自动驾驶系统本质上是一个"感知世界 → 理解环境 → 做决策 → 控制车辆"的闭环系统。
行业里一般按模块划分为：
- 感知（Perception）
- 定位（Localization）
- 预测（Prediction）
- 规划（Planning）
- 控制（Control）
- 系统与通信（Middleware/CAN/ROS/Apollo）
- 地图与导航（HD Map）
- 安全冗余（Safety）
理解成"人的驾驶过程"：
- 眼睛耳朵 → 感知
- 知道自己在哪 → 定位
- 判断别人要干什么 → 预测
- 想怎么开 → 规划
- 手脚操作方向盘油门刹车 → 控制
一、整体协作流程（核心）
自动驾驶是一个实时循环系统：
传感器采集
↓
感知模块
↓
定位模块
↓
预测模块
↓
规划模块
↓
控制模块
↓
车辆执行
↓
再次采集环境整个循环通常：
- 10ms
- 20ms
- 50ms
执行一次
高速 NOA 场景里很多模块是 50Hz~100Hz 工作。
二、各模块详细机理
1. 感知模块（Perception）
这是自动驾驶的"眼睛"。
负责：
- 看车
- 看人
- 看车道线
- 看红绿灯
- 看障碍物
- 看交通标志
核心输入来自传感器：
常见传感器
摄像头 Camera
作用：
- 识别车道线
- 红绿灯
- 行人
- 交通牌
优点：
- 信息丰富
- 成本低
缺点：
- 夜晚/逆光差
- 距离估计不稳定
激光雷达 LiDAR
作用：
- 获取3D点云
- 精确测距离
原理：
发射激光
→ 打到物体
→ 激光反射回来
→ 计算飞行时间
→ 得到距离毫米波雷达 Radar
作用：
- 测距离
- 测速度
特别适合：
- 雨天
- 雾天
- 高速场景
多传感器融合
- Camera 看得懂语义
- LiDAR 测距准
- Radar 测速度准
所以要融合。
融合方法
时间同步
保证：
Camera 时间
LiDAR 时间
Radar 时间
一致否则：
车已经动了。
空间标定
解决：
LiDAR坐标系
→ Camera坐标系通过外参矩阵：
R（旋转）
T（平移）实现坐标变换。
数据融合
经典：
- 卡尔曼滤波
- EKF
- UKF
- Deep Fusion
例如：
Camera发现一个车
LiDAR也发现一个车
→ 判断是否同一目标
→ 合并2. 定位模块（Localization）
自动驾驶必须知道：
我现在在哪精度通常：
- GPS：米级
- 自动驾驶：厘米级
定位机理
GPS
卫星定位。
但城市峡谷会漂移。
IMU
惯性测量单元：
- 加速度计
- 陀螺仪
积分得到运动轨迹。
缺点：
误差会累计漂移。
激光定位
利用实时点云VS高精地图匹配。
常见：
- NDT
- ICP
定位融合
通常：
GPS
+ IMU
+ LiDAR
+ Wheel Odometry通过 EKF 融合。
核心思想：
不同传感器互补。
3. 预测模块（Prediction）
这是重要的模块
例如：
- 前车会不会变道
- 行人会不会横穿
- 电动车会不会鬼探头
预测机理
输入：
历史轨迹输出：
未来轨迹例如：
过去3秒轨迹
→ LSTM/Transformer
→ 未来5秒轨迹输出：
Trajectory A: 70%
Trajectory B: 20%
Trajectory C: 10%因为人的行为是概率性的。
4. 规划模块（Planning）
这是"大脑"。
决定：
车应该怎么开规划分层
全局规划
类似导航：
A点 → B点使用：
- A*
- Dijkstra
生成路线。
行为规划
决定：
- 超车
- 跟车
- 变道
- 停车
- 红灯等待
例如：
前方慢车
→ 是否变道？轨迹规划（核心）
生成：
未来几秒车辆轨迹例如：
x,y,v,a必须满足：
- 不撞车
- 不压线
- 平滑
- 舒适
常见算法
Frenet坐标系
自动驾驶经典。
把道路转换成：
s：沿道路方向
d：横向偏移便于规划。
轨迹优化
目标函数：
最小曲率
最小加速度
最小jerk5. 控制模块（Control）
规划只是"想"。
控制才是真正：
打方向
踩刹车
踩油门控制机理
目标：
让车跟踪规划轨迹横向控制
控制方向盘。
常见：
Pure Pursuit
找前视点。
Stanley
自动驾驶经典。
MPC（模型预测控制）
高阶自动驾驶大量使用。
纵向控制
控制：
- 加速
- 刹车
常见：
- PID
- MPC
PID控制
思想：
- P：当前误差
- I：历史误差
- D：未来趋势
6. 控制如何真正让车动起来？
控制器输出：
方向盘角度
油门百分比
制动力发送到：
CAN总线车辆 ECU 执行
7. 高精地图（HD Map）
高精地图不是普通导航地图。
它包含：
- 车道级信息
- 红绿灯位置
- 停止线
- 路沿
- 坡度
Apollo里的典型协作
Apollo：
感知：
识别红绿灯
定位：
确定距离停止线还有30m
预测：
前车减速
规划：
决定停车
控制：
输出刹车然后：
CAN发送
→ 车辆制动