大家都知道智能车(Intelligent vehicle)是集环境感知、规划决策、多级辅助驾驶等功能于一体的综合性系统，集计算机、现代传感、信息集成、通信、人工智能、自动控制等技术于一体，是典型的高新技术综合体。自动驾驶的关键技术可分为四大部分。
自动驾驶理论听起来很简单，有四种关键技术，但是如何实现呢？Google自2009年开始自动驾驶已经8年了。经过8年的技术积累，自动驾驶技术无法量产，说明自动驾驶技术并不简单。自动驾驶是一项庞大而复杂的工程，涉及到许多技术，而且过于细致。我将从硬件和软件两个方面谈谈自动驾驶汽车所涉及的技术。
离开硬件谈论自动驾驶是一个流氓。先看一张图片，下图基本上包含了自动驾驶研究所需要的各种硬件。
然而... 这么多传感器不一定同时出现在汽车上。传感器是否存在取决于汽车需要完成什么任务。自动驾驶系统工程师要以任务为导向，进行硬件的选择和成本控制。有点类似于组装一台计算机，给我一份需求，我就给你出一份配置单。
既然要做自动驾驶，汽车当然是必不可少的。从我公司(上汽)自动驾驶的经验来看，。整个自动驾驶系统耗电量大，混合动力和纯电动在这方面优势明显。是 与电机相比，发动机的底层控制算法要复杂得多。与其在底层进行校准和调试，不如直接选择电动汽车来研究更高层次的算法。
一些国内媒体专门研究了测试车辆的选择。为什么谷歌和苹果选择雷克萨斯？RX450h(混合动力汽车)？科技公司在测试自己的自动驾驶技术时，对测试车的选择有哪些讲究？等等。他们得出的结论是，因为如果不与汽车公司合作改装，需要Hack(入侵)某些控制系统。(来自极客车)
建议在早期算法预研阶段使用作为最直接的控制器解决方案。由于工业控制机比嵌入式设备更稳定、更可靠，社区支持和配套软件也更丰富。百度开源Apollo推荐一个包含GPU工控机，型号为，如下图。
图片：Github ApolloAuto
当算法研究成熟时，嵌入式系统可以作为控制器，如Audi和TTTech共同研发的，目前已应用于最新款Audi A8上量产车。
图片：极客
工控机与汽车底盘的交互必须用特殊语言进行——CAN。从底盘获取当前车速及方向盘转角等信 利息，需要分析底盘CAN总线上的数据；工控机通过传感器的信息计算得到方向盘转角和预期速度后，也应通过 CAN卡将信息转码为底盘可识别的信号，然后做出响应。CAN卡可直接安装在工控机中，然后通过外部接口和CAN总线相连。，如下图。
人类开车，从A点到B点，需要知道A点到B点的地图，以及他们目前的位置，才能知道 是右转还是直行到下一个十字路口。
无人驾驶系统也是如此。GPS IMU你可以知道自己在哪里(经纬度)，在哪个方向(航向)，当然IMU还能提供诸如横摆角速度、角加速度等更丰富的信息，这些信息有助于自动驾驶汽 汽车的定位和决策控制。
Apollo的GPS型号为，IMU型号为。
相信大家都很熟悉车载传感器。传感器有很多种，包括视觉传感器、激光传感器、雷达传感器等。视觉传感器是摄像头，分为单目视觉和双目视觉(立体)。以色列是著名的视觉传感器提供商，加拿大的，德国的等。
激光传感器分为单线，从多线到64线。。美国是著名的激光传感器提供商Velodyne和Quanergy，德国的Ibeo等。国内有和。
雷达传感器是汽车厂Tier由于雷达传感器已广泛应用于汽车中。当然，知名供应商 博世、德尔福、电装等。
组装一个能够完成某一功能的自动驾驶系统需要丰富的经验，并了解每个传感器的性能边界和控制器的计算能力。优秀的系统工程师可以在满足功能要求的情况下最大限度地控制成本，使其更有可能大规模生产和着陆。
该软件包括四层：感知、整合、决策和控制。
各级之间需要编写代码，以实现信息的转换，更详细的分类如下。
要实现智能驾驶系统，将有几个层次：
更具体的一点是:
各级之间需要编写代码，以实现信息的转换。
最基本的层次如下：收集和预处理、坐标转换、信息集成
传感器传感器PC或者当嵌入式模块通信时，会有不同的传输方式。
例如，我们从相机中收集图像信息，有些是通过千兆网卡通信的，有些是通过视频线直接通过的 通信。再比如一些毫米波雷达是通过的CAN总线向下游发送信息，必须编写分析 CAN信息代码。
不同的传输介质需要使用不同的协议来分析这些信息，这就是上面提到的驱动层。一般来说，传感器收集的所有信息都被获取，并编码成团队可以使用的数据。
获取传感器信息后，你会发现并非所有信息都有用。
传感器层以一帧一帧的固定频率向下游发送数据，但下游不能用每帧的数据进行决策或决策 为什么？
由于传感器的状态不是100%有效，如果只根据某一帧的信号来确定前方是否有障碍物(可能 传感器误检)对下游决策极不负责任。因此，上游需要预处理信息，以确保车辆 前方的障碍总是存在于时间维度上，而不是一闪而过。
卡尔曼滤波是智能驾驶领域常用的算法。
在智能驾驶领域，坐标转换非常重要。
传感器安装在不同的地方，如毫米波（上图中的紫色区域）布置在车辆前面；当车辆前面有障碍物，距离毫米波雷达50米时，我们认为障碍物距离车辆50米吗？
不！由于决策控制层在车身坐标系下完成车辆运动规划（车身坐标系后轴中心一般为O点），毫米波雷达检测到的50米需要将传感器添加到后轴。
最后，所有传感器信息都需要转移到自行车坐标系下，以便所有传感器信息可以统一用于规划和决策。
同样，摄像一般安装在挡风玻璃下，获得的数据也是基于相机坐标系，下游数据也需要转换为自行车坐标系。
自行车坐标系:用拇指拿出右手 → 食指 → 中指 开始读顺序 X、Y、Z。然后把手握成以下形状：
将三车后轴中心放置三个轴的交点(食指根)，Z轴向车顶，X轴向车辆前进。
只要开发团队内部统一，各团队可能定义的坐标系方向不一致。
信息融合是指把相同属性的信息进行多合一操作。
比如摄像机检测到了车辆正前方有一个障碍物，毫米波也检测到车辆前方有一个障碍物，激光雷达也检测到前方有一个障碍物，而实际上前方只有一个障碍物，所以我们要做的是把多传感器下这辆车的信息进行一次融合，以此告诉下游，前面有一辆车，而不是三辆车。
这一层次主要设计的是拿到融合数据后，如何正确做规划。规划包含纵向控制和横向控制。纵向控制即速度控制，表现为 什么时候加速，什么时候制动。横向控制即行为控制，表现为 什么时候换道，什么时候超车等。