特斯拉自动驾驶工作原理_特斯拉自动驾驶技术原理

1.什么是汽车自动驾驶，如何通俗易懂地理解其功能及原理？

2.特斯拉的制动原理

3.特斯拉的自动驾驶叫什么

4.特斯拉自动巡航可以变道吗

5.特斯拉自动泊车系统的工作原理

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。

什么是汽车自动驾驶，如何通俗易懂地理解其功能及原理？

马斯克曾说会在2019年年底推出功能齐全的自动驾驶（Full?Self?Driving,简称?FSD），但现在已经到了2020年，特斯拉升级系统后除增加了“车辆召唤”功能，也并没有完全开放自动驾驶权限。对此，马斯克表示特斯拉希望通过训练神经网络来识别城市中可能遇到的每个物体并采取相应的行动，从而强行进入城市驾驶，这可能还需要数月的时间。

不得不说，尽管还需数月，但如果能在今年内开放城市内的完全自动驾驶，也足以令人惊叹。而最近有日本媒体拆解了特斯拉Model?3，更是宣称它的自动驾驶技术要领先其余汽车制造商6年的时间，究竟有什么玄妙？

什么是“Hardware?3”？

说起来特斯拉的自动驾驶技术，不能忽略的就是它的自研芯片，也就是在2019年4月发布的“Hardware?3”。

其实在最开始的时候，特斯拉并没有完全独立研究这块集成芯片，而是与?Mobileye?合作，但后来特斯拉产品在辅助驾驶情况下经历了一次事故，这显然没有达到预期的要求，所以二者不欢而散。随后特斯拉又携手英伟达，采用英伟达的芯片解决方案，但显然马斯克觉得这还不够，于是在2016?年请来“芯片皇帝”?Jim?Keller?担任特斯拉硬件开发副总裁，也正式拉开了自研自动驾驶芯片的序幕。

从成品的FSD?电脑中可以看出，里面包含了两块自研芯片。这两款芯片独立运行，拥有各自的电源、DRAM?内存以及闪存，也就是说，当其中任何一个出现故障，FSD?电脑依然会正常驱动汽车进行自动驾驶。

“Hardware?3”拥有60亿颗晶体管，每秒能完成144万亿次计算，能同时处理每秒2300帧的图像。对比特斯拉上一代处理器（HW2.5），FSD在性能方面提高了21倍，并且能够应对L5级别自动驾驶所需的感知层数据量和计算能力，目前来看哪怕与英伟达这样的芯片公司相比也丝毫不落下风。

“神经网络”才是重点？

想要在自动驾驶方面比其它汽车制造厂更好仅仅拥有一块自研芯片也是不够的。特斯拉之所以能在辅助驾驶领域拥有较好口碑，还有一个关键点，就是神经网络。

神经网络（NEURAL?NETWOTRK）现在对于用户来说并不再陌生，因为大家熟悉的手机产品很多都使用了这种机器学习方式，比如：Iphone?上的Siri。神经网络的工作原理的数学模型就像是生物神经网络。最主要的能力就是能够依赖大量的数据信息进行自我学习，而特斯拉拥有庞大的用户群以及数据量。所以特斯拉可以通过大量用户数据，教会机器识别车道线、车辆、行人、交通信号等内容。

具体来说，特斯拉会首先在神经网络中放置一个种子数据集，随机采集大量数据然后进行标注，当神经网络在后续识别中存在识别不准确或者车内司机进行某些操作触发反馈机制后，车子会向总部回传这些数据，特斯拉会对数据进行验证修复，在经过海量数据学习之后，机器就变得更加智能，识别更加准确，同时更利于后续的路径规划以及决策操作。

根据之前特斯拉公布的一份数据，利用在全球的车队，特斯拉已经收集超过?160?亿公里的真实行驶数据，其中超过16?亿公里的行驶里程使用了?Autopilot?自动辅助驾驶系统，海量的自动驾驶数据也是特斯拉相比其它汽车制造厂更占优势的地方。

视觉传感器有何作用？

说完了特斯拉自动驾驶中的“大脑”，想要完成出色的自动驾驶功能，还有一个部分不可缺少，那就是车辆的“眼睛”，也就是视觉传感器，俗称摄像头。

在特斯拉看来，人就是通过两只眼睛来实现对外界的感知，车辆上的摄像头作用与之类似，而特斯拉产品上的的视觉传感器有8?个，并且还有毫米波雷达等辅助设备一起完成车辆在自动驾驶时对外界的感知。

总结

通过上述内容可以总结出，特斯拉自动驾驶技术的核心就是视觉感知+自我学习。而特斯拉这种通过神经网络来完成的“用户数据—自动驾驶—用户数据”提升闭环也能使特斯拉自动驾驶技术愈发的领先。

要说特斯拉完全自动驾驶功能何时能下放到现有产品上，很多行业人士乐观的认为将会在2020年内完成。反观其它汽车制造商，无论是传统品牌还是造车新势力，要么就被禁锢在传统的汽车制造逻辑中难以脱离，要么就是缺乏可用的大量用户数据。这些因素虽不说让它们在技术上落后特斯拉6年，但差距总归还是有一些的。据消息称，特斯拉的下一代芯片也会在两三年内面世，如再不加以追赶，特斯拉会不会在自动驾驶的道路彻底甩离这个时代呢？

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。

特斯拉的制动原理

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。

特斯拉的自动驾驶叫什么

该机器的制动原理是iBooster制动系统。

iBooster制动系统的工作过程大致分为三个阶段：

1、刹车踏板与iBooster制动系统之间形成的闭环：当驾驶员踩下刹车踏板时，踏板行程监测位于iBooster系统内，此时iBooster系统会检测到刹车踏板的动作，并执行相应的助力，驱动ABS系统执行制动。

2、MCU和iBooster之间的自动驾驶相关的刹车辅助：当车辆处于自动驾驶状态时，MCU和iBooster之间会有通信，主要用于自动紧急刹车和减速制动。

3、开路系统：当刹车踏板和MCU同时作用于iBooster执行制动操作时，会按照人为控制优先原则执行。

特斯拉自动巡航可以变道吗

太平洋汽车网又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪也已经有数十年的历史，于21世纪初呈现出接近实用化的趋势，自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

自动驾驶汽车（Autonomousvehicles；Self-pilotingautomobile）又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪也已经有数十年的历史，于21世纪初呈现出接近实用化的趋势，自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

自动驾驶的技术原理：汽车自动驾驶技术包括视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过一个详尽的地图（通过有人驾驶汽车采集的地图）对前方的道路进行导航。这一切都通过谷歌的数据中心来实现，谷歌的数据中心能处理汽车收集的有关周围地形的大量信息。就这点而言，自动驾驶汽车相当于谷歌数据中心的遥控汽车或者智能汽车.。汽车自动驾驶技术物联网技术应用之一。

0：NoAutomation无自动化顾名思义，LEVEL.0就是完全的人工驾驶，最好的例子就是上个世纪60年代的车辆，它们非常纯粹的诠释了LEVEL.0的概念。车辆没有任何的智能而言，一切的是靠驾驶员一人掌控。当然，各位要将车辆自身的电子系统以及智能系统与“自动驾驶”概念区分开来。

（图/文/摄：太平洋汽车网问答叫兽）

特斯拉自动泊车系统的工作原理

太平洋汽车网特斯拉自动巡航可以变道，特斯拉的自动驾驶有辅助转向和打方向灯自动变道功能，配置有自动巡航的原因是为了通过车距传感器的反馈信号，根据靠近车辆物体的移动速度判断道路情况，控制车辆的行驶状态，同时通过反馈式加速踏板感知的驾驶者施加在踏板上的力，ACC控制单元可以决定是否执行巡航控制，以减轻驾驶者的疲劳。

特斯拉自动变道方向盘会动。特斯拉的自动驾驶其实只是在原有主动巡航（根据前车调整车速，其他品牌车型都早已有的功能）的基础上增加了辅助转向和打方向灯自动变道功能。

顾名思义，特斯拉的自动驾驶其实只是在原有主动巡航（根据前车调整车速，其他品牌车型都早已有的功能）的基础上增加了辅助转向和打方向灯自动变道功能。这和很多人以为的只需要坐在车中，就可以直达目的地的自动驾驶概念是完全不同的（事实上特斯拉的自动驾驶和GPS导航是完全两个独立的系统，自动驾驶不会根据导航信息做任何调整）。

实现原理说试驾感受之前，还是得说说Autopilot的原理。从硬件上来说，特斯拉的Autopilot所依靠的硬件如下：一个前视摄像头（供应商是Mobileye）、车身上的12个雷达（前后保险杠各6个）、一个超声波雷达（位于前牌照框下方）。

在带有高级驾驶辅助系统（ADAS）的车型里，这个配置算高的（主要是前后雷达的数量，奔驰S级也是12个），但是和Google无人车比，还是少了很多东西，比如激光雷达。事实上，特斯拉的这套Autopilot系统，你可以理解为「更高级的高级驾驶辅助系统」。

如果把Autopilot的功能分拆来看，它实际上是由自适应巡航、主动车道保持、自动变道、自动泊车四部分组成的。所以如果你问Autopilot的实现原理到底是什么，主动车道保持实际上依靠的是前摄像头识别车道线，在识别当前车道线和旁边车道线的基础上，通过前后雷达探测车子周边，又为自动变道扫清了障碍。而自适应巡航应该不用给你解释了。

特斯拉自动驾驶的使用：辅助转向开启后，方向盘即会开始自动转动，让车辆保持在车道中行驶，非常科幻。此时只要稍加用力，即可手动转动方向盘，辅助转向功能则立即停止（同样伴随提示音）。需要注意的是手动转动方向盘的操作只会中止辅助转向，但巡航功能并不会停止，所以此时不会减速甚至可能加速，安全起见请使用前推导航杆、或踩刹车的方式来完全中止自动驾驶。

（图/文/摄：太平洋汽车网问答叫兽）

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。