特斯拉电动汽车自动驾驶技术_特斯拉自动驾驶的技术原理

1.特斯拉的自动驾驶“黑科技”是靠什么硬件实现？

2.什么是汽车自动驾驶，如何通俗易懂地理解其功能及原理？

3.特斯拉自动驾驶系统的设计特点有些什么？

特斯拉自动泊车系统，也被称为自动驾驶停车功能，通过将多个传感器和摄像头安装在车辆周围，以实现自动泊车功能。其工作原理如下：

1.传感器和摄像头：特斯拉车辆配备了多达8个环绕视图摄像头、12个超声波传感器以及一个前向雷达传感器。这些传感器和摄像头协同工作，以检测周围环境和障碍物的位置和距离。

2.环境感知：特斯拉车辆使用这些传感器和摄像头来感知周围环境。传感器可以检测到车辆周围的物体、行人、车辆和道路标志等。

3.地图和定位：特斯拉车辆还使用内置的地图和GPS定位系统，以及车辆内置的计算机来确定车辆的确切位置和车辆周围的地理特征。

4.路径规划：一旦车辆感知到周围的环境，并确定了车辆的位置，它会计算出最佳停车路径和转向角度。

5.自动控制和操作：通过自动驾驶系统和车辆的电动助力转向功能，特斯拉车辆可以自动地进行转向、加减速和制动操作，以完成停车过程。

需要注意的是，特斯拉的自动泊车系统是辅助驾驶系统，仍然需要驾驶员的监督和操作。驾驶员可以通过操作车辆的启动按钮、踩下刹车踏板或者使用遥控钥匙来激活自动泊车功能。同时，驾驶员也可以通过车载系统的显示屏上的实时图像和指示来监控泊车过程。

总的来说，特斯拉的自动泊车系统是基于传感器、摄像头、地图和定位系统、路径规划以及自动控制等技术的综合应用，以实现车辆自动泊车的功能。

特斯拉的自动驾驶“黑科技”是靠什么硬件实现？

太平洋汽车网特斯拉自动驾驶用的分别是自动泊车、自动辅助变道、自动辅助导航驾驶、智能召唤、识别交通信号灯和停车标志并作出反应、以及在城市街道中自动辅助驾驶等技术。

6项功能，初步组成完全自动驾驶在这个完全自动驾驶选装包中，主要是包含6项功能。分别是自动泊车、自动辅助变道、自动辅助导航驾驶、智能召唤、识别交通信号灯和停车标志并作出反应、以及在城市街道中自动辅助驾驶。其中前四项在更新之前已经实现，而后两项是本次升级的重点所在。不得不说特斯拉的自动驾驶技术的确是目前最先进的，像最简单的自动泊车在主流的自主品牌车型中基本已经实现，自动辅助导航驾驶在一些韩系车型上也能见到，而其余四项功能目前估计只有特斯拉敢让车主应用。

自动辅助变道是实现完全自动驾驶首先要突破的问题，不然自动驾驶就只限于跟车行驶，这一点特斯拉早已做到。智能召唤可以说是远程启动车辆的升华版，不仅能够远程开启车辆，还能自动开到面前，着实方便了不少。识别交通信号灯和停车标志从而作出反应这是自动驾驶的又一次进化，目前市面上达到L2+级自动驾驶的车辆仅能够根据前车的运动轨迹跟随行驶、停止或起步，能识别交通信号算是基本实现了完全自动驾驶。这个功能也是城市街道中实现自动辅助驾驶的先决条件，看样子特斯拉似乎是已经做到了完全自动驾驶的基本功能。

（图/文/摄：太平洋汽车网问答叫兽）

什么是汽车自动驾驶，如何通俗易懂地理解其功能及原理？

此前，在国产版特斯拉车主发现，自己新买的特斯拉随车环保信息清单上的整车控制器型号与车辆实际装载的硬件型号不匹配——清单标注的整车控制器型号为HW3.0（代码为1462554），亦即去年4月份发布的那款"史上最佳自动驾驶芯片"，而车辆实际搭载的硬件型号却是HW2.5（代码为1483112）。遂将这一情况发到了微博上。当时就引发了一波对于特斯拉国产减配的质疑。那么特斯拉的HW3.0和HW2.5究竟有什么区别呢？

近年来，车载芯片的地位开始变得越发重要，因为其算力是支撑驾驶员辅助、自动驾驶和主动安全功能的中流砥柱。因此许多OEM商与一级供应商开始用摄像头、雷达、LiDAR等传感器武装车辆，帮它们获知周边环境信息。传感器采集的所有信息都要汇集到一起，这时就需要一个算力强大的控制单元。HW2.5硬件使用的是英伟达定制的DrivePX2计算平台，而HW3.0则是特斯拉自己专门为FSD打造的新计算平台，就性能而言，HW3.0的自动驾驶芯片拥有每秒2300帧的图像处理能力，是HW2.5的21倍，计算能力提升了大约7倍。同时，HW3.0的能耗只有HW2.5的1.25倍。可以说HW3.0强大的性能为之后自动驾驶的升级打下了坚实的基础。

在Model3上，特斯拉标配了8颗摄像头，1颗雷达和12颗超声波传感器。至于激光雷达LiDAR，出于成本原因，特斯拉并不打算采用。8颗摄像头，能为Model3提供360度视野，探测半径250米。12颗超声波传感器则是视觉系统的补充。两套传感器相结合，相对于此前系统精确度大幅提高。除此之外，Model3的传感器套装还整合了处理能力增强版的前视雷达系统。它能为车辆提供额外的环境数据，同时在雨雾、沙尘等天气充当安全冗余。车头3颗摄像头负责前方视野，与雷达形成互补。这3颗摄像头技术特性并不相同，其中充当主摄那颗探测距离达到250米，但视场很窄，其他2颗探测距离分别为150和60米，但视场要宽上不少。另外5颗摄像头则负责监控车辆侧面和后方，其探测距离可达100米。12颗超声波传感器能在任何速度下稳定工作，控制车辆盲区。这些数据还可以被用于Autopilot的车道变线。

这8颗摄像头均为120万像素，均是2015年的产品。他们分辨率不算高，但优点是价格便宜。特斯拉的三摄系统用了OnSemiconductor的120万像素AR0136ACMOS传感器，单个像素尺寸为3.75μ。类似的采埃孚的S-Cam4三摄系统搭载了Omnivision的COMS传感器与Mobileye的EyeQ4视觉处理器。特斯拉的前视三摄模组则将所有CMOS放在了一块PCB上，而采埃孚则分置于不同PCB。因此不考虑效果，单从成本上来说，特斯拉的方案要更低。

特斯拉Autopilot系统的信息处理是在自研的液冷双核计算平台上进行的，它们被安置在两块PCB上，但整合进了一个模组。新的计算平台整合了负责中控信息娱乐的ECU与AutopilotECU，而在HW2.5时代，Autopilot用的还是英伟达的SoC与GPU。尽管自研了FSD，特斯拉还是要用到英伟达的GPU，英特尔的处理器，恩智浦与英飞凌的微控器，镁光、三星的闪存以及意法半导体的音频放大器。在HW2.5时代，特斯拉整合了两块英伟达SoC，一块英伟达PascalGPU和一块英飞凌的TriCoreCPU。到了HW3.0时代，特斯拉则用上了两块自研SoC，两块GPU，两块神经网络处理器和一块锁步CPU。同样的体积下，特斯拉在HW3.0里塞进了4746个零部件，比HW2.5多了65个零部件。制程方面，特斯拉的自研SoC为14nm，与HW2.5时代英伟达的16nm相比稍有改进，但基本处于同一代水平。

目前在汽车行业，自行设计芯片搭载在自家车上的做法已经很少见了。因为这样做的风险太大了。现在的汽车市场并不像从前那样火热，如果没有足够的销量支撑，自掏腰包设计芯片只用于自己的车就会得不偿失。但同时，花大价钱自己定制芯片也有一个好处，那就是能将成本压到非常低。这样整车成本也会更低，而利润会更高。比如手机行业中的苹果华为，凭借自己设计的芯片能在同行的激烈竞争中获得更大的收益。过去几年里，车辆整合的电子元器件越来越多，而英伟达和英特尔这样的领军厂商并没有薄利多销。如果不愿将利润拱手让人，恐怕自行研发芯片才是将命运掌握在自己手中的最好方法。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

特斯拉自动驾驶系统的设计特点有些什么？

一种有限条件下的自动驾驶，一方面让驾驶员开车更轻松，但同时又要求驾驶者随时从放松的状态马上切换到注意力集中的状态来处理突发状况，一旦发生事故权责也很难界定。

人们对于自动驾驶最早的误解，其实源于一些媒体的误读。很多媒体把 Autopilot 这一词简单简单拆解为 “Auto” 和 “pilot” 两个词汇，并将中文意思曲解为自动驾驶。

(仍然需要人类做出关键决策的特斯拉驾驶辅助系统)

然而其实 Autopilot 这个词源于飞机、列车、轮船领域的辅助驾驶系统。维基百科也给这个词做了明确的定义：

An autopilot is a system used to control the trajectory of a vehicle without constant ‘hands-on’ control by a human operator being required.

驾驶辅助是一个用来控制载具轨道而无须人工一直干预的系统。

这句话里面的关键词其实是 “constant” 持续的。也就是说，Autopilot 所代表的驾驶辅助系统是不需要人类持续干预的，但是仍然需要人类做出某些干预，比如关键性的决策等，机器只是在一旁辅助。

(不需要人类驾驶员做出决策的 Uber 全自动驾驶车)

而关于我们大众所认知的自动驾驶，或者说全自动驾驶，在维基百科中同样也有相关的定义。我们所认知的无人驾驶车，准确的说应该叫做 “Autonomous car”。

与对于驾驶辅助的定义类似，无人驾驶车概念的关键支持在于无需人类干涉。也就是说机器会自动感知，自动做出决策并且自动驾驶。所以这样来说，自动驾驶究竟是什么的定义问题就变得格外简单了。驾驶辅助和自动驾驶，最主要的区别在于人的参与度，前者需要人参与，而后者完全不需要人参与。

功能、原理及难点

其实单纯从硬件技术层面来看，自动驾驶的原理并不算特别复杂。用最简单的话说，找一台车子来改装一下（电动车比较好改一点且性能可控性更好），加几个传感器，再塞一套开源的自动驾驶计算平台，好，这就搞定了。

传感器是自动驾驶车的眼睛，用于收集汽车周围的信息。归纳来看，目前主流的自动驾驶车其实也就是使用了三种传感器：LiDAR 激光雷达、摄像头、和传统雷达。

三种传感器各有各的优势，早就运用在车辆倒车雷达上的传统雷达成本相对较低，穿透性较强且不受雨雾等环境的影响，但弱点在于覆盖范围较小且难以对周围物体做出精准的判断。

摄像头同样也是自动驾驶车所必备的传感器，与两种雷达不同，摄像头没有任何穿透力且需要光线，用于自动驾驶的数据是通过对摄像头的图样识别得出的。不过摄像头也是最容易受到干扰的一种自动驾驶传感器，且一旦获取的图像有误差，对最终的识别结果就会产生极大的影响。唯一的好处在于成本低，且目前视觉识别的方案相对来说发展得比较成熟，做无人驾驶汽车可用的也比较多。

自动驾驶车上搭载的传感器收集到的数据，都会被传输到车载电脑中进行分析和处理，最终做出决策。对于车载电脑的技术部分我们不必多说，因为自动驾驶汽车单纯从原理上真的不算是什么 “黑科技”，毕竟规划路线，躲避障碍的功能目前很多扫地机器人和无人机都能实现。所以还是把关注的重心聚焦在实现自动驾驶的难点上。自动驾驶汽车需要收集汽车周围数据，对信息进行处理并最终做出决策，这整个过程与真人司机所要完成的过程几乎毫无差异。

特斯拉的自动驾驶系统采用了纯视觉方案实现对世界的感知，并基于原始视频数据通过神经网络构建出真实世界的三维向量空间，在向量空间中通过传统规控方法与神经网络相结合的混合规划系统实现汽车的行为与路径规划，生成控制信号传递给执行机构，同时通过完善的数据闭环体系和仿真平台实现自动驾驶能力的持续迭代。

特斯拉凭借自研芯片及ADAS平台、硬件成本效益显著、自动辅助驾驶功能全球领先、智能座舱等核心竞争优势，已精准定位中美消费者对“智能化+自动驾驶”的偏好，未来FSD选装率将有较大的上升空间。