首页 / 系统原理 / 智能驾驶系统
专题科普

智驾:车怎么看路、怎么决定、怎么动手

所有智能驾驶系统,无论叫什么名字,都是同一条链路:感知 → 决策 → 执行。这一页讲清链路上每一环,以及比功能更重要的东西——边界和责任

⚡ 60 秒看懂
眼睛·大脑·手脚
🔬 深入原理
融合 / 路线之争
打个比方: 智驾系统就是一位"永远不困但经验有限的副驾":眼睛是一圈传感器(摄像头、雷达),大脑是计算平台上的算法,手脚是线控的转向、制动和电门。它反应比人快、永远不走神,但遇到没见过的场景,可能不如一个新手司机。
感知 摄像头·雷达·定位 决策规划 算法·算力平台 执行 线控转向·制动·驱动 环境模型 控制指令 "路上有什么" "我该怎么走" "照做,毫秒级"
记住这点: 目前你能买到的量产车,智驾几乎都是 L2 级辅助驾驶——无论宣传词多花哨,驾驶责任都在你,手和注意力不能离开。

① 感知:从"各看各的"到"拼成一张图"。 各传感器输出先融合成统一的环境模型。主流做法是把多路摄像头画面投到鸟瞰视角下用神经网络直接输出周围物体,再配合占用网络(把空间切成小方块,判断每块"有没有东西")来兜底识别不认识的障碍物——不认识没关系,知道"那里有东西不能撞"就够了。

② 路线之争:纯视觉 vs 多传感器融合。 纯视觉派认为人靠两只眼就能开车,摄像头+算力足矣,成本低、信息密度高;融合派认为激光雷达提供的厘米级直接测距是暗光、逆光、异形障碍下的保命冗余。两条路线都有量产,争的本质是"冗余值多少钱"。

③ 决策:从写规则到端到端。 传统方案是工程师写规则(见灯停、让行人),长尾场景永远写不完;新趋势是端到端——用海量人类驾驶数据训练一个大网络,从感知直接输出轨迹,开起来更"像人",但决策过程更难解释,验证安全性成了新课题。

④ 执行与冗余: 转向、制动均为电信号控制(线控),关键部件双备份(双电源、双通信、制动冗余)——系统单点失效时仍能安全停车,这是高阶智驾的硬性门槛。

传感器:各有各的看家本领

传感器擅长短板角色
摄像头信息最丰富:车道线、红绿灯、文字全靠它怕逆光、暗光、雨雾;测距靠"猜"主力眼睛
毫米波雷达直接测距测速,雨雾夜全天候分辨率低,静止物易误判/漏判测速测距老兵
激光雷达厘米级 3D 点云,不依赖光照贵;雨雪雾衰减;易被污损高阶方案的保命冗余
超声波雷达近距离(约 5m 内)便宜好用距离太短,只管身边泊车专用
高精定位知道"我在哪条车道"隧道、高楼峡谷信号漂移导航级底座

L0–L5:分级的本质是"谁负责"

级别名字系统做什么出事谁负责
L0–L1预警 / 单项辅助报警,或只控速度方向之一(如定速巡航)驾驶员
L2组合辅助驾驶同时控速度方向(含目前所有"高阶智驾/NOA")驾驶员,全程监控
L3有条件自动驾驶特定场景内系统开车,人可脱眼但须随时接管场景内系统,接管后驾驶员
L4高度自动驾驶限定区域内完全自动,无需人接管(如无人出租车)系统/运营方
L5完全自动驾驶任何场景,方向盘都可以不要系统(尚不存在)
关键分水岭在 L2/L3 之间: L2 再强也是"辅助",责任在人;L3 起责任开始向系统转移,所以厂商对宣称 L3 极其谨慎。看到"L2.9""L2+++"这类说法,就知道:责任仍然 100% 在驾驶员

常见功能速查

ACC 自适应巡航

自动跟前车加减速、保持车距,前车停它也停。只管纵向(速度),不管方向。

LCC 车道居中

持续微调方向让车保持在车道中间。只管横向,常与 ACC 组合成完整 L2。

AEB 自动紧急制动

预碰撞时系统主动重刹。是兜底安全件而非驾驶功能,有速度和目标类型的生效范围。

NOA 领航辅助

按导航自动变道、上下匝道、超车,分高速与城市两档。仍属 L2,需全程监控。

APA / AVP 泊车

自动泊入车位;AVP 更进一步——人下车,车自己去停车场找位停好。

DMS 驾驶员监测

摄像头盯着:分神、闭眼、脱手就报警——L2 时代它和智驾本体同样重要。

常见误区

误区 1: "高阶智驾 = 自动驾驶,可以放手玩手机。" —— 目前量产智驾全部是 L2 辅助驾驶,系统随时可能"降级"把车交还给你,而留给你的反应时间可能只有一两秒。
误区 2: "AEB 能刹住一切。" —— AEB 有设计生效范围(速度区间、目标类型),对侧翻车辆、异形障碍、突然横穿都可能失效。它是最后一道保险,不是可以依赖的刹车方式。
误区 3: "带激光雷达的一定比纯视觉安全。" —— 传感器只是输入,体验和安全取决于整个系统(算法、算力、数据、冗余设计)。评价智驾看实际表现和接管率,别只数硬件。
误区 4: "智驾出事故都是车的问题。" —— L2 框架下,法律责任主体是驾驶员。开启智驾 ≠ 转移责任,这一点在你按下拨杆之前必须想清楚。