【自动驾驶】自动驾驶概述 ② ( 自动驾驶技术路径 | L0 ~ L5 级别自动驾驶 )

文章目录

  • 一、自动驾驶技术路径
    • 1、L0 级别 自动驾驶
    • 2、L1 级别 自动驾驶
    • 3、L2 级别 自动驾驶
    • 4、L3 级别 自动驾驶
    • 5、L4 级别 自动驾驶
    • 6、L5 级别 自动驾驶





一、自动驾驶技术路径



美国汽车工程师学会 ( SAE ) 将 自动驾驶 分为 L0 ~ L5 六个级别 :

其中 L0 级别 是 完全手动 , L5 级别 是 完全自动 ;

L0 ~ L5 六个级别 的 自动驾驶 , 核心差异在于 自动驾驶系统驾驶员职责分配 ;
在这里插入图片描述

中国国标 ( GB/T ) 与 SAE 基本一致 , 有以下区别 :

  • 中国国标 中 L0 ~ L2 级 自动驾驶 强调 " 目标事件探测与响应 " 由人机共担 ;
  • SAE 中 由 驾驶员负责 ;

1、L0 级别 自动驾驶


没有 自动驾驶 功能 , 完全由 驾驶员 手动控制 ;

有 AEB 等紧急制动 功能 并未主动驱动车辆 , 不算 自动驾驶 , 只能算是 主动安全 措施 ;


2、L1 级别 自动驾驶


L1 级别的 自动驾驶 车辆 只提供 纵向控制 ( 如 : 加速、减速、制动、启动 ) , 可以 自行 定速巡航 或 根据前车速度 进行 加速、减速、制动、启动 操作 , 也就是 ACC 自适应巡航控制系统 ;

L1 自动驾驶 只进行 纵向控制 , 不提供 横向控制 ( 如 : 转向 ) 功能 , 司机 需要操作方向盘 , 令车辆保持车道居中 ;


L1 自动驾驶 原理 : 通过 毫米波雷达 + 摄像头 感知环境 , 控制 自动驾驶 单元 执行 纵向单维度操作 , 如 : 雷达测距 控制 ACC 自适应巡航 ;


3、L2 级别 自动驾驶


L2 级别 自动驾驶 提供 纵向控制 + 横向控制 两个维度的 自动驾驶 ( 如 : 同时控制 加速 / 减速 和 转向 ) , 但仍需 驾驶员 随时接管 , 如 : ACC 自适应巡航 + LKA 车道居中保持 ;

L2 自动驾驶 提供 自动泊车 功能 , 通过 纵向控制 + 横向控制 可实现 在 驾驶员 监控环境下 进行 自动泊车 ;


L2 级别 自动驾驶 启动前提 :

  • 速度要求 : 速度不能太高 ;
  • 环境要求 : 车道线清晰 ;

一般是在 高速公路 环境 ( 车道线清晰 / 行车环境好 )拥堵路段 ( 速度慢 ) 才开启 L2 自动驾驶 ;


L2 自动驾驶 限制 :

  • 复杂路况 : 无法应对复杂路况 , 如 : 交叉路口、无标线道路 ;
  • 随时接管 : 驾驶员 必须保持注意力集中 , 不能脱手 或 分心 , 自动驾驶系统 可能突然要求人类接管 , 如果 驾驶员 反应不及时会导致危险 ;

L2 自动驾驶 原理 : 通过 摄像头 + 雷达 + 超声波 多传感器融合 , 通过算法 协调 横向控制 的 转向纵向控制 的 加减速 ;


4、L3 级别 自动驾驶


目前的 自动驾驶 技术 , 部分场景中达到了 L3 级别 , 只是 权责 划定上 , 仍然是 驾驶员 负全责 , 当前的 乾崑智驾、 FSD、 天神之眼 等 高阶版本 的 自动驾驶 一定程度上可以 称为 L2.5 级别 自动驾驶 ;


L3 级别 自动驾驶系统 可 在特定条件下 ( 如 : 高速公路、交通拥堵 场景 ) 完全接管驾驶任务 , 无需人类实时监控 , 但在 系统无法处理的情况 时需人类接管 ;

  • 交通拥堵辅助 : 在 拥堵路况 下 自动 跟车、转向、制动 , 无需人类干预 ;
  • 高速领航辅助 : 在 封闭高速路 , 有明确标线、无行人、无非机动车 , 实现 自动变道、超车、进出匝道 ;
  • 接管预测 : 自动驾驶系统 可 自主判断 何时需要人类接管 , 并提前发出提示 , 通常 预留几秒至十几秒的反应时间 ;

L3 自动驾驶 限制 :

  • 复杂路况 : 仅适用于预设场景 ( 如 : 高速、城市快速路 ) , 无法在 复杂城市道路通用 ;
  • 极端天气 : 极端天气 ( 如 : 暴雨、大雾 )突发情况 ( 如 : 道路施工、封路 ) 可能导致 系统失效 ;

L3 级别 自动驾驶 原理 : 激光雷达 + 4D 毫米波雷达 + 摄像头 + 超声波雷达 + 高精地图 构建 3D 环境模型 , AI 决策 ( 如 : 自动变道、拥堵跟车 ) ;


5、L4 级别 自动驾驶


L4 级别 自动驾驶 指的是 在 限定区域 ( 如 : 园区、固定城市路段 ) 完全无人驾驶 , 无需人类接管 ;


L4 级别 自动驾驶 应用场景 :

  • 城市领航辅助 : 在 指定城市 的 指定区域 内实现 全场景自动驾驶 , 如 : 红绿灯识别、无保护左转、避让 行人 / 非机动车、环岛博弈、自动泊车 ;
  • 无人驾驶出租车 : Waymo One ( 美国凤凰城 ) , 百度 Apollo 的 Robotaxi 萝卜快跑 ( 北京、上海、武汉 等城市 ) , 可在划定区域内接送乘客 , 需配备少量安全员 ;

L4 自动驾驶 特点 :

  • 区域限制 : ODD ( 运行设计域 , Operational Design Domain ) 严格受限 , 超出范围无法使用 , 如 : Waymo、Robotaxi 必须在固定城市固定区域运行 ;
  • 功能闭环 : 在 固定区域 内 实现 完全自主驾驶 , 无需 驾驶员 接管 ;
  • 配安全员 : 政策法规规定 , 技术上 可以取消 安全员 ;
  • 失效处理 : 遇到 故障时 , 可自主减速、停车 , 无需 驾驶员 干预 ;

L4 级别 自动驾驶 原理 : 多模态 传感器 融合 ( 激光雷达 + 4D 毫米波雷达 + 摄像头 + 超声波雷达 + 高精地图 ) + 边缘计算 实时决策 , 故障时 自动进入 最小风险状态 , 如 : 靠边停车 ;


6、L5 级别 自动驾驶


L5 级别 自动驾驶 支持 全场景 、 全气候 无人驾驶 , 与人类驾驶能力 完全等效 , 取消人工控制接口 ( 如 : 无方向盘 、 无 制动 / 油门 踏板 ) ;


L5 级别 自动驾驶 特点 :

  • 无任何场景限制 : 可在 城市、乡村、高速、雪地、暴雨 等 所有环境 中 自主行驶 ;
  • 无人工接口 : 无需 方向盘、踏板 等人类操作设备 , 车辆设计 可 完全取 消驾驶舱 ;

L5 级别 自动驾驶 需突破 极端环境 感知 ( 如 : 暴雨遮挡摄像头 ) 、 伦理决策 ( 如 : 突发事故中选择保护对象 ) 等难题 , 目前 仅存在于 理论 和 研发阶段 , 尚无量产车型或实际应用 ;

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/93432.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/93432.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C++少儿编程(二十二)—条件结构

1.理解条件结构小朋友们,今天让我们一起来探索一个神奇而有趣的知识——程序的条件结构!首先,让我们来想象一个有趣的场景。比如说,你们正在准备去公园玩耍。在出发之前,你们会看看天气怎么样。如果天气晴朗&#xff0…

Ubuntu20.04下Px4使用UORB发布消息

1 .msg文件夹定义数据类型及 变量名文件位置如图,在PX4-Autopilot/msg文件夹下,笔者创建的文件名为gps_msg.msggps_msg.msg内容如下 uint64 timestamp # 时间戳 float32 latitude float32 longitude float32 altitude 同时,在CM…

three.js学习记录(第二节:鼠标控制相机移动)

效果展示: 鼠标控制一、鼠标控制 - 轨道控制器(OrbitControls) 1. 从nodeModules中导入OrbitControls,OrbitControls 是一个附加组件,必须显式导入 import { OrbitControls } from "three/examples/jsm/controls/…

Shortest Routes II(Floyd最短路)

题目描述There are n cities and m roads between them. Your task is to process q queries where you have to determine the length of the shortest route between two given cities.输入The first input line has three integers n, m and q: the number of cities, roads…

分享一个基于Hadoop的二手房销售签约数据分析与可视化系统,基于Python可视化的二手房销售数据分析平台

💕💕作者:计算机源码社 💕💕个人简介:本人八年开发经验,擅长Java、Python、PHP、.NET、Node.js、Spark、hadoop、Android、微信小程序、爬虫、大数据、机器学习等,大家有这一块的问题…

STM32的PWM

PWM作为硬件中几乎不可或缺的存在,学会 PWM,等于打通了 STM32 的“定时器体系”。学一次,STM32 全系列(甚至 AVR、PIC、ESP32)都能通用。硬件只要一个 I/O 就能驱动功率模块,非常省成本。不会 PWM&#xff…

OpenCompass傻瓜式入门教程

文章目录1 我也许不是傻瓜,却只想做个傻瓜2 环境要求3 安装3.1 下载源码3.2 创建虚拟环境3.3 安装4 下载数据5 查看支持的模型和数据集6 评测6.1 指定模型路径6.2 指定配置文件6.2.1 评测本地qwen2.5模型6.2.1.1 查看opencompass支持的qwen2.5模型6.2.1.2 创建配置文…

【软件测试】电商购物项目-各个测试点整理(三)

目录:导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结(尾部小惊喜) 前言 1、优惠券的测试点…

流处理、实时分析与RAG驱动的Python ETL框架:构建智能数据管道(上)

> **2025年某电商大促,每秒20万订单涌入系统**——他们的风控团队仅用**47毫秒**就识别出欺诈交易。背后的秘密武器,正是融合流处理、实时分析与RAG的下一代Python ETL框架。 ### 一、范式革命:从批处理到AI增强的ETL 4.0 #### 1.1 数据处理演进史 ```mermaid graph LR …

开源 Arkts 鸿蒙应用 开发(十五)自定义绘图控件--仪表盘

文章的目的为了记录使用Arkts 进行Harmony app 开发学习的经历。本职为嵌入式软件开发,公司安排开发app,临时学习,完成app的开发。开发流程和要点有些记忆模糊,赶紧记录,防止忘记。 相关链接: 开源 Arkts …

​​​​​​​中国工业企业专利及引用被引用数据说明

1319 中国工业企业专利及引用被引用数据说明数据简介专利近年发文趋势及主题分布今天数据皮皮侠团队为大家分享一份2023年12月25日最新更新的中国工业企业专利及引用被引用数据,供大家研究使用。数据来源原始数据来源于国家统计局,由皮皮侠团队整理计算。…

MySQL知识点(上)

MySQL知识点 一:MySQL概述 MySQL是一款开源的数据库软件,是一种关系型数据库管理系统(ROBMS),也叫做表数据库管理系统 如果需要快速安全地处理大量的数据,则必须使用数据库管理系统;任何基于数据…

shell脚本实现sha256sum校验并拷贝校验通过的文件

#!/bin/bash# 目标目录 TARGET_DIR"/appdata/jn1m/versions/old/bin"# 校验文件 CHECKSUM_FILE"checksum.txt"# 检查目标目录是否存在 if [ ! -d "$TARGET_DIR" ]; thenecho "错误:目标目录 $TARGET_DIR 不存在"exit 1 fi#…

中小型泵站物联网智能控制系统解决方案:构建无人值守的自动化泵站体系

一、系统核心架构与功能设计1.物联网感知层设备互联:网关对接压力传感器、超声波液位计、智能电表、振动传感器等,实时采集水泵运行状态(流量、压力、温度、振动)、液位、水质(pH值、浊度)、能耗等关键参数…

网络通信---Axios

1、什么是 Axios? Axios​ 是一个基于 ​Promise​ 的 ​HTTP 客户端,用于浏览器和 Node.js 环境,用来发送 ​HTTP 请求(如 GET、POST、PUT、DELETE 等)​。 它常用于: 向后台 API 发送请求获取数据提交表…

Ubuntu 软件源版本不匹配导致的依赖冲突问题及解决方法

在使用 Ubuntu 系统的过程中,软件包管理是日常操作的重要部分。但有时我们会遇到各种依赖冲突问题,其中软件源与系统版本不匹配是常见且棘手的一种。本文就来详细分享一次因软件源版本不匹配引发的依赖冲突问题,以及具体的解决思路和流程。一…

思考:高速场景的行星轮混动效率如何理解

行星轮混动 E-CVT(电子无级变速器)是一种专为混合动力汽车设计的动力分配系统,其核心原理是通过行星齿轮组和电机的协同工作,实现动力分流与无级变速。 一、核心结构与组成 E-CVT的核心部件包括 行星齿轮组 和 双电机(…

跨域及解决方案

跨域(Cross-Origin)是指浏览器在执行 JavaScript 的时候,因为同源策略(Same-Origin Policy)的限制,阻止了一个网页去请求不同源(域名、端口、协议有任意一个不同)的资源。 1. 什么是…

PCA降维全解析:从原理到实战

一文读懂PCA降维:原理、实现与可视化全解析​本文6000字,涵盖PCA核心原理、数学推导、代码实战及高频面试题,建议收藏阅读​一、为什么需要降维?数据爆炸时代的生存法则当数据集的特征维度激增(如基因数据、推荐系统用…

Kafka工作机制深度解析:Broker、Partition 与消费者组协作原理

🐯 Kafka工作机制深度解析:Broker、Partition 与消费者组协作原理 🏁 前言 Kafka 已成为互联网公司流式数据处理的事实标准,广泛应用于日志收集、实时计算、事件驱动架构等场景。 很多开发者会用 Kafka,但不了解它底…