无人驾驶汽车的算法是怎样工作的？

无人驾驶汽车的算法工作原理是一个复杂但精彩的过程。

首先说传感，一辆无人车通常装备多种主传感器，像 GPS/IMU 传感系统，能通过高频率更新数据帮助定位，GPS 定位准但更新频率低，IMU 实时性强但长时间准确性差，两者结合能提供既准又实时的位置更新。还有 LIDAR 激光雷达，用于绘制地图、定位和避障，准确率很高。

再说感知，它能定位无人车位置和感知所处环境。自动驾驶算法路线主要有两条，一种是端到端的纯视觉神经网络，成本低，依赖大数据训练能不断升级，给后续模型输入统一；另一种是视觉神经网络和雷达探测器数据结合，再基于规则优化的路径规划算法，这种对于距离检测精确，摄像头数量也能减少。

另外，SLAM 算法也是核心，全称是 Simultaneous Localization and Mapping，能在未知环境中通过机器人运动和测量学习环境地图并确定位置，如今应用广泛。

在深度学习算法方面，一般分成数据采集处理、训练、优化、建立分类模型等步骤。主要用于感知、决策、执行三大模块，比如路径规划全程，先在感知/定位模块输入数据，再在路径规划模块完成规划，最后在行为仲裁模块控制发出指令。

车辆自主驾驶系统分信息感知、行为决策及操纵控制三子系统。路径规划是基础，分全局和局部。全局规划根据全局地图信息规划粗略路径，局部规划要根据局部环境和自身状态规划无碰撞理想路径，规划方法有空间搜索法、层次法等。汽车自动驾驶任务分三层，上层路径规划靠 GPS 定位和电子地图等先验信息得到最优路径，中层行驶行为规划依据主车环境信息。