1.2.2 技术难点

（1）L1～L2的难点

• 汽车横向控制和纵向控制配合操作时的舒适性。单独的横向控制（车道保持系统）或纵向控制（自适应巡航控制系统等）技术已经十分成熟，但二者同时工作的时候，如何将舒适性调整到最优是存在挑战的。

• 通知驾驶员接管车辆的时机选择。L2级系统仍需要驾驶员实时监控并适时接管，那么如何以最友好的人机交互方式通知驾驶员接管车辆而不影响驾驶员的体验，则需要在人机交互上做出努力。

（2）L2～L3的难点

• 传感器感知技术。根据NTSB（National Transportation Safety Board，美国国家运输安全委员会）发布的相关信息，部分车型发生交通致死事故的主要原因是传感器感知的功能存在不足，导致系统未能准确识别路况，进而引发了交通事故。

• 法规。目前我国尚未允许自动驾驶车辆在开放性高速道路上进行测试，在相关法规正式发布之前，自动驾驶车辆只能在封闭、测试场地或指定的有限测试场景中进行测试。

（3）L3～L4的难点

• 传感器的性能和成本。在性能方面，摄像头容易出现的误差（包括光的反射和折射造成的偏差）直接影响传感器，导致系统最终获取外界信息的性能不足。在成本方面，车规级的多线激光雷达的成本比较高。这些都限制了L4级自动驾驶的大面积普及。

• 具有极高鲁棒性的自动驾驶算法及稳定的计算平台。L4级自动驾驶算法的精度和鲁棒性需要达到甚至超越人类驾驶员的水平，并且需要在稳定的计算平台上运行，以确保自动驾驶汽车能够应对各种突发情况。

• 高精地图采集。采集的高精点云地图是推动自动驾驶技术迅速发展的重要资源。是否拥有大量的高精地图，以及能否保证这些地图的实时性，将直接影响一个自动驾驶公司的成败。

• 普通民众的接纳度。人们对于没有方向盘、大部分时间都在自动行驶的汽车天然抱有一些担忧，使其对自动驾驶从抵触转变到接受需要一定的时间，因此需要积极培养与普通民众之间的信任关系。

SLAM技术是实现未知环境下移动机器人或移动车辆的定位和建图的关键。在无人驾驶领域中，SLAM技术可以帮助车辆感知周围环境，从而更好地完成导航、避障、路径规划等任务。道路上出现的车辆和行人等都会影响无人驾驶算法的决策。而要实现真正的无人驾驶，就需要实时感知周围环境，实现动态响应。这仅靠提前构建的高精地图是不够的，还需要采用完整的SLAM方案来实现。