先說一下無人駕駛汽車的定義吧：

“透過車載感測系統感知道路環境，自動規劃行車路線並控制車輛到達預定目標的智慧汽車”。

通俗點，無人駕駛汽車是利用車載感測器來感知車輛周圍環境，並根據感知所獲得的道路、車輛位置和障礙物資訊，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。

再簡單點，你告訴汽車你要去哪，車會自動規劃路線，在路上正確的行駛不跟其他汽車碰撞，然後把你送到位置，呃作用類似於計程車司機吧。。。

拋開谷歌不談，說說普通的汽車實現無人駕駛需要哪些功能：

1.車道保持系統

2.鐳射測距系統orACC自適應巡航系統

3.雷達

4.夜視系統

5.精確定位/導航系統等等

最新推出的賓士S600轎車已經具備了自適應巡航/車道保持/夜視/自適應燈光系統等等，嚴格來說，它已經具備了在簡單路況下的無人駕駛功能，但是目前沒有任何一個國家允許一輛無人駕駛的汽車在公共道路上跑。

綜上，目前的汽車技術已經具備了初步的無人駕駛功能，真正的無人駕駛汽車是這樣的：

1.自適應系統

2.智慧導航系統

3.城市道路資訊識別系統（2和3是非常重要的）

好吧我跑題太多了，來說說谷歌的優勢吧。。。。無疑是智慧導航系統

在大工業時代，汽車無人駕駛技術可以從其他公司購買，問題不大。谷歌真正的優勢在於多年積累下來的地圖資訊，查了一下，谷歌無人駕駛汽車的負責人正是谷歌街景地圖服務的創造者之一。

谷歌無人駕駛系統的核心是車頂上的鐳射測距儀(Velodyne 64-beam)。該裝置在高速旋轉時向周圍發射64束鐳射，鐳射碰到周圍的物體並返回，便可計算出車體與周邊物體的距離。計算機系統再根據這些距離資料描繪出精細的 3D 地形圖，然後跟高解析度地圖相結合，生成不同的資料模型供車載計算機系統使用。（百度來的）

由此可知，在無人駕駛時代，對周圍環境的模擬和3D地圖資料是導航的關鍵，谷歌在這方面具有深厚的積累，畢竟技術可以買，資料可不好買。

谷歌從2009年研究無人自動駕駛到現在，整個產業並沒有落地，可見難度之大，自動駕駛汽車涉及哪些技術呢！一般而言，無人駕駛系統一般有三大模組，這三方面對應不同的技術，但是即使這樣，技術並未完全成熟，相比汽車廠商，Google無人駕駛汽車技術的優勢體現在技術積澱，而不是把汽車加工製造、汽車設計當做重點，專注於無人駕駛技術，而其他汽車廠商仍然要花費巨大精力去做設計、製造和軟硬體，這是本質區別。下面是谷歌公司積澱的主要無人駕駛技術。

環境感知模組

無人駕駛汽車是透過感測器來感知環境資訊。比如攝像頭、鐳射雷達、毫米波雷達以及工業相機是用於獲取環境資訊；而GPS等用於獲取車身狀態的資訊。當然還需要透過演算法提取出有用的資訊。

行為決策模組

行為決策是指無人駕駛汽車根據路網資訊、獲取的交通環境資訊和自身行駛狀態，產生遵守交通規則的駕駛決策的過程。

用人話說就是規劃出一條精密的行駛軌跡，然後無人駕駛車就可以跟著這條軌跡走。

運動控制模組

運動控制模組是根據規劃的行駛軌跡和速度以及當前的位置、姿態和速度，產生對油門、剎車、方向盤和變速桿的控制命令。

無人駕駛技術實現上有兩大派系

無人駕駛的實現路徑大概有兩大派系，一派是以谷歌為主的網際網路公司，一派以特斯拉為首的汽車製造商。

谷歌的藍圖是無人車完全取代人來駕駛，把無人車看成機器人，所以沒有方向盤、油門和剎車。

谷歌無人車頂上是約8萬美元的64線鐳射雷達(Lidar)。它在高速旋轉時發射鐳射測量與周邊物體的距離，再根據距離資料描繪出精細的 3D 地形圖，並跟高解析度地圖資料相結合建模，幫計算機做決策。

由此可知，這條技術路線的關鍵是對周圍環境的模擬和3D地圖資料，而谷歌在這方面有深厚的積累。

而特斯拉的計劃是從機器輔助駕駛進化到完全自動駕駛。所以技術上逐步實現自動剎車、定速巡航、自適應巡航等，最終完全自動駕駛。

特斯拉 Model S主要是靠攝像頭結合計算機視覺，特斯拉輔助駕駛使用的硬體包括前置攝像頭、前置雷達（相對廉價的毫米波雷達）、12個超聲波感測器。

那麼自動駕駛汽車涉及哪些技術呢，下面是一些通用的技術：

訓練一個自動駕駛的決策模型

行為決策是指根據路網資訊、獲取的交通環境資訊和自身行駛狀態，產生遵守交通規則的駕駛決策的過程。這個解決方案可以是現在很火的深度學習，來實現模仿性學習（Behavioral Cloning）。

識別並跟蹤障礙物

這個問題的解決方案是感測器融合演算法，利用多個感測器所獲取的關於環境全面的資訊，透過融合演算法來實現障礙物識別與跟蹤，常用的演算法包括卡爾曼濾波法等。

根據周邊資訊，在地圖上定位車倆

在地圖上定位汽車，這一塊實現的差異很大。由於民用GPS誤差過大，不能直接用於無人駕駛。

有一類定位是透過鐳射雷達使周圍物體和自車的距離的精度達到釐米級，配合三維地圖資料可以將車輛定位至幾釐米～ 十幾釐米的程度，還有一類透過還計算機視覺的方案來定位。

從相機中識別行人

從相機中識別行人是一個計算機視覺問題，需要利用攝像機識別出物體（在這裡是人），這裡有單目，也有雙目的方案，可以呼叫OpenCV的一些包來實現。

車道識別

車道識別也是計算機視覺問題，有成熟的道路檢測演算法( lane finding)。

車輛的自適應巡航控制：車輛的自適應巡航控制（ACC）是在定速巡航控制的基礎上，透過距離感測器實時測量本車與前車的距離和相對速度，計算出合適的油門或剎車的控制量，並進行自動調節，這一塊有不少成熟的方案。

讓汽車在預定軌跡上運動：讓汽車在預定軌跡上運動是一個機器控制和規劃問題，一個難點在於躲避突發障礙之後動態路線規劃。