1.自動駕駛技術分級

自動駕駛技術分為多個等級，目前國內外產業界採用較多的為美國汽車工程師協會（SAE）和美國高速公路安全管理局（NHTSA）推出的分類標準。按照SAE的標準，自動駕駛汽車視智慧化、自動化程度水平分為6個等級：無自動化（L0）、駕駛支援（L1）、部分自動化（L2）、有條件自動化(L3)、高度自動化(L4)和完全自動化（L5）。兩種不同分類標準的主要區別在於完全自動駕駛場景下，SAE更加細分了自動駕駛系統作用範圍。

2.自動駕駛技術路線

在自動駕駛技術方面，有兩條不同的發展路線：

第一種是“漸進演化”的路線，也就是在今天的汽車上逐漸新增一些自動駕駛功能，例如特斯拉、寶馬、奧迪、福特等車企均採用此種方式，這種方式主要利用感測器，透過車車通訊（V2V）、車雲通訊實現路況的分析。

第二種是完全“革命性”的路線，即從一開始就是徹徹底底的自動駕駛汽車，例如谷歌和福特公司正在一些結構化的環境裡測試的自動駕駛汽車，這種路線主要依靠車載鐳射雷達、電腦和控制系統實現自動駕駛。

從應用場景來看，第一種方式更加適合在結構化道路上測試，第二種方式除結構化道路外，還可用於軍事或特殊領域。

3.自動駕駛涉及的軟硬體

1、感測器

感測器相當於自動駕駛汽車的眼睛。透過感測器，自動駕駛汽車能夠識別道路、其他車輛、行人障礙物和基礎交通設施。按照自動駕駛不同技術路線，感測器可分為鐳射雷達、傳統雷達和攝像頭三種。

（1）鐳射雷達

目前是被採用比例最大的裝置，Google、百度、Uber等公司的自動駕駛技術目前都依賴於它，這種裝置被架在汽車的車頂上，能夠用鐳射脈衝對周圍環境進行距離檢測，並結合軟體繪製3D圖，從而為自動駕駛汽車提供足夠多的環境資訊。鐳射雷達具有準確快速的識別能力，唯一缺點在於造價高昂（平均價格在8萬美元一臺）導致量產汽車中難以使用該技術。

（2）傳統雷達和攝像頭

由於鐳射雷達的高昂價格，走實用性技術路線的車企紛紛轉向傳統雷達和攝像頭作為感測器替代方案，例如著名電動汽車生產企業特斯拉，採用的方案就是雷達和單目攝像頭，國際知名廠商為Mobileye等。其硬體原理與目前車載的ACC自適應巡航系統類似，依靠覆蓋汽車周圍360°視角的攝像頭及前置雷達來識別三維空間資訊，從而確保交通工具之間不會互相碰撞。

雖然這種感測器方案成本較低、易於量產，但對於攝像頭的識別能力具有很高要求：單目攝像頭需要建立並不斷維護龐大的樣本特徵資料庫，如果缺乏待識別目標的特徵資料，就會導致系統無法識別以及測距，很容易導致事故的發生。而雙目攝像頭可直接對前方景物進行測距，但難點在於計算量大，需要提高計算單元效能。

2、高精度地圖

自動駕駛技術對於車道、車距、路障等資訊的依賴程度更高，需要更加精確的位置資訊，是自動駕駛車輛對環境理解的基礎，隨著自動駕駛技術不斷進化升級，為了實現決策的安全性，需要達到釐米級的精確程度。如果說感測器向自動駕駛車輛提供了直觀的環境印象，那麼高精度地圖則可以透過車輛準確定位，將車輛準確地還原在動態變化的立體交通環境中。

3、V2X

V2X，指的是車輛與周圍的移動交通控制系統實現互動的技術，X可以是車輛，可以是紅綠燈等交通設施，也可以是雲端資料庫，最終目的都是為了幫助自動駕駛車輛掌握實時駕駛資訊和路況資訊，結合車輛工程演算法做出決策，是自動駕駛車輛邁向無人駕駛階段的關鍵。

4、AI演算法

演算法是支撐自動駕駛技術最關鍵的部分，目前主流自動駕駛公司都採用了機器學習與人工智慧演算法來實現。海量的資料是機器學習以及人工智慧演算法的基礎，透過此前提到的感測器、V2X設施和高精度地圖資訊所獲得的資料，以及收集到的駕駛行為、駕駛經驗、駕駛規則、案例和周邊環境的資料資訊，不斷最佳化的演算法能夠識別並最終規劃路線、操縱駕駛。

汽車自動駕駛技術包括影片攝像頭、雷達感測器以及鐳射測距器來了解周圍的交通狀況，並透過一個詳盡的地圖對前方的道路進行導航。

這一切都透過谷歌的資料中心來實現，谷歌的資料中心能處理汽車收集的有關周圍地形的大量資訊。就這點而言，自動駕駛汽車相當於谷歌資料中心的遙控汽車或者智慧汽車。汽車自動駕駛技術物聯網技術應用之一。

沃爾沃根據自動化水平的高低區分了四個無人駕駛的階段：駕駛輔助、部分自動化、高度自動化、完全自動化