自动驾驶概述
1、自动化能力定义
在自动驾驶领域存在多种评估标准，在这些标准中，其中一种广泛采用的标准是基于美国标准化协会（SAE International）对于自动化程度的划分。
L0: 驾驶员完全掌控车辆
L1:自动系统有时能够辅助驾驶员完成某些驾驶任务
在L2级别阶段的自动驾驶系统能够执行部分驾驶任务，在这一层级阶段中驾驶员必须实时关注并监控其所在的驾驶环境，并对超出自身能力范围的操作及时采取接管措施。以确保在出现故障时驾驶员能够迅速采取相应的应对措施，并保证行车安全。目前市面上绝大多数车企都配备了具备此功能的自动驾驶技术。
在L3级别上,自动驾驶系统具备执行特定驾驶任务的能力,并在特定条件下持续关注并评估周边环境状况.然而,驾驶员必须随时准备接管控制权（当自动驾驶系统发出请求时）.因此,在这一层级中,驾驶员无法进行睡眠或深度休息.
L4:在特定条件下与外部环境交互后，在自动驾驶系统中实现了上述目标。在此阶段内，在自动驾驶系统具备运行能力的前提下（即其工作状态正常），与驾驶员直接相关的所有工作内容已由自动驾驶系统独立完成。在此期间（即当前工作状态下），外部环境的应对能力完全由该系统承担。
L5:自动系统在所有条件下都能完成所有驾驶任务。
国家工业和信息化部于今年3月制定并提交了《汽车驾驶自动化分级》标准送审稿工作，并指出该标准与国际Automotive Standards Association（ASA）的标准大体上相同。具体包括：
| 等级 | 部门 | 名称 | 驾驶操作 | 周边监控 | 驾驶任务接管 | 场景 |
|---|---|---|---|---|---|---|
| L0 | 工信部 | 应急辅助 | 驾驶员 | 驾驶员和系统 | 驾驶员 | 限制 |
| SAE | No Driving Automation | 驾驶员 | N/A | |||
| L1 | 工信部 | 部分辅助驾驶 | 驾驶员和系统 | 驾驶员和系统 | 驾驶员 | 限制 |
| SAE | Driver Assistance | 驾驶员 | ||||
| L2 | 工信部 | 组合驾驶辅助 | 系统 | 驾驶员 | 驾驶员 | |
| SAE | Patial Driving Automation | |||||
| L3 | 工信部 | 有条件自动驾驶 | 系统 | 系统 | 动态驾驶任务接管用户 | |
| SAE | Conditional Driving Automation | 驾驶员 | ||||
| L4 | 工信部 | 高度自动驾驶 | 系统 | 系统 | 系统 | |
| SAE | High Driving Automation | |||||
| L5 | 工信部 | 完全自动驾驶 | 系统 | 系统 | 系统 | 无限制 |
| SAE | Full Driving Automation |
2、自动驾驶技术
自动驾驶系统是一个复杂的技术整合体，在汽车工程领域占据重要地位。该系统主要包含三个核心功能模块：感知定位、决策规划与控制执行。其中感知定位模块主要依赖摄像头、雷达等高性能传感器实时采集并传递关于车辆所在环境的信息，并模拟出驾驶员眼睛和耳朵的功能特性；决策规划单元基于一个感知系统提供的车辆定位及周边环境数据，在平台中根据预设的算法模型进行路径规划等决策操作；而控制执行部分则采用自适应控制系统与协作控制系统来实现对车辆行为的精准调节，在功能上类似于驾驶员的手与脚的操作能力
自动驾驶系统架构图
2.1 感知定位
环境感知与识别能力是实现自动驾驶车辆安全可靠运行的基础且关键的技术支撑。自动驾驶系统的环境感知模块通过多种主动与被动传感器收集周围信息，并对采集到的数据进行解析并整合后进行分析。这种功能使无感知无人驾驶汽车能够识别障碍物及车道线等基本元素，并为实现其自主导航与路径规划操作提供依据。
环境感知与识别系统主要包含传感器、数据处理模块以及多传感器融合系统三个组成部分。该系统的敏感器部分主要使用摄像机、激光雷达等多类设备进行信息采集。视觉相关技术涉及单目摄像头和多目摄像头。用于探测距离的设备则包括声呐装置、毫米波雷达以及激光雷达等多种类型。其中的激光雷达和毫米波雷达能够测距并计算移动速度。通过这些设备可以获得三维点云数据和其他运动参数的信息。
2.2 决策规划
自动驾驶作为一个集智能计算与机械运动于一体的复杂系统，在实现安全可靠的运行过程中不仅依赖于车载硬件和传感器集成这一基础架构还需要依靠系统的感知能力以及智能化的处理机制来达成目标。其中环境感知与决策规划之间的密切配合尤为关键主要包含以下几个方面：包括无人车路径寻径行为决策以及动作规划等多个维度。
路由器寻径的主要职责是负责无人车系统导航功能的实现，在宏观层面上对规划控制模块的工作流程进行协调与控制, 以确保无人车能够按照预设路线平稳行驶, 最终达到从起始点到目标点的整体运输需求
路由寻径模块生成路径信息，并将其传递给下游的行为决策模块进行处理。行为决策系统不仅能够获取路由寻径的结果数据本身，还能够整合感知预测和地图数据进行分析处理。通过全面分析和综合评估这些输入数据的信息特征及其关联关系，在全局规划策略的基础上决定无人车的具体行驶路线。
相对于整个机器人动作规划领域而言，无人车的动作规划问题是一个相对简单的议题。由于车辆运动仅限于一个二维平面，在驾驶员的操作下（方向盘、油门），其行驶轨迹的物理模型与普通三维空间中机器人姿态所对应的运动轨迹相比，在二维空间中进行路径规划更为简便。
2.3 控制执行
最底层架构的核心单元是负责车辆动作指令实现的关键部分。它直接连接并对接到无人车底层控制接口CAN BUS系统中，在此过程中完成信息传递与指令处理的任务。该单元的主要职责是接收并处理上层动作规划模块生成的目标轨迹点，并通过一系列基于车身属性及外部物理环境条件的动力学模型进行计算处理后转化为对车辆油门、刹车系统以及方向盘的操作指令，在尽力而为地按照这些轨迹点进行操作与执行的同时完成各项动态操控任务。在实际运行过程中该单元不仅负责实现自身的动态调控还需要完成与外部物理环境交互的基本建模工作
3、智能驾驶行业发展趋势
3.1 乘用车辅助驾驶渗透率不断提升
随着辅助驾驶功能逐步实现量产，在乘用车市场中不断占据行业标配的地位，并逐渐延伸至性价比较低的车型范畴。根据市场分析，在2020年左右的时间点上，乘用车的辅助驾驶普及率达到32%左右，在未来几年内预计将达到65%左右。
3.2 高级版自动驾驶在部分场景率先落地
开放型但低速运行的固定路线以及空闲载具的特征有助于高级版自动驾驶技术在特定场景中快速实现；适用于像大学园区、工业园区等封闭区域。就现阶段而言，在乘用车领域内实现具有严格定义的L3级自动驾驶仍面临诸多技术与法规障碍。
3.3 多传感器融合成为主流
随着智能驾驶级别的提升,车辆所用的传感器也愈发多样化,为了应对不同场景并保障车辆安全,多传感器融合已成为行业趋势。这种技术是通过将信息进行多样化的整合实现的;不仅能够充分利用不同类型的传感器所带来的优势,还能显著提升整个系统的智能化水平。