根据智能汽车的功能需求,可将无人驾驶技术分为如下几项关键技术：环境感知技术、定位导航技术、路径规划技术和决策控制技术。

（1）环境感知

环境信息不仅包括了车辆自身状态信息,如车辆速度、转向度、位置信息、倾角、加速度等,还包括了四周状态信息,如道路位置、道路方向、障碍物位置和速度、交通标志等。

环境感知系统

（2）定位导航

定位导航技术主要包括了定位和导航两个方面。定位技术按照定位方式可划分为相对定位、绝对定位和组合定位三类。

定位导航系统

（3）路径规划

智能汽车在行驶过程中,行驶路线确定、障碍物躲避、路口转向等都需要通过路径规划技术完成。该技术根据适用范围不同,通常可分为全局路径规划和局部路径规划。

路径规划系统

（4）决策控制

决策控制技术相当于智能汽车的大脑,它通过综合分析环境感知系统提供的信息,对当前的车辆行为产生决策。决策技术还需要考虑车辆的机械特性、动力特性,以得出合理的控制策略。

决策控制系统

2 技术难点

无论是何种程度的智能驾驶，第一步都是感知，也就是感知车辆周边复杂的路况环境。在这个基础上才能做出相应的路径规划和驾驶行为决策。感知所采用的各种传感器包含：各种形式的雷达、单目摄像头、双目摄像头等，或是由这些传感器进行不同组合形成的感知系统。

蓝色区域雷达应用功能

橙色区域超声波应用功能

黄色区域视频应用功能

这些传感器件各有利弊，比如：激光雷达对雨雾的穿透能力受到限制、对黑颜色的汽车反射率有限；毫米波雷达对动物体反射不敏感；超声波雷达的感知距离与频率受限；摄像头本身靠可见光成像，在雨雾天、黑夜的灵敏度有所下降。

激光雷达监测区域

（2）复杂的路况问题是自动驾驶的壁垒

相对于欧、美、日本，中国的各种路况要复杂的多。仅仅红绿灯的形态不下100种；各种交通标识的形态没有统一；车道线的宽窄、间隔参差不齐，甚至许多道路没有车道线。所以，高速公路的自动驾驶、某段路线的自动驾驶与真正意义上的自动驾驶是两个层面的问题，这些都是在实现完全自动驾驶之前需要解决的问题。

复杂路况

（3）决策控制更需要“人工”介入

要说真正让汽车难以在短期内实现无人驾驶的难题，应该是其在“人工智能”上的差距。谷歌在向美国相关部门提供的一份报告显示，在之前的14个月测试中，其无人驾驶汽车总共“主动脱离无人驾驶状态”272次，除了“主动脱离无人驾驶状态之外”，还有69次驾驶员选择取消无人驾驶状态的情况。谷歌表示，如果没有驾驶员的介入，无人驾驶车可能会发生13次交通碰撞事故。

“人工介入”决策控制

加州无人驾驶汽车执照申报要求

当前，主要发达国家都已采取多种措施支持企业开展无人驾驶汽车的研发和测试，并对相关法律法规的修订进行了积极探索。尽管百度公司研发的无人驾驶汽车已完成城市、环路及高速道路混合路况下的全自动驾驶测试。但是，我国现有的大部分政策法规与无人车发展还不相适应。

所以，在2016年两会期间，全国政协委员、百度CEO李彦宏建议尽快修订和完善无人驾驶相关的法律法规，为无人驾驶汽车的研发、测试和商业化应用提供制度保障；建议推进无人驾驶汽车相关技术标准的建立和完善。建议积极组织开展无人驾驶汽车测试的试点工作。

（2）发生事故后责任主体难明确

从技术上来说，谷歌无人汽车已经做得很出色了；可是从法律上来说，技术再完美，总有出意外的可能，一旦发生交通事故造成他人伤残，这个刑事责任由谁来付?车主并没有驾驶权，由他负责有失公允，责任只有落到谷歌公司身上，然而一旦智能汽车大规模上路，事故是难免的，这个责任公司又怎么付得起。无人驾驶虽然技术不缺，但是从一开始，无人驾驶汽车在法律和道德上就有很难解决的问题，因此被美国各州法院一再驳回并不是一件意外的事。

无人驾驶汽车交通事故现场

综上所述，自动驾驶需要一步一步的走，不会一下子跳跃过去。当我们实现了危险驾驶行为的准确预警，积累了大量的经验和使用数据后，下一步的工作才有可能实现。机器智能在“感知”与“决策”等方面上，尚无法与人做到同样的智能，更何况全自动驾驶了。