激光传感器与此相反，在晚上它的性能反而会更好，因为激光传感器是在红暗波段上面进行激光的发射和接收，在白天因为有阳光的干扰或者其他光的干扰会有一些噪音在里面，晚上因为没有这些干扰，激光传感器的精度反而会更高。

　　现在在主流智能汽车的研发过程中，激光传感器跟和摄像头，一般来说都会有一个融合，因为传感器里面的成本，激光传感器的造价是远远高于一般的摄像头，像 Velodyne 这种传感器的话，价格都是数万美金。

　　高精确地图

　　高精度地图对于智能驾驶仍然是一个非常有用的一个信息.如果我们想象智能汽车是一个机器人的话，那高精度地图就相当于你告诉机器人，这个世界是怎么样的。

　　你能给这个机器人一些先设定的知识，包括比如说具体车道线在什么地方，在路的什么位置，这个地方是不是有斑马线，斑马线上的行人可能更多，是不是要更注重行人的检测等。

　　高精度地图和一般的地图区别也是非常大的，就像高精度地图不仅要知道这条路的整个的连接状况，更要知道，比如说这条路上面有几个车道，然后每一个车道线什么方向，车到线与车道线之间的连接，哪一条车道线是可以行驶的车道线，还要考虑到比如说智能汽车调头的情况，或者是其他的情况。这需要非常频繁的来进行采样才能够比较完备的来描述这个情况。

　　路网信息是智能驾驶的一部分，另外一部分地图比较重要的工作就是整个世界的信息，包括你的车道具体有多宽，然后这些车道到底是什么样的一个几何的形状。这些信息就相当于我对整个世界有了一个前沿的知识，我知道哪里是障碍物，哪里不是障碍物。

　　这个图片就是三维的世界的重建包括比较成熟的一些 SLAM 建造的这个世界，你可以看到这个世界是由刚才我们说的激光点源构成的，从这个截图就可以看到，就是很多帧激光点源叠起来的一个状况，叠起来的地图我们就知道强在什么地方，具体的道路的路面是一个什么样的形状，它是有多少的比如说上坡、下坡或者是具体的转角都会有一个比较清晰的知识。

　　得到了这些知识以后，后面的感知和路面规划相对来说就容易一些，比如说知道障碍物在什么地方，路径规划有了车道线的知识，以及对世界的认识以后，它可以更容易的来进行避障，或者知道哪一些地方可以靠边，哪一些不能靠边等等这些情况。

　　感知世界

　　感知来说比较重要的比如说要检测这个障碍物，包括具体来说，障碍物的感知，聚类，物体的分割，物体的识别。

　　对于智能驾驶来说，因为智能驾驶相对于一般机器人，智能驾驶是一个非常特殊的应用环境，它绝大多数物体比如说可能 95% 以上的都是一些常见的路上的类别，像汽车、行人、自行车、摩托车、助力车等等，这些物体可能就构建了 95%，甚至 99% 以上机器人要见到的物体。

　　智能驾驶的物体识别很大的精力是放在了这些物体上。但是在智能驾驶过程中，就是我们并不能够假设这就是所有出现在路上的物体了。很多情况下，智能驾驶会有一些长尾的效应。

　　比如说，在物体识别上面就会有一些比较低频的事情出现，比如说在车上，在道路上会有一些车爆胎留下的爆胎，但这可能是开几百公里甚至几千公里才能碰到一些问题，但是当你有足够的数据量以后，这些长尾问题也会成为比较重要的物体识别的问题。

　　甚至包括比如说，在美国或者在中国其他地方都会有一些像小动物猫、狗或者是松鼠，还有一些植物在正常行驶路面上会形成一些障碍物，如何识别这些障碍物并且正确的让智能汽车对这些障碍物进行反应，其实也是一个非常有意思并且困难的问题。

　　就像如果前面是一只猫或者一只狗或者一只鸟，这些障碍物会自动的避开，当车辆驶进的时候。当如果比如说爆胎或者砖或者是植物的话，这些障碍物可能就是要捕获。