实验室素材
成本
成像：这些传感器基本上就是在可见光谱范围内工作的相机，可以对道路进行直观观察。许多汽车已经在挡风玻璃内置了基本的成像传感器，从而实现车道保持和自适应巡航功能。
雷达：它们发出有源辐射脉冲，并利用雷达回波来识别三维物体。同样，这种传感器在配备自适应巡航系统的汽车中也越来越常见。雷达在很大程度上不会受到天气的影响，这种传感器价格低廉，但分辨率却相对较低。
激光雷达：这种传感器向周围环境发射激光，并接受散射回波，以便在汽车周围创建一个精确的三维世界地图。激光雷达扫描仪提供最详细的信息，但作用范围有限，而且通常非常昂贵。
声纳：在自动驾驶汽车系统中，声音传感器可以检测盲点并帮助实现自助泊车。
ODD
，ODD指的就是一组环境指标参数，自动驾驶系统根据各项指标参数条件自适应的调整运行决策从而确保在既定的环境条件下能够安全的运行，环境指标通畅包括道路状况、车速、地理环境、自动驾驶系统运行的环境条件等。
百度落地应用
即便是国内自动驾驶的龙头百度在L4级别的落地应用也是限定在特定ODD范围内进行自动驾驶。
综上，某种程度上，ADAS可视为实现无人驾驶这一最终目的的前提，无论是ADAS抑或是无人驾驶，二者的原理从目前的技术实现导向来看，都是利用安装在汽车上的各种传感器进行环境数据的监控和收集，并结合地图数据进行系统计算，从而实现对于车辆行驶路线的规划，并综合各项数据进行最优化决策并控制车辆达到预定目标。
AI的三个阶段
AI的三个阶段中，可执行快速计算和记忆存储的计算智能阶段已然迈过，基于深度学习的感知智能阶段我们尚在努力。但可以执行想象、情感等人类独有能力的认知智能还没有有效的实现途径，当然这要基于各项相关基础学科的研究成果，或许真有实现的一天也未可知。
自动驾驶：一个控制工程学和人工智能的交叉学科。
控制工程学主要解决汽车机械零部件的协调运行和复杂系统的控制管理，通过信息的输入和输出与环境进行交互反馈；人工智能则为自动驾驶系统提供保证其完美运行的智能决策体系。
自动驾驶车辆仿真模拟软件盘点
模拟平台有很多种，如果分类的话，可以分为两种：开源和收费的。从技术上分，也主要有两种：第一种是基于合成数据对环境、感知以及车辆进行模拟，这种模拟器主要用于控制与规划算法的初步开发上；第二种是基于真实数据的回放以测试无人驾驶不同部件的功能及性能。
大型模拟仿真软件平台
PanoSim是一款集复杂车辆动力学模型、汽车三维行驶环境模型、汽车行驶交通模型、车载环境传感模型（像机和雷达）、无线通信模型、GPS和数字地图模型、Matlab/Simulink仿真环境自动生成、图形与动画后处理工具等于一体的大型模拟仿真软件平台。它基于物理建模和精确与高效兼顾的数值仿真原则，利用先进的虚拟现实技术逼真地模拟汽车驾驶的各种环境和工况，基于几何模型与物理建模相结合的建模理念建立了高精度的像机、雷达和无线通信模型，以支持在高效、高精度的数字仿真环境下汽车动力学与性能、汽车电子控制系统、智能辅助驾驶与主动安全系统、环境传感与感知、自动驾驶等技术和产品的研发、测试和验证。
PanoSim不仅包括复杂的车辆动力学模型、底盘（制动、转向和悬架）、轮胎、驾驶员、动力总成（发动机和变速箱）等模型，还支持各种典型驱动型式和悬架形式的大、中、小型轿车的建模以及仿真分析。它提供了先进的三维数字虚拟试验场景建模与编辑功能，支持对道路及道路纹理、车道线、交通标识与设施、天气、夜景等汽车行驶环境的建模与编辑。
[if !supportLists]一、[endif]技防实验室主要实现目标
为了强化监管效率，需要创新管理模式，将人、车、环、管纳入安全实验室，需建立一套完整的动态监管流程,按具体路段实施限速监管控制，有效整治超速、疲劳驾驶、危险驾驶等违规行为，实现了出租车运营安全管理从传统模式向“互联网+”管理新模式转变。
此外，为了提高监管效率，对驾驶员、车辆、环境实行分类监管，根据黑点勘察情况和驾驶员、车辆隐患排查情况，将平时的监管分为常规监管、重点监管、无定向监管三类督查方式进行监管。
建立一套全国领先的驾驶员模拟舱，填补驾驶员岗前培训，问题驾驶员培训，典型场景演习等方向的短板。
本项目旨在推动自动驾驶汽车商业化进程，形成智能汽车与智慧交通示范作用，建设全球首个城镇区域内车联网功能全覆盖的车联网应用验证示范环境，实现基于车联网V2X技术产品规模化应用，建成国际领先的城镇智慧交通示范区；通过在仙桃国际大数据谷内开展高级别自动驾驶汽车应用示范，实现自动驾驶汽车在开放道路场景的城镇级实际应用，建成国际领先的无人驾驶汽车应用示范区。
自动驾驶模拟仿真系统
https://zhuanlan.zhihu.com/p/57169482
自动驾驶模拟仿真系统的目的是为了减少上车测试的开销和风险，众所周知谷歌开发的仿真系统CarCraft已经跑了25亿英里，而实际车载测试才1000万英里。其中将实际上车测试的问题在模拟仿真系统中进行复现并添加各种变化被成为“fuzing”，当时开发的可视化平台Xview就是模拟仿真系统的一部分，相当于显示界面。
这样的模拟仿真系统构成一般包括多个算法模块，比如：
1. 传感器模型：摄像头（游戏引擎类似的功能），激光雷达，雷达，声纳。。。
2. 高清地图和虚拟环境（类似VR），一些高清地图的制造商也可以直接从真实环境中生成，比如三番，纽约，伦敦城市等等；
3. 车辆模型（OEM数据，动力学模型，控制模型），行人，摩托和自行车等等，以前做motion capture的公司有很好的数据，商用的汽车模拟软件在这些方面很成熟；
4. 道路系统（路径网络）和道路特性（地质，坡度，风险，利用率等等）；
5. 环境模型（季节，气候，天气，时间如白天/晚上，等等），跟传感器模拟关系大；
6. 交通模型（交通规则，限速，停车，十字/丁字/环路，红绿灯，让路，分岔，汇入等等）；
7. 驾驶模型 (驾驶行为，导航规则，避撞，个人特色，文化，地域等等）；
8. 应用相关的，比如运动规划，模拟训练。
PanoSim是一款集复杂车辆动力学模型、汽车三维行驶环境模型、汽车行驶交通模型、车载环境传感模型（像机和雷达）、无线通信模型、GPS和数字地图模型、Matlab/Simulink仿真环境自动生成、图形与动画后处理工具等于一体的大型模拟仿真软件平台。它基于物理建模和精确与高效兼顾的数值仿真原则，利用先进的虚拟现实技术逼真地模拟汽车驾驶的各种环境和工况，基于几何模型与物理建模相结合的建模理念建立了高精度的像机、雷达和无线通信模型，以支持在高效、高精度的数字仿真环境下汽车动力学与性能、汽车电子控制系统、智能辅助驾驶与主动安全系统、环境传感与感知、自动驾驶等技术和产品的研发、测试和验证。
PanoSim不仅包括复杂的车辆动力学模型、底盘（制动、转向和悬架）、轮胎、驾驶员、动力总成（发动机和变速箱）等模型，还支持各种典型驱动型式和悬架形式的大、中、小型轿车的建模以及仿真分析。它提供了先进的三维数字虚拟试验场景建模与编辑功能，支持对道路及道路纹理、车道线、交通标识与设施、天气、夜景等汽车行驶环境的建模与编辑。