科技瞭望臺：更高階的自動駕駛用到了這些技術

2025-05-04 15:56:27

上個月，一段搭載華為自動駕駛ADS系統的極狐量產電動車路試視頻走紅網絡，視頻中展示該車在極為複雜的路況下仍舊能實現自動駕駛功能，車輛所實現的更高階自動駕駛成為了核心關注點。

在眾多廠商入局的電動車行業，自動駕駛很可能會成為未來電動車的核心競爭力之一。目前自動駕駛技術都用到了哪些技術？未來自動駕駛技術會怎麼發展？自動駕駛技術有可能成為接下來電動車行業的焦點之一。

自動駕駛也有分級

我們先來了解下目前自動駕駛都有哪些類型。根據國際自動機工程師學會（SAE）劃分的標準，自動駕駛擁有從L0到L5五個級別。L0需要人類全程駕駛，車輛能夠提供有限的提醒，比如盲點監測提醒。L1能夠實現轉向或者加減速其中一項功能。L2則是有一定的自動化駕駛功能，同時支持轉向和加減速功能，而駕駛員需要完成其餘操作。

L3級別的自動駕駛與上面幾個級別完全不同，L3能夠實現條件自動駕駛，車輛完成駕駛操作，不過駕駛員仍舊需要關注路面動態，隨時準備接管。L4則是高度自動化駕駛，在限定道路和環境條件下，可以由自動駕駛完成所有操作。

簡單來說，L3級是自動駕駛的一個轉折點，帶來質的提升。目前有部分廠商對L3、L4級別的自動駕駛進行了嘗試，預計未來車輛所搭載的自動駕駛功能更多是L3級別以上。

從路測的情況看，搭載華為自動駕駛ADS系統的極狐電動車已經實現類似L4級別的自動駕駛。最近也有不少科技企業宣布涉足造車行業，在自動駕駛方面，科技企業可能會有更大優勢。

自動駕駛有視覺派&雷射雷達派

要想實現自動駕駛，車輛需要具備環境感知能力。在車輛環境感知層面，目前技術路線大概可以分為視覺派和雷射雷達派兩種不同路線，這兩種路線都會採用多傳感器混合感知方案，只不過核心實現形式有所區別。

視覺派自動駕駛主要以攝像頭視覺識別為主，攝像頭+毫米波雷達就是很常見的組合方案。通過攝像頭識別物體、場景，毫米波雷達負責提供距離、速度等參數，通過這些傳感器組合捕捉到車輛位置以及外部環境信息，共同實現車輛的感知能力。

據了解，特斯拉採用8個攝像頭+1顆160米測距毫米波雷達+12顆超聲波雷達組合，特斯拉使用的感知方案可以看做是比較典型的視覺派自動駕駛。

視覺派的工作原理其實很容易理解，就是跟人眼感知環境類似。通過車載攝像頭捕捉到現實環境的2D畫面，然後利用算法構建出3D環境地圖，車輛能夠實時感知周圍環境情況。

視覺派的實現方式雖然相對簡單直接，但對算法要求非常高，算法需要對獲取到的2D圖像中的每一件物體進行準確的識別才能構建出可靠的3D地圖，地圖的可靠性直接關係到自動駕駛的最終效果。

視覺派自動駕駛的優點是整套硬體配置組合簡單，成本相對更低。神經網絡圖像識別算法在視覺派自動駕駛中起到至關重要的作用，海量的路測數據可用於神經網絡訓練，可以改善環境感知數據精度不足等問題，提供更準確的場景識別能力。

另外一種雷射雷達派自動駕駛就能有效提升場景識別的準確度。雷射雷達派一般會採用雷射雷達+毫米波雷達+攝像頭的混合感知方案，與視覺派主要區別在於增加了雷射雷達。

雷射雷達其實大家應該不會陌生，去年推出的iPhone 12 Pro、以及iPad Pro 2021上面都配備了雷射雷達，通過這顆雷達可獲取到更加精準3D深度信息，可用於3D建模等場景，電動車所搭載的的雷射雷達也是利用了類似的特性。

雷射雷達可以主動發射出大量不可見的雷射束，遇到物體時反射回來，結合光速和返回時間，就能實時計算出車輛與物體的距離、速度等，構建出一幅十分精確的3D空間地圖，精確度遠高於攝像頭所獲取到的2D圖像信息，更加可靠。

上面提到的毫米波雷達工作原理和雷射雷達類似，不過各自都有擅長的方面。毫米波雷達可以獲取到較為準確的相對速度、距離等信息，但無法實現精確的3D建模。毫米波雷達在汽車上使用的時候，通常還會過濾掉靜止的物體，無法實現全面的探測。不過在雨天、霧霾等惡劣天氣下，毫米波雷達仍舊能保證比較好的探測效果，可以作為雷射雷達的互補。

通過雷射雷達+毫米波雷達+攝像頭的組合，能夠讓電動車擁有更加精準的空間感知能力，並且在不同天氣下也能保證可靠性。上面提到的這些都是自動駕駛汽車的空間感知能力，硬體部分主要通過雷達+攝像頭的組合，獲取到環境空間的數據，讓汽車能夠實時理解所處的環境動態。