背景说明

近期主要梳理自动驾驶技术相关内容，重点围绕各类传感器及其技术原理展开。本阶段整理内容覆盖面较广而深度有限，后续将逐步细化。以下为初步归纳，供大家参考，欢迎指正与交流。

1. 感知技术概述

环境感知依赖多种传感器（如激光雷达、毫米波雷达、超声波雷达、车载摄像头、夜视系统、GPS、陀螺仪等）获取周围环境与车辆状态信息，为系统正确理解场景、进行路径规划与决策提供数据基础。

1.1 传感器硬件分类

摄像头作为模拟人眼的关键传感器，摄像头是实现预警与识别类ADAS功能的基础。主要分为以下四类：

单目摄像机双目摄像机三目摄像机环视摄像机

激光雷达（LiDAR）通过发射激光束捕获三维点云数据，用于构建环境地图。按线数可分为：

单线激光雷达多线激光雷达（常见有4线、8线、16线、32线、64线及128线）

毫米波雷达主要用于障碍物检测与距离测量，按探测距离分为：

近距雷达（SRR）：探测范围30米内远程雷达（LRR）：探测范围可达250米

超声波雷达利用超声波测距，适用于近距离障碍物识别，常见于泊车辅助场景，主要分为：

超声波驻车辅助传感器（UPA）自动泊车辅助传感器（APA）1.2 关键感知技术

3D感知技术该技术以获取真实三维空间信息为目标，是感知系统的核心环节。主要依赖以下传感器与算法实现：

硬件支持：激光雷达、深度摄像头、ToF传感器、结构光等关键技术：包括深度神经网络与神经辐射场（NeRF）等。NeRF通过三维辐射场建模，实现高精度场景重建与虚实融合的视觉感知典型应用：实时定位与地图构建（SLAM），通过融合IMU数据与视觉信息，实现对移动设备或机器人的精准定位与轨迹追踪

多模态感知融合该技术通过整合多种传感器的数据，提升环境认知的准确性与鲁棒性。其核心流程包括：

特征提取与融合：采用深度学习、BEV+Transformer等算法，对多源数据进行特征级融合决策与自适应学习：基于融合特征，系统通过多任务学习与自适应反馈机制，实现动态策略调整，适应多样化应用场景2. 决策规划技术

决策规划系统通过融合多传感器数据，结合驾驶任务需求，在满足障碍物规避与各类约束条件的前提下，生成多条可行路径，并从中选取最优轨迹作为车辆行驶路线。

2.1 地图系统

高精地图

提供厘米级精度的车辆定位与丰富道路要素信息，可预知坡度、曲率、航向等复杂路况，具备强实时性。随道路变化（如维修、标线更新、交通标识调整）需及时更新，强调三维空间建模与厘米级精度，精确反映路面特征与状态。

轻地图

以提供必要车道信息为主，适当降低要素数量与精度（如从厘米级降至米级），提升数据覆盖广度与更新频率，降低单位成本。针对路口、分岔等关键场景进行精细化表达，弥补复杂场景感知局限，提升车道级规控能力，优化城市NOP等智驾体验。其核心在于简化语义要素（如从200种缩减至50种），并依赖AI算法实时生成局部道路拓扑。

感知建图流程图像分割 → 位姿图优化 → 局部建图 → 地图合并与更新 → 地图压缩 → 地图解压

2.2 关键技术

SLAM 技术

指在未知环境中同时进行定位与地图构建的技术，广泛应用于机器人及自动驾驶领域。借助SLAM，系统可实现实时地图更新与高精度定位。

机器学习与深度学习

通过从大量驾驶数据中学习并提取有效特征，应用于路面识别、车道线检测、交通标志识别等任务。此类算法有助于提升系统的感知能力与决策质量。

通信技术

为实现实时地图更新与信息共享，系统需与云端服务器保持高速、稳定通信。5G、V2X（车与车、车与基站通信）等先进通信技术支持高带宽、低延迟传输，为自动驾驶提供实时地图与交通信息。3. 控制技术

车辆控制技术主要包括纵向与横向控制。纵向控制通过对驱动与制动系统的调节，管理车辆速度；横向控制则通过调整转向盘角度与轮胎力，控制行驶方向。实现纵、横向自动控制，即可使车辆依据既定目标与约束条件自主行驶。

4. 定位技术

精准定位旨在获取自动驾驶车辆相对于外部环境的精确位置，是车辆实现自主导航的基础。在复杂道路场景下，其定位误差通常要求不超过10厘米。

RTK 技术

即实时动态载波相位差分技术，是一种基于GNSS的高精度差分定位方法。通过基准站与流动站之间的实时数据差分处理，可将卫星定位精度从米级提升至厘米级（1–10厘米）。基准站连续观测卫星信号并发送数据至流动站，流动站结合接收的卫星信号与基准站数据，通过实时解算实现厘米级定位。

惯性导航技术

一种基于惯性测量原理的自主导航技术，通过测量载体的角速度与加速度，经积分运算获取位置、速度及姿态信息。系统核心为惯性测量单元（IMU），内含加速度计与陀螺仪，分别测量加速度与角速度，由导航计算机完成数据解算，输出载体运动状态。

卫星导航系统

GPS：由美国建立的全球卫星导航系统，由空间卫星、地面监控与用户接收机三部分构成，提供全球定位与授时服务。GNSS：泛指所有可提供全球覆盖的卫星导航系统（如GPS、北斗、GLONASS等），可为用户提供全天候的三维坐标、速度及时间信息。5. 车辆数据流转

环境认知层

通过激光雷达、毫米波雷达、摄像头、GPS、IMU等传感器，获取环境与车辆状态信息。实现功能包括：车道线、红绿灯、交通标志、行人、车辆与障碍物的检测识别，以及车辆定位。

决策规划层

依据环境信息、车辆状态与全局路径，进行任务规划（如车道保持、换道、跟车）、行为规划（如加速、减速、转向）与局部路径规划，生成可行行驶轨迹。

控制执行层

基于车辆动力学模型，对驱动、制动、转向等系统进行闭环控制，确保车辆准确跟踪所规划的轨迹。