自动驾驶技术体系总览

自动驾驶技术体系总览

1.1 自动驾驶技术的发展历程与演进趋势

自动驾驶技术的概念最早可追溯至20世纪中期。1959年，通用汽车公司在其Futurama展览中首次向公众展示了无人驾驶汽车的愿景，这一超前设想在当时虽然更多停留在概念层面，却为后来的技术发展埋下了种子。真正推动自动驾驶从梦想走向现实的，是计算机技术、人工智能算法、传感器硬件以及汽车工程等多个领域在近三十年间取得的突破性进展。

1990年代是自动驾驶技术发展的关键萌芽期。卡内基梅隆大学机器人研究所在1995年开展的Navlab项目实现了首次长距离自动驾驶测试，车辆在洲际公路上自主行驶了超过5000公里，尽管其自动驾驶功能主要体现在纵向控制（速度保持）和部分横向控制（车道保持）上，但这一里程碑事件证明了自动驾驶技术的可行性。同一时期，欧洲各国开始推动自动驾驶相关的研究计划，意大利帕尔马大学开发的ARGO项目在1998年至2001年间利用立体视觉系统实现了约20000公里的自主驾驶测试，其提出的“加利略系统”开创了基于视觉的自动驾驶技术路线。

进入21世纪，自动驾驶技术进入了快速发展阶段。2004年和2005年，美国国防高级研究计划局（DARPA）先后举办了两次无人驾驶挑战赛（Grand Challenge），尽管首届比赛中所有参赛车辆都未能完成比赛，但这一赛事成功调动了全球科研力量对自动驾驶技术的关注。2007年的DARPA城市挑战赛更是将测试场景从沙漠拓展至复杂的城市环境，要求参赛车辆具备感知、规划、决策等多模块协同能力，这一赛事被广泛认为是自动驾驶技术从实验室走向实用化的重要转折点，催生了包括谷歌无人驾驶项目在内的众多后来者。

2010年代是自动驾驶技术从科研走向产业化的黄金时期。谷歌于2009年正式启动自动驾驶汽车项目，2014年发布了其首款没有方向盘和踏板的无人驾驶原型车，2016年该项目独立为Waymo公司并开始商业化运营。在硅谷的带动下，传统汽车制造商、零部件供应商以及众多科技公司纷纷入局，通用汽车收购Cruise Automation、福特投资Argo AI、英特尔收购Mobileye、丰田与软银成立自动驾驶合资公司等行业并购事件接连发生，资本市场对自动驾驶领域的投入在2018年前后达到顶峰。据麦肯锡咨询公司的统计，2010年至2018年间全球对自动驾驶技术的累计投资超过800亿美元。

中国在自动驾驶领域的起步虽相对较晚，但发展速度令人瞩目。百度于2013年启动自动驾驶研发项目，2017年推出Apollo自动驾驶开放平台，目前已成为全球最大的自动驾驶开放联盟之一。国内造车新势力如小鹏、蔚来、理想等企业在自动驾驶辅助系统方面持续迭代，传统车企如长安、上汽、广汽等也纷纷发布各自的自动驾驶战略。2020年以来，中国在自动驾驶商业化落地方面进展显著，北京、上海、广州、深圳等城市先后开放了自动驾驶载人测试和商业化运营许可，标志着中国自动驾驶产业进入了一个新的发展阶段。

当前，自动驾驶技术正处于从“辅助驾驶”向“高度自动驾驶”过渡的关键期。一方面，以特斯拉FSD（Full Self-Driving）、小鹏XNGP、华为ADS为代表的领航辅助驾驶系统正在快速迭代，通过OTA（Over-the-Air）升级不断扩展其运行范围（Operational Design Domain, ODD）；另一方面，Waymo、Cruise、百度萝卜快跑等企业已在特定区域开展Robotaxi的无人化运营，试图突破驾驶员在环的限制，实现真正的无人驾驶。这一技术演进过程既充满了工程挑战，也伴随着法规政策、伦理道德、社会接受度等多方面的考量。

1.2 SAE自动化等级划分与各级别特征

自动驾驶技术的分级标准是理解这一领域的重要基础。国际上最具影响力的分级标准由美国汽车工程师学会（Society of Automotive Engineers, SAE）制定，即SAE J3016标准。该标准首次发布于2014年，随后经历了多次修订，目前最新版本为2021年4月发布的J3016_202104。SAE分级体系将自动驾驶划分为从L0到L5共六个等级，这一划分方式已被全球主要汽车市场和国家标准化组织广泛采纳。

L0级（无自动化）代表了最传统的人工驾驶状态。在L0级别下，车辆的所有动态驾驶任务（Dynamic Driving Task, DDT）完全由人类驾驶员执行，系统仅提供最基础的警告功能，如车道偏离预警（LDW）、前向碰撞预警（FCW）等。L0级别并不意味着车辆没有任何电子辅助系统，防抱死制动系统（ABS）、电子稳定控制程序（ESC）等被动安全系统已经广泛普及，但这些系统并不参与驾驶任务的执行，因此不属于自动驾驶的范畴。

L1级（驾驶辅助）是自动驾驶的入门级别，其核心特征是系统能够同时承担纵向或横向车辆运动控制中的一项，但人类驾驶员需要持续监控驾驶环境并执行其余的驾驶任务。典型的L1功能包括自适应巡航控制（ACC）和车道居中控制（LCC）。自适应巡航控制能够自动调节本车速度以保持与前车的安全距离，但驾驶员仍需手握方向盘并负责转向操作；车道居中控制则能够辅助驾驶员保持车辆在车道中央行驶，但仍需驾驶员监控前方路况。在L1级别下，驾驶员与系统之间形成了初步的人机协同关系，但驾驶的主体责任仍完全由人类承担。

L2级（部分自动化）是当前市场上最常见的自动驾驶级别，其定义为系统能够同时承担纵向和横向的车辆运动控制任务，但在整个运行过程中需要人类驾驶员保持监控状态并随时准备接管。L2级自动驾驶系统能够在特定场景下实现自动跟车、车道保持、自动变道、自动泊车等功能，典型代表包括特斯拉Autopilot、蔚来NIO Pilot、小鹏XPILOT等。需要特别强调的是，L2级系统的设计边界决定了其只能在有限的运行范围内工作，当遇到系统无法处理的场景时，系统会发出接管请求，要求人类驾驶员介入。因此，L2级自动驾驶并不能实现真正的“无人驾驶”，驾驶员仍被视为驾驶任务的首要责任人，这也是为什么将L2级称为“自动驾驶辅助”而非“自动驾驶”的原因。

L3级（条件自动化）是自动驾驶分级体系中一个重要的分水岭，其核心突破在于系统在特定运行范围内能够完成全部动态驾驶任务，包括对驾驶环境的监测。这意味着在L3级别下，驾驶员可以暂时转移注意力，不再需要持续监控驾驶环境，但系统会在特定情况下发出接管请求，届时驾驶员需要及时响应。与L2级相比，L3级系统在设计上要求具备更全面的环境感知能力和更可靠的系统冗余，因为系统必须在无法继续执行驾驶任务之前为驾驶员预留足够的接管准备时间。2017年发布的奥迪A8是全球首款宣称达到L3级别的量产车型，但其交通拥堵辅助功能（TJP）由于法规限制在大多数地区未能完全开放使用。目前，奔驰、宝马、本田等车企正在积极推动L3级系统的商业化落地，其中奔驰于2021年在德国获得L3级自动驾驶上路许可，成为全球首家实现L3级自动驾驶商业化的企业。

L4级（高度自动化）代表了自动驾驶技术的一座重要里程碑。L4级系统的核心特征是其在特定运行范围内能够完全自主地完成驾驶任务，无需人类驾驶员的介入或监控。这意味着在L4级系统的运行范围内，车辆可以实现完全的无人驾驶状态，方向盘和踏板甚至可能不再成为必需配置。L4级与L3级的本质区别在于：L3级系统在遇到无法处理的情况时会请求人类接管，而L4级系统在遇到超出其能力范围的情况时，会采取安全措施（如安全停靠）而非请求人类介入。因此，L4级系统对可靠性和安全性的要求远高于L3级。L4级自动驾驶的应用场景通常限定在特定区域或特定用途，如园区摆渡车、港口无人运输、Robotaxi等，这一策略既能够保证安全性，又能通过持续运营逐步扩展运行范围。

L5级（完全自动化）是自动驾驶技术的终极目标，代表了系统在任何场景下都能完成人类驾驶员所能完成的所有驾驶任务。与L4级不同，L5级没有运行范围的限制，车辆应当能够在人类驾驶员能够应对的一切道路和环境条件下自主行驶，包括乡村道路、恶劣天气、复杂城市路况等。然而，L5级自动驾驶的实现面临着巨大的技术和工程挑战。斯坦福大学人工智能专家 Andrew J. Ng 指出，从L4到L5的跨越“可能需要十年甚至更长的时间”，其难度不仅体现在技术层面，更体现在对长尾场景的覆盖和对极端情况的有效处理上。

以下表格对SAE各级别的核心特征进行了系统性的对比：

| 等级 | 名称 | 驾驶任务执行 | 驾驶环境监控 | 接管响应 | 运行范围 | |:---:|:---|:---:|:---:|:---:|:---| | L0 | 无自动化 | 人类 | 人类 | 人类 | 无限制 | | L1 | 驾驶辅助 | 系统（纵向或横向之一） | 人类 | 人类 | 无限制 | | L2 | 部分自动化 | 系统（纵向和横向） | 人类 | 人类 | 有限制 | | L3 | 条件自动化 | 系统 | 系统 | 人类（备用） | 有限制 | | L4 | 高度自动化 | 系统 | 系统 | 系统 | 有限制 | | L5 | 完全自动化 | 系统 | 系统 | 系统 | 无限制 |

理解SAE分级体系对于把握自动驾驶技术的发展阶段和产业应用现状具有重要意义。当前，全球自动驾驶产业正处于L2级大规模普及、L3级逐步开放、L4级特定场景商业化的关键时期，而L5级完全自动驾驶仍是一个需要长期探索的技术愿景。

1.3 自动驾驶系统功能架构

现代自动驾驶系统是一个高度复杂的软硬件协同系统，其功能架构的设计直接决定了系统的能力边界和性能上限。从功能分解的角度来看，自动驾驶系统可解构为感知（Perception）、定位（Localization）、预测（Prediction）、规划（Planning）、决策（Decision）、控制（Control）六大核心模块。这些模块之间存在着紧密的数据依赖关系和信息流动路径，共同构成了自动驾驶的“大脑”和“神经系统”。

1.3.1 感知模块：自动驾驶系统的“眼睛”

感知模块是自动驾驶系统获取外部环境信息的关键入口，其核心任务是通过各类传感器对周围的物理世界进行数字化重建，为后续的定位、预测、规划等模块提供决策所需的基础数据。感知模块的处理对象主要包括静态环境要素（道路结构、交通标志、车道线、建筑物等）和动态目标要素（行人、车辆、非机动车、动物等）。

感知模块的传感器配置方案通常采用多传感器融合策略，以实现优势互补和冗余备份。典型的传感器配置包括：

摄像头（Camera）是最直观的环境感知手段，其工作原理是通过光学成像将场景信息转换为二维图像数据。现代自动驾驶系统通常配备多个摄像头以实现全景感知，常见配置包括前视摄像头（长焦用于远方目标检测、广角用于近处场景覆盖）、侧视摄像头、后视摄像头以及环视摄像头。摄像头的优势在于信息丰富度高，能够识别颜色、纹理和语义信息，且成本相对较低；其局限性在于对光照条件敏感，在夜间、逆光、雨雪雾等恶劣天气下性能会显著下降，且难以直接获取目标的深度信息（单目摄像头需要依赖算法估计）。

激光雷达（LiDAR）通过发射激光脉冲并测量反射信号的时间差来计算目标距离，从而生成精确的三维点云数据。激光雷达具有测距精度高、方向性强、不受光照条件影响等优点，是实现高精度环境感知的重要传感器。2020年以来，随着半固态激光雷达的技术成熟和成本下降，其在量产车型上的搭载率显著提升。激光雷达的局限性主要体现在对雨雪雾天气较为敏感，且无法像摄像头那样获取目标的纹理和颜色信息。

毫米波雷达（mmWave Radar）通过发射和接收毫米波频段的电磁波来探测目标，其突出优势在于能够直接测量目标的相对速度和距离，且对恶劣天气的适应性较强。毫米波雷达通常分为前向长距雷达（探测距离可达200米以上）和角雷达（用于盲区监测和变道辅助）两种类型。在自动驾驶系统中，毫米波雷达常与视觉和激光雷达形成互补，尤其在目标速度测量和紧急制动场景中发挥重要作用。

超声波雷达（Ultrasonic Sensor）工作在超声波频段，主要用于近距离探测，是泊车辅助系统的核心传感器。超声波雷达成本低廉、响应迅速，但探测距离有限（通常在0.2至5米之间），因此主要用于低速场景下的障碍物检测和空间测量。

感知模块的软件架构通常采用多传感器融合技术，将来自不同传感器的原始数据或感知结果进行综合处理，以获得更加准确和完整的环境模型。多传感器融合可分为三个层次：原始数据层融合（Early Fusion）在传感器原始数据层面进行关联和组合，对时间同步和空间标定的要求较高；特征层融合（Middle Fusion）分别从各传感器数据中提取特征后再进行融合，是当前较为常见的技术路线；决策层融合（Late Fusion）则在各传感器的独立感知结果层面进行融合，实现方式相对简单但可能损失信息。

感知模块的核心算法技术包括目标检测（Object Detection）、语义分割（Semantic Segmentation）、实例分割（Instance Segmentation）、目标跟踪（Object Tracking）等。目标检测的任务是定位图像或点云中感兴趣的物体并判断其类别，主流算法从早期的Faster R-CNN、YOLO系列发展到如今的Transformer-based架构如DETR、Deformable DETR等，在精度和速度方面持续提升。语义分割为图像中每个像素分配类别标签，实现对道路、可行驶区域、植被等元素的像素级理解。目标跟踪则在视频序列中为检测到的目标分配唯一标识，并估计其运动轨迹，为预测模块提供输入。

1.3.2 定位模块：自动驾驶系统的“坐标”

定位模块的任务是确定自动驾驶车辆在地球坐标系中的精确位置和姿态，这是实现路径规划和车辆控制的前提条件。与消费级导航不同，自动驾驶对定位精度的要求要高出数个数量级，通常需要达到厘米级甚至更高的定位精度。

全球导航卫星系统（GNSS）定位是室外定位的基础技术。GNSS通过接收多颗卫星发射的信号，利用三角定位原理计算接收机的位置。单一GPS系统的定位精度通常在米级，无法满足自动驾驶的需求。通过引入差分定位技术（DGPS）和实时动态定位技术（RTK），可以将定位精度提升至厘米级。RTK定位技术需要在已知坐标的基准站和移动站之间建立数据链路，通过修正卫星信号的传播误差来实现高精度定位。然而，GNSS定位在隧道、高楼密集区域、地下停车场等场景下会出现信号遮挡或衰减，导致定位性能下降甚至失效。

惯性导航系统（INS）基于惯性测量单元（IMU）工作，通过积分加速度和角速度数据来推算位置变化。IMU具有不依赖外部信号、短时精度高、数据更新率快等优点，但存在误差随时间累积的固有缺陷。因此，INS通常与GNSS构成组合导航系统，在GNSS信号良好时利用GNSS修正INS的漂移，在GNSS信号中断时利用INS维持定位能力。

激光雷达定位通过将实时扫描的点云数据与预先构建的高精度地图进行匹配来实现定位。典型算法包括基于点云配准的ICP（Iterative Closest Point）算法及其变体、基于特征匹配的NDT（Normal Distributions Transform）算法等。激光雷达定位的优势在于精度高、不依赖卫星信号，但其效果高度依赖地图质量和点云匹配的准确性。

视觉定位利用摄像头图像与地图的匹配来实现定位，典型方法包括基于特征点的视觉里程计（Visual Odometry）和基于语义特征的定位算法。视觉定位的优势在于信息丰富、传感器成本低，但其精度受光照和天气条件影响较大。

在工程实践中，自动驾驶定位通常采用多源融合策略，综合运用GNSS、IMU、激光雷达、视觉等多种定位手段，并通过滤波算法（如卡尔曼滤波、粒子滤波）或图优化算法来融合不同传感器的定位结果，实现全天候、高精度的定位能力。

1.3.3 预测模块：理解未来的运动轨迹

预测模块的核心任务是对感知模块检测到的动态障碍物（如行人、自行车、汽车、摩托车等）的未来运动轨迹进行推断和预测。这一能力对于自动驾驶车辆的决策和规划至关重要，因为系统需要提前预判其他道路使用者的意图和行为，以做出安全和高效的行驶决策。

预测问题的挑战性体现在多个方面：首先，道路环境是开放和动态的，预测模型需要处理各种类型的交通参与者和多样的交通场景；其次，人类的交通行为具有不确定性和交互性，行人和车辆往往会根据环境变化调整自己的行为；再次，预测模型需要在实时性（通常要求毫秒级响应）和准确性之间取得平衡。

基于物理模型的预测方法是最基础的预测技术，其核心思想是利用物理运动学模型（如恒速模型CV、恒加速度模型CA、恒转向率和速度模型（CTRV）等）来推算目标在未来时刻的位置。这种方法计算简单、实时性好，但其假设目标保持当前运动状态，在面对目标加速、转弯、变道等行为时预测精度会显著下降。

基于意图建模的预测方法将预测问题分解为意图识别和轨迹生成两个阶段。该方法首先推断目标可能的意图（如车辆是否要左转、行人是否要过马路），然后针对每种意图生成对应的运动轨迹。意图识别的技术手段包括多模态轨迹预测、交互推理等。近年来，基于深度学习的方法在这一领域取得了显著进展，典型模型包括基于长短期记忆网络（LSTM）的序列预测模型、基于生成对抗网络（GAN）的多模态轨迹预测模型等。

基于数据驱动的端到端预测方法直接建立从感知输入到预测轨迹输出的映射关系，无需显式建模物理模型和意图。Transformer架构由于其强大的序列建模能力和并行计算优势，已成为预测模型的主流 backbone。VectorNet、TNT、Home等模型将道路结构和目标运动历史编码为向量表示，并利用Transformer进行序列建模，在预测精度和效率方面均取得了优异表现。

预测模块的输出通常以多模态轨迹集合的形式呈现，包含多条可能的未来轨迹及其对应的概率分布。这种表示方式能够更好地反映预测的不确定性，为下游的规划模块提供更丰富的决策信息。

1.3.4 规划模块：构建行驶的路径与速度

规划模块负责为自动驾驶车辆生成安全、舒适、高效的行驶方案。从功能分解的角度，规划模块通常分为全局路径规划和局部轨迹规划两个层次，二者相互配合，共同完成从起点到终点的导航任务。

全局路径规划的任务是在已知地图信息的基础上，找到一条从起点到终点的最优路径。这一问题通常建模为图搜索问题，经典算法包括Dijkstra算法、A*算法及其变体。全局路径规划不考虑具体的车辆动力学约束和时间维度，仅关注空间层面的路径选择。规划结果通常以一系列路径点的形式输出，作为局部轨迹规划的参考。

局部轨迹规划在全局路径的基础上，综合考虑实时的感知信息、预测结果、交通规则约束以及车辆的动态特性，生成一条满足安全性、舒适性和效率要求的完整轨迹（包含位置、速度、加速度、曲率等时空信息）。局部轨迹规划是自动驾驶规划的核心技术难点，其挑战性主要体现在以下方面：