電子發(fā)燒友網(wǎng)報(bào)道（文/李彎彎）自動駕駛實(shí)現(xiàn)的過程，簡單的來說是從感知、決策到執(zhí)行，感知即通過各種傳感器，采集車輛本身及外部的信息，決策即汽車的計(jì)算單元，根據(jù)特定的算法，對上述獲取的信息進(jìn)行分析，做出適合當(dāng)下情景的決策，之后就是執(zhí)行。

而整個(gè)過程中算法極為重要，自動駕駛作為人工智能技術(shù)重要的應(yīng)用場景之一，其技術(shù)的實(shí)現(xiàn)離不開算法的大規(guī)模部署，包括從感知環(huán)節(jié)的特征提取到神經(jīng)網(wǎng)絡(luò)的決策，這些都需要依賴算法改進(jìn)來提高障礙物檢測準(zhǔn)確性和復(fù)雜場景下的決策能力。

AI算法是支撐自動駕駛技術(shù)最關(guān)鍵的部分，目前主流自動駕駛公司都采用了機(jī)器學(xué)習(xí)與人工智能算法來實(shí)現(xiàn)。海量的數(shù)據(jù)是機(jī)器學(xué)習(xí)以及人工智能算法的基礎(chǔ)，通過此前提到的傳感器、V2X設(shè)施和高精度地圖信息所獲得的數(shù)據(jù)，以及收集到的駕駛行為、駕駛經(jīng)驗(yàn)、駕駛規(guī)則、案例和周邊環(huán)境的數(shù)據(jù)信息，不斷優(yōu)化的算法能夠識別并最終規(guī)劃路線、操縱駕駛。

從技術(shù)環(huán)節(jié)來看，自動駕駛域算法可以分為感知算法、融合算法、決策算法和執(zhí)行算法。感知算法將傳感器數(shù)據(jù)轉(zhuǎn)換成車輛所處場景的機(jī)器語言，包括物體檢測、識別和跟蹤、3D環(huán)境建模、物體的運(yùn)動估計(jì)等。

融合算法的核心任務(wù)是將不同傳感器獲取到的基于圖像或基于點(diǎn)云等不同維度的數(shù)據(jù)進(jìn)行量綱統(tǒng)一處理。隨著L2+自動駕駛對多傳感器融合精度的要求提升，融合算法將逐漸前向化（前融合），其層級將逐漸從域控制器等后端部件前移至傳感器層面，在傳感器內(nèi)部即完成融合，以提升數(shù)據(jù)處理的效率。

決策算法，即在基于感知算法的輸出結(jié)果，給出最終的行為動作指令，包括汽車的跟隨、停止和追趕等行為決策，以及汽車的轉(zhuǎn)向、速度等動作決策，路徑規(guī)劃等。

自動駕駛根據(jù)自動化功能程度被分為L0-L5級別，L1-L3主要起到輔助駕駛功能，到L4級別之后，車輛控制權(quán)基本可以全部交給人工智能系統(tǒng)。

不同級別需要實(shí)現(xiàn)的功能不一樣，所需要的算法也有所不同，比如L1的ACC自適應(yīng)巡航、LKA車道偏離輔助、AEB自動制動、BSM盲點(diǎn)監(jiān)測，需要用到ACC系統(tǒng)控制算法、LDW車道偏離警告算法、LKA車道保持輔助算法、AEB自動制動算法、BSM盲點(diǎn)監(jiān)測算法。

比如L3+，需要TJP交通堵塞輔助算法、HWP高速公路輔助算法、城市道路自動駕駛算法、高速公路自動駕駛算法、AVP自動泊車算法，L5要用到各類自動駕駛算法等來實(shí)現(xiàn)相應(yīng)功能。

不同廠商提供算法的能力也不一樣，比如傳統(tǒng)Tier1廠商，博世、大陸、德賽西威，以及一些軟件算法廠商等，可以提供一些單一功能模塊的算法，可以較好的應(yīng)用于L1-L2的輔助駕駛；再比如Momenta、Minieye、馭勢科技、縱目科技等算法方案商，可以提供完整的ADAS或者自動駕駛解決方案。