汽车的自动驾驶系统

胡杨林

汽车的自动驾驶系统在不断地迭代提升，给人以眼花缭乱的感觉，但是可以肯定的是它是下一代汽车的发展方向。

新能源汽车的智驾系统是一个亮点，希望大家都能清楚不同智驾系统的功能特点。特别是这些不同驾驶管理系统的不同，主要差异点在哪里？



一、技术路线

• 特斯拉：

主要走纯视觉路线，通过车身周围的摄像头采集各类信息，如道路上的实线、虚线、路缘、红绿灯、交通标志、行人、物体等，再交给数据中心进行处理。这种方案数据源单一，信息提取、更迭相对容易，不会因加入新传感器导致历史数据失效，还能降低对激光雷达、高精地图、人工的依赖，从而节省成本。但完全依赖摄像头获取信息，在复杂环境下的准确性可能受影响。

• 小鹏汽车：

早期采用激光雷达主导方案，并配合高精地图，这种方案精度高、探测距离远，受天气、环境影响较小，但成本高。2024年其新车型将放弃激光雷达，转而采用类似特斯拉的纯视觉解决方案。

• 百度Apollo：

采用高精地图与实时数据融合的自动驾驶技术，通过高级传感器融合技术，将激光雷达、摄像头、雷达等异构传感器的数据与高精地图进行匹配和校正，实现对动态环境的精准感知。

二、软硬件水平

• 特斯拉：

其FSD硬件套装包括8个环绕车身的摄像头，提供360度视野，以及超声波传感器和毫米波雷达，形成多传感器融合的感知系统，为Autopilot软件提供强大数据输入，使车辆能实时理解周围环境，实现自动驾驶功能。其自研的FSD芯片算力强大，能支持复杂的深度学习模型进行实时路况分析。

• 华为：

其自动驾驶系统采用多传感器融合方案，包括激光雷达、摄像头、毫米波雷达等，以提高环境感知的准确性和可靠性。同时，华为的自动驾驶芯片和算法也具有较高的性能，能够实现快速的数据处理和决策。

• 英伟达：

作为自动驾驶芯片领域的巨头，其推出的NVIDIA DRIVE系列产品，如DRIVE PX2、DRIVE PX Xavier、Drive AGX Orin等自动驾驶平台，具备强大的算力和能效比，被众多中高端新能源汽车采用，为自动驾驶系统的运行提供了强大的硬件支持。

三、量产车实测表现

• 特斯拉：

2024年3月开始在北美地区大范围推送FSD v12，带来了明显的体验升级，其端到端的自动驾驶能力成为行业追逐的热点。但在一些复杂场景下，如无保护左转、人车混行的红绿灯路口等，仍存在一定的挑战。

• 小鹏汽车：

其XNGP智驾系统在基础能力如变道反应、距离控制等方面表现成熟，但在泛用性上曾受到一定限制，如一些非常规道路的可用性存疑。不过，2024年7月的升级有望使其泛用性达到较高水准。

• 华为：

华为的ADS智驾系统在泛用性、拟人化使用体验以及持续迭代能力等方面表现出色，能够在多种道路场景下为用户提供较为流畅和安全的自动驾驶体验。

四、安全性和可靠性

• 多传感器融合方案：

国内多数自动驾驶系统采用多传感器独立工作的方式，增加了感知系统的冗余性，即使个别传感器出现故障，也不至于导致整个感知系统瘫痪，从而增强了系统的安全性和鲁棒性。

• 功能安全设计：

一些先进的自动驾驶系统在设计时充分考虑了功能安全，通过冗余设计、故障诊断与处理机制等，确保在出现故障时能够及时采取安全措施，如自动减速、靠边停车等，保障乘客和道路安全。

五、成本

• 纯视觉方案：

特斯拉的纯视觉方案由于减少了对激光雷达等高成本传感器的依赖，降低了硬件成本，使得其自动驾驶系统的成本相对较低，有利于大规模量产和市场推广。

• 多传感器融合方案：

采用激光雷达、摄像头、毫米波雷达等多种传感器融合的方案，虽然在性能和安全性上有优势，但成本较高，限制了其在一些中低端车型上的应用。

自动驾驶系统的历史

L1——L5

【编者语】

所有的开发都有一样的规律，最后的1％才是最难的。

自动驾驶的车机系统，最早是在飞机上应用了，现在应用在汽车上仍然有一堆问题。说明公路上跑的汽车比飞机的驾驶状况要复杂多了。

• 路况复杂，系统需要深度学习，而不单是算法基于规则。
• 系统是基于道路的信号指示还是自主判断。即采用中国模式还是美国模式？因为涉及道路基础设施改造。
• 系统探测功能的实现路径和方式，涉及系统上不上激光雷达。
• 成本水平，在安全的同时还要考虑被大众接受的程度。
• 目前的法律都是规定人的责任，从来没有制订过关于系统的责任。因而对自动驾驶系统驾驶时所造成的驾驶纠纷没有解决规范和标准依据。