Name: 《自动驾驶技术儿童读本：感知·决策·规划·控制模块全解析（中英双语）》
Author: step-3.5-flash

第1章自动驾驶基础：会自主行驶的智能汽车

你有没有过坐爸妈的车出门的时候，看到爸妈一直盯着前面的路，不敢看手机，不敢和你打闹，哪怕开很久的路也不敢松口气？如果有一辆车，不用人踩油门、不用人打方向、不用人踩刹车，自己就能带着你去你想去的地方，是不是特别酷？这种能自己开的车，就是我们要讲的自动驾驶汽车（Autonomous Vehicle, AV），它背后的技术，就是自动驾驶技术（Autonomous Driving Technology），简称AD技术。和需要人类司机全程操控的传统汽车不一样，自动驾驶汽车就像装了一个永远不会累、永远不会分心的“隐形司机”，能自己判断路况、自己做出操作，把人类从繁重的驾驶劳动里解放出来，还能让出行更安全。

1.1 自动驾驶的核心定义与分级标准

自动驾驶技术的核心定义是：通过搭载先进的车载传感器、控制器、执行器等装置，结合人工智能（Artificial Intelligence, AI）、高精度地图、车路协同等技术，让汽车具备环境感知、路径规划、决策控制等能力，无需人类驾驶员持续干预即可完成行驶任务的智能技术。它的本质是把传统人工驾驶中“人-车-路”的操控逻辑，转化为“机器-车-路”的自动化操控逻辑，核心目标是提升出行安全性、降低驾驶疲劳、提高交通效率。

为了统一全球自动驾驶技术的研发和落地标准，全球汽车行业的权威组织SAE International（国际汽车工程师学会，前身为美国汽车工程师学会）制定了通用的SAE J3016自动驾驶分级标准，把自动驾驶从完全人工驾驶到完全自动驾驶，共分为L0到L5六个等级，等级越高，汽车的自主驾驶能力越强，对人类的依赖越低： > 📌 电子版侧边栏：SAE分级标准是全球汽车行业公认的自动驾驶等级划分依据，你可以点击这里查看SAE官方发布的完整分级说明👉 [SAE J3016标准详解](https://www.sae.org/standards/content/j3016_202104)

我们可以把学骑自行车的過程，和自动驾驶的分级对应起来，这样特别好理解： 1. L0级：无自动驾驶（No Automation）：就像你刚学骑自行车，爸妈全程扶着后座，你完全自己控制方向、踩踏板、刹车，爸妈只是偶尔扶一下防止你摔倒，对应到汽车上就是没有任何自动驾驶辅助功能，完全由人类司机操控，比如很多老式汽车就没有任何辅助功能。 2. L1级：驾驶辅助（Driver Assistance）：就像爸妈给你装了一个“固定方向的辅助轮”，只能帮你保持平衡，你还是得自己踩踏板、打方向，对应到汽车上就是只有单一的辅助功能，比如定速巡航（Cruise Control），只能帮你固定车速，还是得你自己打方向、踩刹车。 3. L2级：部分自动驾驶（Partial Driving Automation）：就像爸妈给你装了“辅助轮+自动刹车辅助”，你能自己骑，遇到障碍物的时候车会自动帮你刹车，你还是得扶着车把，对应到汽车上就是能同时控制车速和方向，比如自适应巡航（Adaptive Cruise Control, ACC）+车道保持（Lane Keep Assist, LKA）功能，高速上能自己跟着前面的车走，自己保持在车道中间，但你还是得扶着方向盘，盯着路，遇到事要马上接管。现在市面上很多20万以上的家用车都已经搭载了L2级辅助驾驶功能，2023年中国L2级辅助驾驶在乘用车上的搭载率已经达到42.4%，也就是说每卖出10辆新车，就有4辆以上具备这个功能。 4. L3级：条件自动驾驶（Conditional Driving Automation）：就像你在小区里的平地上骑自行车，爸妈说“你可以不用扶车把了，我跟着你”，但遇到有车的地方你要马上扶住，对应到汽车上就是在特定场景（比如高速、堵车的时候）可以不用扶方向盘、不用踩油门刹车，只要系统发出提醒的时候你能接管就行。2023年已经有多款L3级自动驾驶汽车在国内获批上市，比如奔驰的S级、小鹏的G9，在高速上可以不用人操控，遇到事会提前提醒人接管。 5. L4级：高度自动驾驶（High Driving Automation）：就像你在游乐园的固定骑行区里骑车，有围栏挡着，没有别的车，你完全不用管，车自己会骑，对应到汽车上就是在特定区域（比如园区、机场、固定运营的城市区域）可以完全不用人操控，连方向盘、刹车踏板都可以取消，现在的自动驾驶出租车（Robotaxi）就是L4级的，在北京亦庄、上海嘉定这些地方已经运营了，你坐进去不用司机，自己就能到目的地。 6. L5级：完全自动驾驶（Full Driving Automation）：就像你的自行车会自己骑，不管是在平地上、山路、还是闹市区，它都能自己骑，把你送到任何你想去的地方，对应到汽车上就是任何场景、任何环境、任何路况下都能完全自主驾驶，不需要人类司机，也不需要特殊的地理围栏，现在全球还没有量产的L5级自动驾驶汽车，科学家还在努力研发。

```mermaid graph LR L0[L0 无自动驾驶 完全人工驾驶] --> L1[L1 驾驶辅助 （如定速巡航）] --> L2[L2 部分自动驾驶 （如车道保持+自适应巡航）] --> L3[L3 条件自动驾驶 （特定场景可松手）] --> L4[L4 高度自动驾驶 （特定区域无需人工）] --> L5[L5 完全自动驾驶 任何场景任何环境] style L0 fill:#eee,stroke:#333 style L1 fill:#ffd,stroke:#333 style L2 fill:#fda,stroke:#333 style L3 fill:#faa,stroke:#333 style L4 fill:#afa,stroke:#333 style L5 fill:#0f0,stroke:#333 ``` *图1-1 SAE J3016自动驾驶分级标准示意图*

1.2 自动驾驶与传统人工驾驶的本质差异

传统人工驾驶的核心逻辑是“人类感知-人类决策-人类控制”，整个过程完全依赖人类司机的能力：司机用眼睛、耳朵收集路况信息，用大脑判断该怎么开，用手脚控制油门、刹车、方向盘。而自动驾驶的核心逻辑是“机器感知-机器决策-机器控制”，把人类的驾驶能力转移到车载系统上，两者有本质的差异：

1.2.1 感知能力的差异

人类司机的感知能力非常有限：眼睛只能看到前方120度左右的视野，晚上、下雨、下雪、起雾的时候能见度会大幅下降，看不到远处的障碍物；耳朵只能听到周围的声音，听不到雷达波、超声波这些信号；而且人类会分心，比如开车的时候接电话、看手机、和孩子说话，就会忽略路况信息，据统计，全球90%以上的交通事故都是人类分心、疲劳、酒驾导致的。而自动驾驶汽车的感知系统由摄像头、激光雷达、毫米波雷达等多种传感器组成，相当于给车装上了“超级感官”：它能同时看到前方、后方、左右两侧360度无死角的视野，能同时监测周围几十甚至上百个物体的位置、速度、运动方向，哪怕是在伸手不见五指的夜晚、瓢泼大雨、大雾天气，也能精准识别周围的物体，而且永远不会分心、永远不会累、永远不会酒驾，反应时间只需要0.01到0.1秒，比人类司机的平均反应时间0.5到1秒快10倍以上。

我们可以用一个表格直观对比两者的感知能力差异： | 对比维度 | 传统人工驾驶 | 自动驾驶系统 | | --- | --- | --- | | 视野范围 | 前方120度左右，有盲区 | 360度无死角，无盲区 | | 恶劣天气感知能力 | 雨雾天能见度下降50%以上，几乎无法识别远处物体 | 毫米波雷达可穿透雨雾，激光雷达可识别200米外的物体 | | 注意力持续时间 | 连续驾驶2小时就会明显疲劳，注意力下降 | 24小时持续工作，注意力100%集中 | | 反应时间 | 平均0.5-1秒，疲劳、分心时会更长 | 平均0.01-0.1秒，不受状态影响 | | 同时监测目标数量 | 最多同时关注3-5个目标 | 可同时监测上百个目标 |

1.2.2 决策与控制的差异

人类司机的决策能力受经验、情绪、状态影响很大：比如新手司机遇到紧急情况容易慌，踩错刹车油门；老司机经验丰富，但也会因为疲劳判断失误；而且人类会受情绪影响，比如路怒的时候会开斗气车，做出危险的决策。而自动驾驶汽车的决策系统是基于海量数据训练出来的人工智能模型，它学习过全球几千万甚至几亿公里的驾驶数据，遇到过几乎所有可能的道路场景，决策逻辑完全基于规则和数据，不会受情绪、状态影响，永远会做出最安全的选择。控制层面，人类司机控制车辆靠手脚，最多同时做2-3个操作，而自动驾驶汽车的控制系统可以同时控制油门、刹车、方向盘、转向灯、雨刮器等十几个部件，操作精度可以达到0.1度，比人类司机精准得多，不会出现急刹、急加速、压线这些不平稳的操作，坐起来更舒服。

> 📌 小知识：根据美国国家公路交通安全管理局（NHTSA）的统计，94%的交通事故都是人为因素导致的，其中分心驾驶占41%，疲劳驾驶占21%，酒驾占10%。如果自动驾驶汽车能大规模落地，预计能减少90%以上的交通事故，每年能挽救上百万人的生命。

当然，我们也要客观认识到，现在的自动驾驶技术还远没有到完美的程度：它遇到从来没有见过的极端场景（比如路上突然滚出来一个巨大的气球、一只动物突然横穿马路、道路临时施工没有交通标志），可能无法做出正确的判断，需要人类司机接管；而且它的感知能力受传感器限制，比如传感器被泥浆挡住、被强光晃到，就会出现“失明”的情况，这时候也需要人来操控。

1.3 自动驾驶的四大核心模块

一套完整的自动驾驶系统，就像给汽车装了一个“超级大脑+超级感官+超级手脚”，由四个核心模块协同工作，分别是感知模块（Perception Module）、决策模块（Decision Making Module）、规划模块（Planning Module）、控制模块（Control Module），四个模块环环相扣，每秒要处理上百万条信息，才能让汽车安全行驶。

我们可以把四个模块的功能和人类的驾驶过程对应起来，特别好理解： ```mermaid graph TD A[传统人工驾驶流程] --> A1[人类用眼耳感知环境] --> A2[人类大脑决策操作] --> A3[人类手脚控制车辆] B[自动驾驶系统流程] --> B1[感知模块 （车的眼睛/耳朵）] --> B2[决策模块 （车的大脑）] --> B3[规划模块 （车的导航员）] --> B4[控制模块 （车的手脚

```mermaid graph TD A[传统人工驾驶流程] --> A1[人类用眼耳感知环境] --> A2[人类大脑决策操作] --> A3[人类手脚控制车辆] B[自动驾驶系统流程] --> B1[感知模块 （车的眼睛/耳朵）] --> B2[决策模块 （车的大脑）] --> B3[规划模块 （车的导航员）] --> B4[控制模块 （车的手脚）] B1 --> B2 --> B3 --> B4 style A fill:#f9f,stroke:#333 style B fill:#9f9,stroke:#333 ``` *图1-2 传统人工驾驶与自动驾驶系统流程对比*

这套“超级大脑+超级感官+超级手脚”的协同体系，就是自动驾驶系统的四大核心模块，四个模块每秒要处理上百万条信息，任何一个环节出问题，都可能影响行驶安全，因此每个模块都有极高的可靠性要求。

1.3.1 感知模块：自动驾驶的“眼睛和耳朵”

感知模块（Perception Module）是自动驾驶系统的信息入口，核心任务是采集周围环境的全部动态、静态信息，包括其他车辆、行人、非机动车、交通标志、车道线、红绿灯、道路障碍物、天气状况等，相当于给汽车装上了比人类敏锐百倍的“超级感官”。目前车载感知系统的核心传感器由四类组成，各有不同的功能定位：

（1）车载摄像头（Onboard Camera）

车载摄像头是最接近人类视觉的感知元件，核心优势是成本低、可识别颜色和语义信息，比如能区分红绿灯的颜色、识别“禁止通行”“限速60”等交通标志的含义、分辨车道线的虚实类型，是唯一能识别交通语义信息的传感器。目前主流的L2级自动驾驶车型一般搭载8个摄像头，覆盖车辆前向、后向、左侧、右侧、车顶五个方向，形成360度无死角的视野，前向摄像头的探测距离可达200米，能识别150米外的行人。但摄像头的劣势也很明显：受光线、恶劣天气影响极大，暴雨、大雪、大雾、强光直射都会导致摄像头“失明”，无法识别物体，因此摄像头无法单独作为感知系统的核心，必须和其他传感器配合使用。

（2）激光雷达（LiDAR, Light Detection and Ranging）

激光雷达是自动驾驶感知系统的“核心明星”，工作原理类似蝙蝠的超声波定位：向周围环境发射人眼不可见的激光束，通过接收反射信号的时间差计算距离，基于飞行时间法（Time of Flight, ToF），其测距核心公式为： $$d = \frac{c \cdot \Delta t}{2}$$ 其中$d$为被测物体与激光雷达的距离，$c$为光速（约为$3 \times 10^8$ m/s），$\Delta t$为激光从发射到接收反射信号的时间差。由于激光从雷达到物体再反射回雷达，传播距离是$2d$，因此需要除以2得到实际距离。

目前主流的车载激光雷达测距精度可达±2cm，最大探测距离超过200m，每秒可扫描超过100万个3D点，生成周围环境的精准3D点云图，相当于给周围环境拍了超高精度的3D照片，哪怕在完全黑暗的环境中，也能精准识别物体的形状、大小、位置，不受光线影响。2023年国内量产车型搭载的激光雷达平均成本已经降到5000元以内，相比2018年的10万元成本下降了95%，目前已经在小鹏G9、理想L9、蔚来ET7等20多款量产车上搭载。 > 📌 电子版侧边栏：点击这里观看激光雷达工作原理的3D动画👉 [激光雷达测距原理演示](https://www.example.com/lidar-demo)

（3）毫米波雷达（Millimeter-Wave Radar）

毫米波雷达的工作原理类似交警的测速雷达，通过发射波长在1-10mm的毫米波，接收反射信号来测量物体的距离和相对速度，核心优势是穿透性强，能完全穿透雨、雾、雪、灰尘，不受任何恶劣天气影响，且成本极低，单个毫米波雷达的成本只有几百元。目前主流的L2级自动驾驶车型一般搭载5个毫米波雷达：前向1个长距雷达，探测距离可达250米，用于自适应巡航、前向碰撞预警；四个角各1个短距雷达，探测距离50-100米，用于盲区监测、后方交叉交通预警。但毫米波雷达的劣势是分辨率极低，无法识别物体的形状，只能知道“前面有一个物体”，不知道是汽车还是行人，也无法识别静止的物体，因此必须和摄像头、激光雷达配合使用。

（4）超声波雷达（Ultrasonic Radar）

超声波雷达就是我们常说的“倒车雷达”，发射频率在20kHz以上的超声波，通过接收反射信号测量近距离物体的距离，探测距离一般在0.1-5米之间，成本极低，单个成本只有几十元。目前一般安装在车辆前后保险杠和两侧后视镜上，用于自动泊车、近距离盲区监测，比如停车的时候监测旁边的车、路边的行人，避免刮蹭。

我们可以用一个表格直观对比四类传感器的优劣势： | 传感器类型 | 英文名称 | 核心功能 | 优势 | 劣势 | 典型应用场景 | | --- | --- | --- | --- | --- | --- | | 摄像头 | Camera | 识别颜色、交通标志、车道线、红绿灯、物体分类 | 成本低，可识别语义信息（如交通标志含义） | 受光线、恶劣天气影响大，无法直接测距 | 交通标志识别、车道线检测、红绿灯识别 | | 激光雷达 | LiDAR | 生成3D环境点云，精准测距，识别物体形状、大小 | 测距精度高，不受光线影响，可生成3D环境 | 成本较高，受大雨、大雪、浓雾影响 | 障碍物检测、3D环境建模、高精度定位 | | 毫米波雷达 | Millimeter-Wave Radar | 测量物体距离、速度，穿透恶劣天气 | 不受雨、雾、雪影响，可测速，成本低 | 分辨率低，无法识别物体形状，对静止物体识别能力弱 | 自适应巡航、前向碰撞预警、盲区监测 | | 超声波雷达 | Ultrasonic Radar | 测量近距离物体距离 | 成本极低，测距精度高 | 探测距离短，仅适用于近距离场景 | 自动泊车、盲区监测、近距离障碍物检测 |

感知模块的工作流程是：所有传感器每秒采集上百万条原始数据，传到车载计算机的感知算法中，AI算法会把这些数据融合处理，输出结构化的环境信息，比如：“前方10米处有一辆白色小轿车，速度60km/h，正在向左变道”“左侧3米处有行人正在过马路”“前方红绿灯为红色，剩余倒计时28秒”“当前车道为直行车道，前方500米有出口”，这些结构化的信息会传到决策模块。

1.3.2 决策模块：自动驾驶的“大脑”

决策模块（Decision Module）是自动驾驶系统的核心，相当于汽车的“大脑”，核心任务是根据感知模块传过来的环境信息，结合交通规则、行驶目标，做出最安全的驾驶决策，比如前面有车要不要减速、要不要变道、遇到行人要不要停车、前面是红灯要不要刹车等。

决策模块的核心是基于深度学习的AI决策模型，这些模型是用海量的驾驶数据训练出来的：比如谷歌旗下Waymo的自动驾驶系统，训练数据包括超过2000万公里的真实公开道路驾驶数据，以及超过100亿英里的模拟驾驶数据，覆盖了全球几乎所有类型的道路场景：城市道路、高速、乡村道路、隧道、桥梁、雨雪天、夜晚、早晚高峰等，甚至包括很多极端罕见场景，比如路上突然滚落的货物、突然横穿马路的动物、道路临时施工没有交通标志等。相比人类司机一生最多开几十万公里，AI模型学习过的驾驶场景是人类的上千倍，因此决策的全面性远超过普通人类司机。

决策模块的决策逻辑完全基于规则和数据，不会受情绪、状态影响：不会像人类司机一样路怒开斗气车、不会因为疲劳判断失误、不会因为分心忽略路况、不会因为赶时间闯红灯，永远会优先选择最安全的方案。比如遇到行人过马路，哪怕后面有车按喇叭，决策模块也会选择停车让行，因为“不撞人”是最优先的规则。

但决策模块也有目前的局限性：如果遇到训练数据中没有覆盖过的极端罕见场景，比如路上突然出现一个巨大的充气恐龙、道路临时改道没有交通标志、前车的货物掉下来刚好砸在传感器上，决策模块可能无法做出正确的判断，这时候就需要人类驾驶员接管车辆。

1.3.3 规划模块：自动驾驶的“导航员”

规划模块（Planni

第1章 自动驾驶基础：会自主行驶的智能汽车