动驾驶全面概述

作者：三青时间：2023-06-06 阅读数：人阅读

本文转载自高德技术，作者为邱辉俊（少隆）

原文链接：https://mp.weixin.qq.com/s/V--yo9YXsD6PniuquPPisQ

导读

汽车行业处在一个变革的时代，自动驾驶相关技术发展应用如火如荼。关注或者想了解这个领域的人也越来越多。本文的目标在于帮助大家对自动驾驶技术有一个全局的基础认识。文章分别介绍了自动驾驶基本原理，意义，分级以及相关行业背景。

自动驾驶原理

自动驾驶就是车辆在无驾驶员操作的情况下自行实现驾驶，它是车辆的能力。比如扫地机器人在扫地的时候就是在自动驾驶。自动驾驶有多种发展路径，单车智能、车路协同、联网云控等。车路协同是依靠车-车，车-路动态信息的实时交互实现自动驾驶。联网云控更注重通过云端的控制实现自动驾驶。本文章阐述的是单车智能。

基本原理概述

单车智能实现的基本原理是通过传感器实时感知到车辆及周边环境的情况，再通过智能系统进行规划决策，最后通过控制系统执行驾驶操作。

这里面有三个环节：

• 感知：车辆自身以及环境信息的采集与处理，包括视频信息、gps信息、车辆姿态、加速度信息等等。好比是人类的眼睛、耳朵、皮肤一样去收集。具体的比如前方是否有车，前方障碍物是否是人，红绿灯是什么颜色，自车的车速如何，路面情况如何等等信息，都是需要去感知的。

• 决策：依据感知到的情况，进行决策判断，确定适当的工作模型，制定适当的控制策略，代替人类做出驾驶决策。决策主要依赖的是芯片和算法，就好比是人类的大脑。看到红灯，决策需要停止；观察到前车很慢，决定从右侧超车；有小孩突然闯入道路，进行紧急制动。

• 控制：系统做出决策后，自动对车辆进行相应的操作执行。类比人类进行的方向盘以及油门、刹车的操作。系统通过线控系统将控制命令传递到底层模块执行对应操作任务。如左转5度。

硬件系统

硬件系统在各层都有。感知层主要是为自动驾驶系统获取外部行驶道路环境数据并帮助系统进行车辆定位。当前无人驾驶系统中代表性的传感器有摄像头、激光雷达、毫米波雷达、超声波雷达、GNSS/IMU等。它们的工作原理、技术特性各不相同，决定了适用的场景也不同。当前大部分车辆都是采用多种传感器相融合的方式以应对各种可能发生的情况，保证较好的实际使用效果。主流传感器的优缺点参考如下图。其他还有一些传感器在一些方案中也会被使用，如麦克风阵列，红外相机等。

感知层会收集大量的自车和环境数据，决策层需要自动驾驶芯片流畅地处理这些数据才能保证系统及时作出正确的决策，从而控制车辆自动行驶并确保安全。智能系统的三大要素是数据、算法和算力，而算力的根本就是芯片。芯片是决策层最为重要的硬件。目前能够量产自动驾驶芯片的主要是Mobileye（英特尔收购）、英伟达、特斯拉。Mobileye市场规模最大，应用于L2的产品有统治级别的市场占有率。英伟达是传统巨头，有算力最强的芯片。Tesla的芯片自产自销，能够量产高算力芯片。国内也有一家后起之秀地平线，芯片也已经量产，奋起直追中。

控制层则相对简单，主要是线控。线控就是用线（电信号）的形式来取代机械、液压或气动等形式的连接，实现电子控制，从而不再需要驾驶员的力量或者扭矩的输入。对于自动驾驶来说，核心的三个线控子系统是线控油门、线控转向、线控制动。我们常常听到自动驾驶各领域都有很多独角兽。奇怪的是线控方面资本市场却少有提及，但它也是自动驾驶生态中重要的一个环节。大概是因为线控技术直接涉及风险，大家有意无意地忽视。

目前主流的L4&L4+自动驾驶硬件架构都是依赖激光雷达的，包括华为ADS、百度Apollo、Waymo、Mobileye等等。特斯拉的方案则没有激光雷达，个人认为关键原因是激光雷达成本高落地难，而视觉方案可以快速落地形成数据算法迭代优化的闭环。但激光雷达数据质量实在好，对视觉方案有极大的补充价值，甚至是主导价值，而且成本已经大幅下降。所以特斯拉可能成也视觉（更快落地）、败也视觉（效果上限较低）。

软件系统

我们以业界某款开源平台架构来理解一下自动驾驶在软件方面需要具备的能力。

• 地图引擎（Map）：提供道路、周边建筑等地图信息，高精地图还包含全局车道、曲率、坡度、红绿灯、护栏情况等等信息。如地图可以透出前方右拐急弯曲率及下坡坡度。

• 高精定位（Localization）：定位是一个重要模块，L3及以上自动驾驶场景需要高精定位，是车辆信息感知的一个重要元素。如定位到车辆在行进方向右边第二车道，该车道只能直行不能右拐。

• 感知（Perception）：感知模块接受并处理传感器信息，从而识别自车以及周边的情况。如感知到车辆的速度，感知到前方50米有一个行人。

• 预测（Prediction）：预测模块主要用于预测感知到的障碍物的运动轨迹。如在行驶中，感知到左侧道路有一辆车，根据车辆的状态和历史运动轨迹，预测车辆后续运动轨迹，识别是否有碰撞风险。

• 规划（Planning）：根据感知到的信息，规划出一条到达目的地的行进路线，而且还需要规划出未来一段时间内，每一时刻所在位置的精细轨迹和自车状态。如规划轨迹向左偏移并加速，超车后回到道路中心线附近。

• 控制（Control）：如字面意思，通过指令控制车辆硬件进行操作，如发送减速指令到制动器执行制动操作。

• 交互界面（HMI）：人类在中控屏幕上看到的人机交互模块。如自动驾驶系统通过HMI向乘客实时展示系统识别到的自车位置及周边障碍物信息，有助于提升乘客的安全感。HMI在人车共驾的过度阶段更有价值。

• 实时操作系统（RTOS）：Real Time Operation System 根据感知的数据信息，及时进行计算和分析并执行相应的控制操作。

自动驾驶在感知、预测、高精定位等模块，对机器学习都有很深的应用和依赖。自动驾驶在一定程度上也促进了机器学习的发展。

如下为整个架构的数据流向图，从中可以看出各模块的上下游依赖关系。感知是预测的上游；感知、预测、定位、地图又是规划的上游；而控制则是规划的下游；HMI则处于整个系统的下游。从中我们也可以看出，各模块对于高精地图都有依赖，可见高精地图的重要性。高精地图采集分为集中制图和众包制图两种，未来最可能普遍采用的方式是集中制图+众包更新，也可能是直接全众包SLAM制图，够用就好。

自动驾驶意义

自动驾驶如此火热，自然是因为它能够解决一些问题。

降低出行成本

自动驾驶可以替代或者部分替代司机的工作，降低司机成本的投入。中国卡车司机就有3000万，假设驾驶员1个月工资1万，那么一年就是3.6万亿。假设卡车都实现了无人驾驶，那这里可以节约多少成本？送快递、送外卖的从业人员也是千万级别，无人物流车替代，可以节约多少成本？目前用户打车的钱很大一部分是给司机的，如果司机的钱免了，对应用户的乘车成本也会有降低。如果是自己开车也等于是低价请了个司机，享受了更高的服务。如果进入到无人驾驶时代，那么连考驾照的钱都可以省了。自动驾驶发展也会促进车辆共享化从而提升车辆利用率以及降低对停车位等资源的占用成本。

提升通行效率

拥堵是出行的第一大痛点问题。拥堵的原因有三个方面：

1. 人为因素，如低速占位行驶、路口抢行、路口顶牛等行为造成或加剧了拥堵。

2. 交通设施不完备，如限速，车道不足，红绿灯等因素。

3. 车辆故障，如突然无法启动等问题导致车道阻塞。

三个原因中，人为因素的比重最高，交通设施汽车，车辆故障再次。而自动驾驶可以实现远超人类驾驶的规范化驾驶。在相同流量的情况下，自动驾驶可以有效减少拥堵，进而提升通行效率。

提升出行安全

80%以上的交通事故是人为因素造成的，如酒驾、疲劳驾驶、超速行驶、跟车距离过小、不按规定让行等。而自动驾驶可以实现完全规范化的驾驶，没有情绪、100%遵守交规，从而有效提升出行安全。

提升出行体验

这个价值主要是针对辅助驾驶部分的功能。不是最终目标，但却是当下大家最能够确实收获的好处。自动驾驶的各种功能可以降低驾驶的难度，有效提升驾驶体验。

自动驾驶分级

自动驾驶分级如下表。实现L2级别自动驾驶的车厂比较多，L3则基本都是期货。目前行业在努力攻克的主要是L3和L4级别的自动驾驶。值得注意的是有些厂商并不是L1-L2-L3-L4逐级演进的。比如华为进入这个领域，更注重从城市道路场景出发，直接以L4为目标进行设计和技术落地，升维思考、降维打击。

L1自动驾驶

L0就是无自动驾驶功能，不做阐述。L1表示车辆可以自动完成横向或纵向操控中的一项，其余所有工作仍然需要人类来完成。虽然比较低级，但却已经很实用，如ACC、AEB、LKA等。

• ACC：Adaptive Cruise Control 自适应巡航控制

ACC是系统通过传感器监测与前车的距离和相对速度，结合乘坐体验，计算出合适的油门或者刹车量进行车辆纵向的控制，最终实现自动跟车或定速行驶的辅助驾驶功能。

• AEB：Autonomous Emergency Braking 自动紧急制动

AEB是一种汽车主动安全技术。AEB通过传感器持续监测自车与周边障碍物的距离，如果距离小于警报距离则发出警报，如距离进一步小于安全距离，则即使驾驶员没有操作，AEB也会自动进行制动控制，避免碰撞发生。

• LKA：Lane Keeping Assist 车道保持辅助

LKA是在车道偏离预警系统（LDW：Lane Departure Warning）的基础上增加纠正的控制。LKA通过传感器监测自车与车道中心线的相对位置，如果发现车辆偏离车道，则向驾驶员发出警告，在特定设定下可以通过自动转向控制使得车辆重新回到车道中央行驶。LCC（Lane Centering Control 车道居中控制）也会作为一个独立的辅助功能提供。

L2自动驾驶

L1级辅助驾驶的关键是只对车辆横向或者纵向中一项操作进行控制。而L2级则是对横向和纵向多项操作同时进行控制。需要注意的是L1、L2驾驶员是驾驶主体，所以即使自动驾驶功能运行，驾驶员仍然需要保持注意力，监测环境，双手保持在方向盘上随时接管车辆。

• 超级巡航系统

超级巡航系统是ACC和LKA的叠加，实现在当前车道内自动跟车或者定速行驶。凯迪拉克的超级巡航还包含了驾驶员注意力保持系统。

• APA：Auto Parking Asist 自动泊车

APA 通过传感器检测和系统模型计算识别停车位置，通过转向、加速、减速控制车辆，沿着系统计算出的泊车轨迹，自动低速完成泊车。在泊车的过程中，车辆还会实时检测自车和周边障碍物，修正泊车轨迹，避免碰撞。

• TJA：Traffic Jam Assistant 交通拥堵辅助系统

在堵车的时候，走走停停，驾驶员需要时刻保持注意力且频繁操作，容易疲劳。TJA 就是一种拥堵场景的辅助系统，可以让驾驶员适当放松注意力，由车辆自主跟车。TJA 根据策略，保持车道、自动跟车，并通过传感器实时检测周边障碍物情况，对车辆转向进行微调。

• HWA：Highway Assist 高速公路辅助驾驶

HWA 包括根据驾驶员的指令（如打转向灯）自动进行变道，驾驶员状态监控（Hands on/Hands off等），车LKA车道保持，TJA低速自动跟车等。HWA 通过传感器监测判断是否可以进行换道，结合驾驶员的指令，可以实现安全的自动换道。

L3自动驾驶

L2到L3是一大飞跃，目前国内还没有支持L3的量产车辆（奥迪A8也不再宣称自己支持L3），这里的关键就是，L3的驾驶主体切换成了系统，驾驶员只是支援角色。在L3功能开启时，系统完全负责操控和环境监测。驾驶员可以双手脱离方向盘，移开注意力去做一些别的事情，但是需要时刻准备接管车辆。系统在识别到无法处理的情况时会提前报警，要求驾驶员接管。

• HWP：Highway Pilot 高速公路自动驾驶

HWP 高速公路自动驾驶包括在有高精地图覆盖的高速公路上，定速巡航，自动超过行驶缓慢的车辆，自动换道，自动驶入和驶出高速公路匝道，自动跟车等等功能。HWP 满足特定条件的前提下开启，通过完备的传感器识别自车及周边状态，通过系统规划决策行驶轨迹，自动控制车辆行驶。

• TJP：Traffic Jam Pilot 交通拥堵自动驾驶

TJP 相比HWP，TJP是在交通拥堵场景下的L3级自动驾驶。

L3是当前的主战场，主流车厂都在这级别PK，虽然对外很多都是宣称自己是L2.5或者L2+，主要还是为了逃避L3驾驶主体带来的法律责任。特斯拉的NOA（Navigation on Autopolite 自动辅助驾驶系统），蔚来的NOP（Navigation On Pilot领航辅助功能），小鹏的NGP（Navigation Guided Pilot 高级自主导航驾驶功能）其实都是面向这一级别的自动驾驶。想知道目前国内的自动驾驶做到什么程度，可以看看最新的公开视频：华为的城市道路自动驾驶（夜间），小鹏NGP评测。

L4自动驾驶

L3一直有一个很大的争议点，就是需要人类短时间实现接管。问题是一旦车辆遇到需要人类接管的情况，人类可能也来不及做出适合的处理了。如果这阶段出了事故又是谁的责任？L4的关键差异在于，系统不再需要人类的支援。在限定道路和环境情况下，系统可以完全负责操控和环境监测。所以会有一些厂商直接开发L4，而不是逐级开发。华为的ADS（Autonomous Driving Solution 华为高阶自动驾驶系统）就是面向L4开发的，号称2022年量产，但是对外还会宣称是L2（L4的剪裁）。特斯拉的FSD（Full Self-Driving computer）将会是首个量产的L4。

L5自动驾驶

到了L5，道路和环境将不再是限制。系统将在所有情况下实现自动驾驶。也就是我们所说的完全无人驾驶了。到了这个阶段，方向盘、刹车、油门这些操控装置已经不再必须。

自动驾驶背景

出行行业趋势

这两年出行行业可谓风生水起，似乎几年间就已经天翻地覆。近年来出行行业发展的几个重要趋势有：

• 电动化

新能源汽车逐渐成为发展主流。国务院办公厅新能源汽车产业发展规划说明到2025年，新能源汽车新车销售量需要达到新车销售总量的20%左右。未来的市场属于新能源，这已经是市场普遍的认知。所以才先有特斯拉成为第一大市值汽车公司，后有蔚来超过宝马市值。电动化带来的并不只是能源上的革命，更为重要的是新能源车的架构在可控性上有了质地飞跃。比如：电机控制远比发动机控制简单，电机调速远比变速器换挡简单。而且新能源车还绕过了燃油车产业链僵化的问题，在新能源领域可以更快速的迭代发展。

• 共享化

“国内已有190余家网约车平台公司获得经营许可，各地共发放网约车驾驶员证250多万张、车辆运输证约104万张，日订单量约2100余万单。在划定的36个中心城市中，已有18个城市合规网约车数量超过出租巡游车，投入运营的车辆超过20万辆，开通运营城市180多个。”如上是交通运输部2020年10月发布的数据，足以说明出行行业共享化已经普及。我们在日常生活中也明确感受到了共享化带来的便利。在L4及以后，司机不再是必要条件，车辆可以直接共享给没有驾照的人使用，这将进一步促进共享化。

• 智能化

汽车外在体验上越来越像个大智能设备，内在应用技术也在飞速迭代发展。大家热捧新能源车，电动化是一个因素，但我相信智能化才是真正可以打开想象空间的匣子。ADAS辅助驾驶功能已经是各主流车型的标配。特斯拉的2.5级自动驾驶已满街跑，FSD（Full Self-Driving）计划2021年推出。L3级自动驾驶的奥迪A8也早已量产。各主流车厂都在加大自动驾驶领域的投资，生怕一旦落后就再也无法赶上这趟高速列车。刚进入汽车行业的华为也在20年10月份提出，采用L4级自动驾驶架构的Autonomous Driving Solution（华为高阶自动驾驶系统）将在2022年量产。

• 联网化

联网化逐渐不再被提及，因为这个技术含量最低也最容易实现。能够进一步带来突破的将是5G的普及，高速度、低延时、高并发支持，为汽车智能化提供了更好的基础设施。相信会有更多可能超出我们想象的应用会逐步浮出水面。

政策法规标准

政策方面，近年我国在自动驾驶相关领域的纲领性文件发布较多。如下三个是最重要的政策文件：

• 2015 ：《中国制造2025》推动智能交通工具等产品的研发和产业化。

• 2019.9 ：《交通强国建设纲要》提出加强智能网联汽车研发；大力发展智慧交通。形成国家层面的发展战略

• 2020.2 ：《智能汽车创新发展战略》到2025年，中国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监督和网络安全体系基本形成。

《智能汽车创新发展战略》是由发改委、工信部、公安部等11个部委联合发布。该战略发布意味着国家就智能汽车的发展从上至下达成了高度共识和高度协同，今后将统筹规划、协调发展，全国一盘棋来推动智能汽车产业的发展。各地方政府发布的自动驾驶相关领域的政策规划更是层出不穷。国家非常重视智能汽车产业发展，自动驾驶产业因此有望实现持续高速发展。2019年首个允许开展载人测试和高速道路测试的规范发布。据媒体报道，全国20个城市向70家企业总计发放了超过430张路测牌照，测试车辆总数超过500台。目前各地法规已经从允许道路测试逐步过渡到了允许商业化试运营。

政策是大力支持的，但在法规上还是会对自动驾驶有较多约束。比如《测绘法》规定，自动驾驶汽车在测试行驶中收集和处理地理信息属于测绘活动，需明确测试主体测绘准入、及地理信息保密管理政策。而大多数的L3、L4场景是需要对道路数据进行实时采集的，这就导致做自动驾驶需要有测试资质。全国具备甲级测绘资质的公司也就小几十家，大多掌握在传统图商手上。新势力要介入，要么像华为一样自己申请资质（已经拿到），要么像MobileEye与紫光的合伙一样通过收购有资质的企业（灵图软件）。其他还有，根据《道路交通安全法》等法规和标准，自动驾驶汽车办理机动车登记和上牌也存在障碍。目前交通事故责任承担机制也不适合自动驾驶汽车，亟待明确。整体上，法规稍显滞后，可能产生一些制约。在个别领域，如自动驾驶测试，相关法规相对成熟一些，如《北京市自动驾驶车辆道路测试管理实施细则（试行）》。

在标准方面，自动驾驶领域非常欠缺。安全方面的标准尤为受关注。传统汽车的安全标准已经运行了几十年，标准的前提是车辆驾驶安全由人类负责。ISO 26262:2018便是近年来的最新的标准版本，它主要聚焦在设备功能安全上。ISO 26262定义了汽车安全完整性等级 (ASIL)，最高级为D级。D级别硬件要求为10fit(十亿小时10个故障)。但是如果设备未发生故障，某些功能还是无法正常运行，怎么办呢？比如一个基于图像识别的防撞辅助驾驶功能，图像上行人刚好穿了和路面背景一样颜色的衣服，没有被识别出来，所以系统没有进行刹车，导致防撞失效。后来，汽车行业定义了一个新的标准——ISO / PAS 21448“预期功能的安全性”（SOTIF）标准。该标准主要考虑缓解由于意外操作条件（由于传感器和算法的限制，预期功能可能无法始终正常工作）和需求缺口（缺少关于预期功能的完整描述）而导致的风险。标准涵盖了部分ADAS功能，但是仍然不足以覆盖高级别自动驾驶的所有安全范围，例如网络安全（一旦自动驾驶系统被黑客攻破，后果可能非常可怕）。2020年4月1日，非营利标准组织Underwriters Laboratories发布了UL 4600《自动驾驶产品安全评估标准》，是针对无人驾驶车辆而开发的首个安全评估标准，但标准是否能够得到美国或者行业的普遍认可还不知道。标准的约束力还得仰仗政策法规。

总体来说，在自动驾驶领域，法规标准都不成熟，但国家在政策上是大力支持的，实际在行业发展上也给足了相关公司的发展空间，对行业发展促进远大于制约。中国在这样的土壤下，是很可能长出国际一流企业的。