自動駕駛車是一個輪式機器人。自動駕駛可以說是一個涉及了多個學科的綜合領域，本文帶你探尋自動駕駛的5大主要技術，看看這個輪式機器人的大腦、眼睛等都是如何工作的。

1、識別技術

和人類的眼睛一樣，這個輪式機器人也有它自己的眼睛，用來識別周邊的車輛、障礙物、行人等路上的情況。

我們眼睛的主要構成部分是眼球，通過調節晶狀體的彎曲程度來改變晶狀體焦距來獲得實像。那自動駕駛的眼睛是由什么構成的呢？答案是傳感器。包括攝像頭、激光雷達、毫米波雷達，還有紅外線、超聲波雷達等。

你可能會驚訝，需要這么多眼睛？沒錯，它是長滿了眼睛的小怪獸，通常擁有10+只眼睛。

其中，最常用的是攝像頭，幾乎是毫無爭議地被所有開發者采用。它和人類的眼睛最接近，可以看清有顏色的標識、物體，看得懂字體，分得清紅綠燈。但是缺點也不少，比如在夜晚或惡劣的天氣下視力就嚴重下降，也不擅長遠距離觀察。

其次是頗富爭議的LiDAR，即激光雷達。比較常見的是在車頂，像是頂不停旋轉的帽子。原理很簡單，就是通過計算激光束的反射時間和波長，可以完成繪制周邊障礙物的3D圖。而短板則是無法識別圖像和顏色。

毫米波雷達也不得不提一提，因為它的全能--可以全天候工作，這使得它不可或缺，即便它無法識別高度，分辨率不高，也難以成像。但它憑借其穿透塵霧、雨雪的硬本領，站穩一席之地。

可以通過下面這個性能對比表格，了解主流傳感器的優勢和軟肋。

如此多各式各樣的眼睛，那她的視力一定很好咯？那也未必。你以為星多天空亮，可它們之間能夠互補還好，但也難免會產生矛盾。這么多只眼睛你要優先選擇相信誰，這也是一個課題叫Sensor Fusion，傳感器融合。根據每種傳感器的優缺點來綜合評判信息的準確度，得到更可靠的最終結果。傳感器融合的另一個優點是，換來一定程度的冗余，即便某只眼睛暫時失明，也不會影響它安全前行。

2、決策技術

通過眼睛識別得到了周邊環境，接下來就要充分利用這些信息進行理解分析，決定自己該如何走下一步。要完成這項任務的就是最強大腦。

跟人類的大腦一樣，我們不是天生就會開車，也不是拿到駕照就成老司機了。需要一定的知識積累，自動駕駛機器人也同樣需要。完成大腦中的知識庫有兩種方式：專家規則式和AI式。

專家規則式，英文叫rule-based。即提前編寫好規則，當需要做決定的時候必須嚴格遵守這些規則。舉個栗子，當準備超車變道時，需要滿足以下條件（這是一個假專家，僅供參考）：道路半徑大于500R（彎道不變道）；跟目標車道上的前后車的距離都在20m以上；比后車的車速慢不超過5km/h；等等等等。..以上N個條件同時滿足時，即可超車變道。

AI式，就是一直很火的人工智能Artificial Intelligence。模仿人類的大腦，通過AI算法對場景進行理解。或提前通過大量的犯錯積累經驗，或事前聽某人指點江山。通過AI式積累知識庫，會讓她的反應更加靈活。專家也難免有疏忽，更何況交通瞬息萬變，沒有靈活的大腦如何應對我大中華的路況呢？

3、定位技術

只有知道自己在哪里，才知道自己去哪里。

現今，除了主流的用GPS或GNSS（全球衛星導航系統）來定位的方式之外，也有在公路上鋪設電磁誘導線等方式來實現定位。高精度GPS定位目前來說最大難題是，山區和隧道等地理因素對精度的影響，雖然可以依靠IMU（慣性測量單元）來進行推算，但GPS丟失信號時間過長的話，累計的誤差就會比較大。

另外，自動駕駛專用的3D動態高清地圖帶給了自動駕駛更多可能性。因為有了高清地圖，就可以將自己的位置輕松定位在車道上。

4、通信安全技術

試想如果被黑客入侵，控制了你的自動駕駛車，不僅可以監聽到你的秘密談話，還很可能成為殺人工具。黑客可以通過影響傳感器的數據而影響決策，或直接介入判斷機制進而影響行駛軌道。

先了解一個術語，V2X=Vehicle To Everything。即車輛與基礎設施之間所有通信的通用簡稱，包括車輛與車輛之間叫V2V、車輛與行人之間V2P、車輛與交通基礎設施之間V2I、車輛與網絡之間V2N等。

V2X包含了汽車和我們的個人信息，因此在通信的時候對用戶的身份驗證和給數據加密，這些都必不可少。

5、人機交互技術

雖說我們對自動駕駛的印象大多是，不需要人們的干涉，它就能把我們送到任何想去的地方。但是很遺憾，目前的自動駕駛系統還做不到這一點。

遇到自動駕駛駕馭不了的場景，便會呼喚你接替它的工作。這時，HMI（人機界面）就發揮作用了。它的目標是，用最直觀最便捷的方式通知我們，讓駕駛員盡快注意到。

此外，通過觀察分析駕駛員的面部表情和動作，判斷其困倦狀態，并通過給駕駛員提供感興趣的話題等方式予以提醒，也是人機交互多樣化發展的一個例子。還有些不僅局限于和車內人的互動，也可以與路上行人進行互動，表達讓行等意愿。