自动驾驶汽车（AutomatedVehicle；Intelligent Vehicle；Autonomous Vehicle；Self-driving Car；Driverless Car）又称智能汽车、自主汽车、自动驾驶汽车或轮式移动机器人，是一种通过计算机实现自动驾驶的智能汽车。
美国“神盾局”：美国国防高级研究计划局（Defense Advanced Research Projects Agency）。主攻“黑科技”的预研。
DARPA 部分成果：
DARPA超级挑战赛-2004
DARPA超级挑战赛-2005
DARPA城市挑战赛-2007
NHTSA: 美国高速路安全管理局
SAE: 美国汽车工程师协会
NHTSA 的 L4 对应着 SAE 里的 L4+L5
目前常用 SAE 的 L0~L5 分级。
3D 激光雷达特点：
3D 激光雷达缺点：
制造技术成熟，成本低廉。
单目摄像头：
双目摄像头：
多目摄像头：
毫米波雷达：
超声波雷达：
2D 激光雷达：
NVIDIA Drive PX2
Mobileye EyeQ3
Mobileye EyeQ4
Mobileye EyeQ5 （2020）
2016 年数据
激光雷达
摄像头
毫米波雷达
车载计算平台
超声波雷达
里程计
DGPS
感知外界环境 -> 映射汽车视角 -> 驾驶汽车决策
感知技术的三个层面（由低到高）
感知技术难点
自动驾驶中使用高精地图的意义
路线规划是已经成熟的地图技术，例子：百度地图
Vehicle To Everything
两种定位方式：全局定位和相对定位。
全局定位
相对定位
稳定的定位输出需要两种定位技术的融合。
全局定位技术无法提供精度稳定的输出
相对定位+全局定位的技术被业界广泛使用。
车辆驾驶可分为行车策略、轨迹规划、轨迹执行三个步骤
行车策略是自动驾驶的核心
轨迹规划是一个几何曲线的动态规划问题
轨迹执行
现阶段，感知算法是自动驾驶的最大瓶颈，其次是行车策略。(2017年)
自动驾驶感知和决策功能划分：
决策系统：
定位模块：
行为选择器（Behavior Selector）模块：
运动规划模块：
传统(Traditional) MOT：
Model Based MOT：
Stereo Vision Based MOT：
Grid Map Based MOT：
Sensor Fusion Based MOT：
Deep Learning Based MOT：
Traffic Light Detection and Recognition：
Traffic Sign Detection and Recognition：
Pavement Marking Detection and Recognition：
Goal-Directed Techniques：
Separator-Based Techniques：
Hierarchical Techniques：
Bounded-Hop Techniques：
Combinations:
Path Planning：
轨迹规划：
在自动驾驶汽车领域，控制是指工程领域自动控制背后的理论，它涵盖了在没有持续的直接人为干预的情况下，应用各种机制来操作和调节过程。在最简单的自动控制类型中，控制子系统将过程的输出与期望的输入进行比较，并使用误差（过程的输出与期望的输入之间的差异）来改变过程的输入，从而使过程在受到干扰的情况下保持在其设定点。