安全方面：从2009年开始正式立项，已有7年历史。已有100辆测试汽车，累计行驶48万公里。低速测试，逐步提速：第一波测试车辆行驶速度仅3英里/h；最近一波25英里/h(约40km/h)；多次因行驶速度过慢被交警拦下。

　　成本方面：激光雷达单个定制成本最初是$10万，目前已降至$7万。Google的激光雷达供应方Velodyne表示，如果规模生产，未来可降至$500——仅原来的百分之一不到。招聘激光类机械工程师，可能会完全自主设计制造激光雷达系统。

　　用途方面：一是共享出行，早期投资Uber，撕逼后又收购Waze拼车。二是从日常出行到工业用车，Google无人驾驶系统专利上表示，j2直播，其适用范围“包括但不限于轿车、卡车、摩托、大巴、船、飞机”。

　　（数据来源：公开信息整理）

　　定位的基础是地图，创业公司现在机会小

　　高精度地图前期投入巨大，一般企业无法负担

　　无人驾驶对定位精度要求极高，一般地图无法满足需求，必须要高精度地图。

　　后装无法满足需求，需与汽车厂商合作，进行前装。高精地图需要与车内摄像头、激光雷达等传感器信息交互才能发挥作用，这就需要与车内的总线互相通讯——后装或者手机的方案无法满足。

　　（数据来源：《高精地图指引未来，高壁垒铸就行业稀缺》长江证券）

　　地图的精度要求在0.1m，少量公司已经达到

　　常规地图精度在10m，少数能到1m。

　　高德宣布，今年年内实现高速路100%高精度数据覆盖，精准度0.1m。但非高速路还是只能到1m。

　　新型卫星算法可能可以提高精准度。据称，美国加州大学研发人员研发出一种全新算法，通过减少卫星的运算量，利用现有卫星（无需发射新卫星），即可将精确度提升到0.01m。

　　其他尚存问题：进入隧道等偏僻位置时接收不到卫星信号，失去定位功能。

　　（数据来源：KOTTI，内部访谈）

　　通过雷达、摄像头多重保障实现精准定位

　　没有高精地图也能实现一定程度的无人驾驶，这种情况下，路面信息主要通过传感器实时采集信息。

　　但是传感器定位会带来极大的计算负担和成本，定位效果也不及地图。

　　雷达、摄像头同时还起着障碍识别的功能

　　障碍识别相对容易，但还是要考虑一些特殊情况。

　　情况一：识别移动物体——计算行人、车辆行驶速度，从而找出合理避让方案。原理：通过波往返时间及距离测算。

　　情况二：识别物体材质——石头和树叶对行驶的影响程度是不一样的，要区分。AI通过训练可以准确的识别特定物体，但很难达到辨识每一种物体的属性。波的反射情况能一定程度识别物体材质。

　　情况三：特殊环境——阴天、雷雨、雾等恶劣天气会影响可见度、波在空气中的传播。

　　雷达成本过高是影响无人驾驶规模应用的最大原因

　　毫米波雷达只能用于辅助驾驶，全自动驾驶还是需要激光雷达。