第1章：自动驾驶概述
大家好，我是你们这门课的主讲人。在正式开始之前，我想先聊聊我自己的经历。我入行那会儿，自动驾驶还是个挺科幻的概念。记得2015年我第一次在测试场里看到一辆改装车能自己沿着车道线跑，那种兴奋感，到现在都还记得。但真正让我意识到这行水深的，是后来一次雨夜路测——传感器被泥水糊住，车辆直接“失明”了。嗯，从那以后我就明白，搞自动驾驶，光有算法远远不够。
这一章，咱们先不急着写代码。先把自动驾驶的“前世今生”捋清楚。你想想看，连敌人长什么样都不知道，怎么打仗？
1.1 发展历程：从梦想到现实
自动驾驶的发展，说白了就是一场“让车长眼睛、长脑子”的马拉松。
- 萌芽期（1920s-1980s）：最早的概念车其实是用无线电控制的。真正有里程碑意义的是1980年代，卡内基梅隆大学的Navlab项目，用一台改装面包车实现了低速自主导航。我当时看论文时觉得，那会儿的计算机算力还不如现在一部手机。
- 技术积累期（1990s-2010s）：DARPA挑战赛是催化剂。2004年第一届，所有参赛车辆全军覆没，最远的才跑了11公里。但到了2005年，斯坦福的Stanley就夺冠了。我有个同事当年就在那个团队，他说那会儿大家吃住都在实验室，就为了优化一个路径规划算法。
- 商业化爆发期（2010s至今）：Google无人车项目（后来的Waymo）是第一个吃螃蟹的。接着特斯拉、百度、华为都杀进来了。我个人习惯把2016年看作分水岭——那年Mobileye的EyeQ3芯片开始大规模量产，L2级辅助驾驶才算真正落地。
核心观点：自动驾驶不是一蹴而就的。它经历了从“能跑”到“跑得稳”再到“跑得安全”的进化。我在项目中遇到过最头疼的问题，不是算法不先进，而是硬件可靠性跟不上。
1.2 SAE分级标准：别被“L3”忽悠了
SAE J3016标准，是行业里公认的“驾照”。它把自动驾驶分成了L0到L5六个等级。但说实话，很多宣传都在玩文字游戏。
| 等级 | 名称 | 核心特征 | 我踩过的坑 |
|---|---|---|---|
| L0 | 无自动化 | 驾驶员全权负责 | —— |
| L1 | 驾驶辅助 | 单一功能（如ACC、LKA） | ACC在弯道突然加速，吓我一跳 |
| L2 | 部分自动化 | 同时控制转向+加减速 | 系统退出时没提示，差点追尾 |
| L3 | 有条件自动化 | 特定场景下系统全权负责，但需要人类接管 | 我曾经测试L3时，系统在隧道里突然“甩锅” |
| L4 | 高度自动化 | 限定区域（ODD）内无需人类干预 | Robotaxi在施工路段直接“死机” |
| L5 | 完全自动化 | 任何道路、任何天气，无需人类 | 目前还没见过真家伙 |
避坑指南：我曾经被一个供应商忽悠，说他们的系统是“L3+”。结果一测试，发现所谓的“L3”其实就是L2加了个自动变道，而且变道逻辑极其保守。记住，SAE标准里没有“L2.5”或“L3+”，这些都是营销话术。
为什么会这样？因为L3是个“灰色地带”。系统要求人类在几秒内接管，但人一旦放松警惕，根本反应不过来。所以我个人建议，做量产项目时，要么老老实实做L2，要么直接冲L4。L3就是个坑。
1.3 关键技术栈：自动驾驶的“四梁八柱”
自动驾驶的技术栈，我习惯把它分成四层：感知、决策、控制、执行。每一层都有各自的难点。
1.3.1 感知层
说白了就是让车“看见”世界。主要传感器有：
- 摄像头：最便宜，但受光照影响大。我遇到过夜间逆光，摄像头直接“瞎”了。
- 激光雷达：精度高，但怕雨雪。有一次测试，激光雷达把雨滴误识别成了障碍物，车直接刹停。
- 毫米波雷达：不怕天气，但分辨率低。它能把路牌识别成车辆。
- 超声波雷达：近距离泊车用，远一点就没用了。
1.3.2 决策层
这是“大脑”。包括行为预测、路径规划、行为决策。举个例子，前车突然刹车，你是跟着刹还是变道？决策层要权衡安全、效率、舒适性。我见过一个算法，为了追求“绝对安全”，在高速上频繁刹车，结果被后车追尾了。
1.3.3 控制层
这是咱们这门课的重点。控制层把决策层的指令（比如“左转30度”）转化成具体的油门、刹车、转向信号。常用的有PID、MPC、LQR等算法。我刚开始做控制时，总觉得PID太简单，非要上MPC。结果调参调了两个月，最后还是用PID解决了问题。嗯，这里要注意：算法不是越复杂越好，适合场景才是王道。
1.3.4 执行层
线控底盘、转向机、制动系统。这部分往往被忽视，但恰恰是事故高发区。我曾经遇到过，控制算法算好了，但执行器响应延迟了200ms，结果车直接冲出了车道。
个人经验：做控制算法开发时，一定要先搞清楚执行器的延迟特性。我建议在仿真环境里先跑一遍“硬件在环”测试，否则实车调试时你会哭的。
1.4 行业挑战：理想很丰满，现实很骨感
说了这么多，咱们也得面对现实。自动驾驶行业目前面临三大挑战：
- 长尾问题：99%的场景都能处理，但剩下的1%才是杀手。比如路上突然出现一个掉落的轮胎、施工路障、动物横穿。我统计过，我们团队70%的测试时间都花在了这些“边缘场景”上。
- 安全验证：怎么证明你的系统比人类司机安全？Waymo说他们的系统事故率比人类低，但测试里程才几千万公里，统计学上还不够显著。你想想看，要证明系统比人类安全一个数量级，需要跑多少公里？答案是几十亿公里。
- 法规与责任：出了事故，是算法工程师的责任？还是车厂的责任？还是车主？目前全球都没有统一的法律框架。我有个朋友在德国做L3测试，光是法律合规就花了两年时间。
好了，这一章的内容就到这里。咱们把自动驾驶的“骨架”搭起来了。下一章，我会带大家深入控制算法的核心——从PID到MPC，咱们一步步来。记住，搞自动驾驶，心态要稳，步子要实。别被那些“L5明年落地”的新闻带偏了。