自动驾驶实现的过程，简单的来说是从感知、决策到执行，感知即通过各种传感器，采集车辆本身及外部的信息，决策即汽车的计算单元，根据特定的算法，对上述获取的信息进行分析，做出适合当下情景的决策，之后就是执行。


而整个过程中算法极为重要，自动驾驶作为人工智能技术重要的应用场景之一，其技术的实现离不开算法的大规模部署，包括从感知环节的特征提取到神经网络的决策，这些都需要依赖算法改进来提高障碍物检测准确性和复杂场景下的决策能力。


AI算法是支撑自动驾驶技术最关键的部分，目前主流自动驾驶公司都采用了机器学习与人工智能算法来实现。海量的数据是机器学习以及人工智能算法的基础，通过此前提到的传感器、V2X设施和高精度地图信息所获得的数据，以及收集到的驾驶行为、驾驶经验、驾驶规则、案例和周边环境的数据信息，不断优化的算法能够识别并最终规划路线、操纵驾驶。


从技术环节来看，自动驾驶域算法可以分为感知算法、融合算法、决策算法和执行算法。感知算法将传感器数据转换成车辆所处场景的机器语言，包括物体检测、识别和跟踪、3D环境建模、物体的运动估计等。


融合算法的核心任务是将不同传感器获取到的基于图像或基于点云等不同维度的数据进行量纲统一处理。随着L2+自动驾驶对多传感器融合精度的要求提升，融合算法将逐渐前向化（前融合），其层级将逐渐从域控制器等后端部件前移至传感器层面，在传感器内部即完成融合，以提升数据处理的效率。


决策算法，即在基于感知算法的输出结果，给出最终的行为动作指令，包括汽车的跟随、停止和追赶等行为决策，以及汽车的转向、速度等动作决策，路径规划等。


自动驾驶根据自动化功能程度被分为L0-L5级别，L1-L3主要起到辅助驾驶功能，到L4级别之后，车辆控制权基本可以全部交给人工智能系统。


不同级别需要实现的功能不一样，所需要的算法也有所不同，比如L1的ACC自适应巡航、LKA车道偏离辅助、AEB自动制动、BSM盲点监测，需要用到ACC系统控制算法、LDW车道偏离警告算法、LKA车道保持辅助算法、AEB自动制动算法、BSM盲点监测算法。


比如L3+，需要TJP交通堵塞辅助算法、HWP高速公路辅助算法、城市道路自动驾驶算法、高速公路自动驾驶算法、AVP自动泊车算法，L5要用到各类自动驾驶算法等来实现相应功能。


不同厂商提供算法的能力也不一样，比如传统Tier1厂商，博世、大陆、德赛西威，以及一些软件算法厂商等，可以提供一些单一功能模块的算法，可以较好的应用于L1-L2的辅助驾驶；再比如Momenta、Minieye、驭势科技、纵目科技等算法方案商，可以提供完整的ADAS或者自动驾驶解决方案。