自动驾驶五项核心技术
一、识别技术
和人类的眼睛一样，自动驾驶汽车也有它自己的眼睛，用来识别周边的车辆、障碍物、行人等路上的情况。自动驾驶的眼睛是由传感器构成的，包括摄像头、激光雷达、毫米波雷达，还有红外线、超声波雷达等。
其中，常用的是摄像头，它和人类的眼睛接近，可以看清有颜色的标识、物体，看得懂字体，分得清红绿灯。但是缺点也不少，比如在夜晚或恶劣的天气下视力就严重下降，也不擅长远距离观察。
其次是颇富争议的LiDAR，即激光雷达。比较常见的是在车顶，像是顶不停旋转的帽子。原理很简单，就是通过计算激光束的反射时间和波长，可以完成绘制周边障碍物的3D图。而短板则是无法识别图像和颜色。
还有，毫米波雷达，因为它可以全天候工作，这使得它*，即便它无法识别高度，分辨率不高，也难以成像。但它凭借其穿透尘雾、雨雪的硬本领，站稳一席之地。
其中与安防密切相关的当属常见的摄像头了。当前，新的人工智能技术使得安防摄像头拥有人脸识别、车牌识别、活体检测等功能，成为推动安防产业发展的变革力量。而AI的应用，也使其他行业产生对摄像头的需求，这其中就包括自动驾驶。
目前主流自动驾驶技术靠两种系统来实现：一是激光雷达系统，但成本过高，推广不易；另一个就是视频监控分析系统，这项技术已较为成熟，价格低，易推广。而在自动驾驶所有技术当中，基于视像的技术较为突出，通过视频监控，可以实时分析路况、车辆及行人信息，辅助汽车做出有效、及时的反馈。其中，图像传感器性能决定传输图像质量，没有高质量图像获取与传输，视频分析准确性就无从谈起。视频监控与高质量图像传感器对于自动驾驶汽车来说非常重要。
未来，在摄像传感器性能突破、芯片成本下降以及深度学习技术推动下，预计在自动驾驶汽车后视/环视和夜视摄像头、*驾驶辅助系统、视镜替代和行车记录仪、驾驶/车辆接口等应用中至少应用8-10个摄像头。
近年来，汽车领域对视频监控的需求成为拉动安防行业进一步发展的因素。车载摄像头处于自动驾驶和车联网双风口，市场规模空间巨大，根据HIS估算，车载摄像头出货量将从2014年的2800万个增长到2020年的8300万个，复合增长率达20%。安防企业大举进入自动驾驶领域，很大一部分是以自身*安防技术为背景，尤其是视频监控技术。
二、决策技术
通过眼睛识别得到了周边环境，接下来就要充分利用这些信息进行理解分析，决定自己该如何走下一步。要完成这项任务的就是强大脑。自动驾驶机器人需要完成大脑中的知识库有两种方式：专家规则式和AI式。
专家规则式，英文叫rule-based。即提前编写好规则，当需要做决定的时候必须严格遵守这些规则。举个例子，当准备超车变道时，需要满足以下条件(这是一个假专家，仅供参考)：道路半径大于500R(弯道不变道)；跟目标车道上的前后车的距离都在20m以上；比后车的车速慢不超过5km/h；等等等等...以上N个条件同时满足时，即可超车变道。
AI式，就是一直很火的人工智能。模仿人类的大脑，通过AI算法对场景进行理解。或提前通过大量的犯错积累经验，或事前听某人指点江山。通过AI式积累知识库，会让她的反应更加灵活。
三、定位技术
目前，除了主流的用GPS或GNSS(卫星导航系统)来定位的方式之外，也有在公路上铺设电磁诱导线等方式来实现定位。高精度GPS定位目前来说大难题是，山区和隧道等地理因素对精度的影响，虽然可以依靠IMU(惯性测量单元)来进行推算，但GPS丢失信号时间过长的话，累计的误差就会比较大。
另外，自动驾驶的3D动态高清地图带给了自动驾驶更多可能性。因为有了高清地图，就可以将自己的位置轻松定位在车道上。
对于未来的车辆来说，确定自身在车道内的位置是基础。因此定位和地图构建，成为了一个基础而重要的环节，对于自动驾驶的核心控制系统而言，需要利用感知传感器观察环境，同时根据感知信号对环境的地图构建和自身进行定位。而面向自动驾驶的精确控制，定位技术需要的是厘米级定位，确切地知道车辆的位置。根据自动驾驶系统所对应的不同，大致可以分为：
基于地标：根据视觉或者激光雷达的定位，与数据库中的特征匹配，确定车辆本体的位置和环境。
基于信号定位：采用外界的位置信号，如卫星系统(GNSS)和5G;
基于惯性导航技术：在了解车辆的位置后，计算车辆的当前位置和方向。航位推算的本质是在初始位置上累加位移矢量计算当前位置，它是一个信息累加的过程。
四、通信安全技术
试想如果被黑客入侵，控制了你的自动驾驶车，不仅可以监听到你的秘密谈话，还很可能成为杀人工具。黑客可以通过影响传感器的数据而影响决策，或直接介入判断机制进而影响行驶轨道。
关于自动驾驶的安全，一般包括行驶安全、功能安全以及网络安全。
安全性目前依旧是自动驾驶汽车的一大主要挑战。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和定位系统协同合作，让系统可以在没有人类主动的操作下，自动安全地操作机动车辆。但自动驾驶系统的一个不安全"决定"，很可能会危害到人类生命，同时造成巨大的经济损失。现在，在自动驾驶汽车呈现出实用化的这一过程中，有关自动驾驶系统的事故已引起各机构的关注。
理论上讲，由于自动驾驶汽车不像人类驾驶员那样容易注意力分散或疲劳，它们其实具有减少路面交通事故的潜力。不过，人类在遇到新状况时，无论是反应速度还是反应能力仍然要好很多。虽然现阶段我们无法训练自动驾驶汽车熟悉所有可能的交通状况，但工程师们可以向它们提供一种能计算"无事故轨迹"的框架，当然，其前提是其他道路使用者也能合法驾驶。
自动驾驶车使用安装在车上的传感器和ICT终端来检测和分析周围环境，来控制方向盘和制动。随着网联车的发展，各种信息将通过网络实时发送和接收。据intel称，自动驾驶车每天将能够处理大约4TB的数据。
汽车的通信和娱乐系统是容易被黑客通过入侵手机网络、WiFi、蓝牙等通道，找到车载App漏洞进行攻击，就能获取用户在这些App上的隐私数据、历史记录，实现监听或促发导航偏离。
另外传感器也是黑客入侵可能的途径。像GPS、摄像头、激光雷达、毫米波雷达、IMU等常见传感器装置，都可以被黑客干扰进而影响自动驾驶的判断机制和行驶轨道。比如攻击激光雷达让其辨别不了即时性不良数据，或者是试着干扰他们长期积累的聚合数据等等。
五、人机交互技术
遇到自动驾驶驾驭不了的场景，便会呼唤人接替它的工作。这时，HMI(人机界面)就发挥作用了。它的目标是，用直观、便捷的方式通知我们，让驾驶员尽快注意到。
此外，通过观察分析驾驶员的面部表情和动作，判断其困倦状态，并通过给驾驶员提供感兴趣的话题等方式予以提醒，也是人机交互多样化发展的一个例子。还有些不仅局限于和车内人的互动，也可以与路上行人进行互动，表达让行等意愿。