第一章：自动驾驶系统概述

各位同学，大家好。我是你们这门课的主讲人。在车圈摸爬滚打了十来年，从最早的ADAS功能做到现在的L4系统集成，踩过的坑确实不少。今天咱们开篇，先聊聊自动驾驶的“身份证”——分级标准，再看看一辆车到底是怎么“想”和“动”的。

1.1 自动驾驶分级标准（SAE L0-L5）

说到分级，业内最通用的就是SAE标准。说白了，就是看“谁在开车”——是人，还是机器？

L0：无自动化
你全权负责。车就是个听话的工具，最多给你提个醒。比如倒车雷达“滴滴”叫两声，仅此而已。

L1：驾驶辅助
车能帮你干一件事，要么控制方向，要么控制速度。我最早接触的定速巡航就是典型。你设定120，它就傻傻地跑，前面有车也不减速——嗯，这活儿挺糙的。

L2：部分自动化
车同时管方向和速度。比如特斯拉的Autopilot，能自己跟车、自己打方向。但注意，你的眼睛必须盯着路，手得随时准备接管。我在测试时遇到过，系统突然退出，方向盘“咣当”一下甩回来，吓一跳。

L3：有条件自动化
这是分水岭。车自己开，但遇到搞不定的情况（比如修路、暴雨），它会喊你：“嘿，你来！”你需要在几秒内接管。说实话，L3是个尴尬的级别——责任从人转移到车，但又不完全转移。奥迪A8当年第一个量产L3，结果法规没跟上，最后不了了之。

L4：高度自动化
在特定区域（比如园区、高速），车全权负责。你可以在车里睡觉、看剧。但出了这个区域，车就趴窝。我参与过一个L4的无人配送车项目，在封闭园区跑得贼溜，一上路就被老大爷的三轮车逼停……

L5：完全自动化
终极形态。任何路况、任何天气，车都能开。没有方向盘，没有踏板。说实话，以目前的技术，L5还远着呢。我个人判断，十年内都很难落地。

级别	名称	谁在开？	典型功能
L0	无自动化	人	碰撞预警
L1	驾驶辅助	人（车辅助）	定速巡航
L2	部分自动化	人（车控制）	车道居中+ACC
L3	有条件自动化	车（人备用）	交通拥堵领航
L4	高度自动化	车	Robotaxi（限定区域）
L5	完全自动化	车	全场景无人驾驶

1.2 系统架构总览：感知-决策-执行

一辆自动驾驶车，本质上就是个机器人司机。它怎么工作的？三个环节：感知 → 决策 → 执行。你想想看，人开车是不是也这样？眼睛看路（感知），脑子判断（决策），手脚操作（执行）。

感知层：
车靠什么“看”世界？摄像头、激光雷达、毫米波雷达、超声波……每个传感器都有脾气。摄像头认颜色、认车道线，但晚上就瞎；激光雷达测距准，但下雨天就糊。我做过一个测试，大雨天激光雷达的噪点能多出三倍，算法直接崩溃。

决策层：
感知完数据，得“想”明白接下来怎么办。这里分两步：

• 预测：前面那辆车要变道吗？那个行人会突然冲出来吗？
• 规划：我该加速、刹车，还是打方向？走哪条路径？

决策层最头疼的是“长尾问题”——你永远不知道下一个奇葩场景是什么。我曾经遇到过，一个塑料袋飘到摄像头前，系统以为是障碍物，一脚急刹……

执行层：
决策完了，得让车动起来。线控转向、线控制动、线控驱动。说白了，就是电脑直接控制油门、刹车、方向盘。这里有个坑：执行器的响应延迟。你决策只要10毫秒，但刹车建压要200毫秒。嗯，这200毫秒的差距，可能就是撞与不撞的区别。

1.3 主流技术栈介绍

聊完架构，咱们看看现在行业里都在用什么。技术栈这东西，更新换代快，但核心框架相对稳定。

操作系统：
Linux是绝对的主流。Ubuntu + ROS/ROS2 是学术界的标配。但工业界更偏爱QNX或定制的RT-Linux——毕竟安全第一。我见过一个团队用ROS做量产，结果节点一多，通信延迟飙到100ms，直接被客户骂回来。

中间件：
数据怎么在模块间传？DDS（数据分发服务）是趋势。它比ROS的Topic机制更可靠，延迟更低。Autoware、Apollo都在用。

感知算法：
深度学习是主力。目标检测用YOLO、CenterNet；语义分割用DeepLabV3+；多传感器融合用PointPillars（激光雷达）或BEVFormer（鸟瞰视角）。我个人习惯，先用轻量级模型跑通流程，再慢慢上大模型——不然调试一次等半天，心态会崩。

决策规划：
传统方法：有限状态机（FSM）+ 规则。简单粗暴，但场景一多就炸。现代方法：基于学习（模仿学习、强化学习）或搜索算法（A*、RRT）。我建议新手先从FSM入手，把逻辑理清楚，再上学习算法。

工具链：
仿真：CARLA、SUMO、LGSVL。数据标注：LabelImg、Supervisely。日志分析：PlotJuggler、Foxglove。没有这些工具，你连bug在哪都找不到。

# 一个简单的感知-决策伪代码示例
def run_autonomous_vehicle():
    while True:
        # 感知
        obstacles = perception_module.detect_objects()
        lanes = perception_module.detect_lanes()
        
        # 决策
        if obstacles is None:
            target_speed = 60  # 没障碍，巡航
        else:
            target_speed = 0   # 有障碍，刹车
        
        # 执行
        control_module.set_speed(target_speed)
        control_module.set_steering(compute_steering_angle(lanes))
        
        time.sleep(0.1)  # 10Hz控制循环

好了，第一章就聊这么多。记住：分级是标尺，架构是骨架，技术栈是血肉。后面我们会一步步深入每个环节。下一章，咱们聊聊传感器——那些让车“看见”世界的眼睛。

---

公众号:蓝海资料掘金营，微信deep3321