汽车自动驾驶技术路径对比分析.pdf

汽车自动驾驶技术路径对比分析。目前自动驾驶系统已经陆续装车，头部企业基本能够做到整体 L2.5 级，部分功能 L3+级的水平，汽车智能化和自动化水平明显提高。

而在自动驾驶系统发展的过程中，目前在感知和决策层面都遇到了 技术瓶颈。感知方面，主要是视觉感知和雷达传感，而这两种感知方向 分别有其自身的缺陷，包括但不限于分辨率不够高、受气候等外部环境 影响大、成本高昂等，从而导致在面对更复杂的道路情况时难以应对， 或安全性难以保证；决策方面，硬件端存在算力不足或功耗过高的问题， 软件端则在数据量越来越大的情况下出现了效率不足的情况，无法保证 未来数据量进一步膨胀之后车辆行驶的安全性。

目前从事自动驾驶系统开发的厂商数量众多且分布广泛，并且由于 整个系统需要从硬件架构到软件编写再到车企验证的多个环节，整个产 业链涉及到的内容也很多，但总体来讲能够实现量产装车上路的基本上 还停留在 L2.5 级别，部分功能可以达到 L3 或以上，距离 L4 和 L5 的 高度自动驾驶还有很长一段路要走。

从技术路径来看，软件端分歧不大，本质上都是依靠机器学习算法， 结合实际路测数据和模拟路测数据实现迭代。而硬件端的分歧主要在是 否使用激光雷达：由于具有优异的性能，为了保证自动驾驶的安全性， 绝大多数厂商选择搭载激光雷达，其中包括了 Waymo、沃尔沃、通用 等；而由于高昂的成本，基于商业化量产考虑，特斯拉不采用激光雷达， 而是采用以视觉方式为主，超声、毫米波雷达为辅的方式来构建其感知 模块。我们认为从优先保证安全性的角度出发，未来激光雷达仍将是自 动驾驶系统最重要的传感器之一，而其目前高昂的成本会在技术进步和 规模效应的多重作用下明显降低，从而使得其具有足够的经济性。

从自动驾驶的终局模式来考虑，车路一体化是最后的理想状态，但 这也会是一个极其漫长的发展过程，在这个过程中，我们相信国家推动 的数字经济发展战略将持续为车路协同的发展提供支持。