自動駕駛實現的過程，簡單的來說是從感知、決策到執行，感知即通過各種傳感器，采集車輛本身及外部的信息，決策即汽車的計算單元，根據特定的算法，對上述獲取的信息進行分析，做出適合當下情景的決策，之后就是執行。


而整個過程中算法極為重要，自動駕駛作為人工智能技術重要的應用場景之一，其技術的實現離不開算法的大規模部署，包括從感知環節的特征提取到神經網絡的決策，這些都需要依賴算法改進來提高障礙物檢測準確性和復雜場景下的決策能力。


AI算法是支撐自動駕駛技術最關鍵的部分，目前主流自動駕駛公司都采用了機器學習與人工智能算法來實現。海量的數據是機器學習以及人工智能算法的基礎，通過此前提到的傳感器、V2X設施和高精度地圖信息所獲得的數據，以及收集到的駕駛行為、駕駛經驗、駕駛規則、案例和周邊環境的數據信息，不斷優化的算法能夠識別并最終規劃路線、操縱駕駛。


從技術環節來看，自動駕駛域算法可以分為感知算法、融合算法、決策算法和執行算法。感知算法將傳感器數據轉換成車輛所處場景的機器語言，包括物體檢測、識別和跟蹤、3D環境建模、物體的運動估計等。


融合算法的核心任務是將不同傳感器獲取到的基于圖像或基于點云等不同維度的數據進行量綱統一處理。隨著L2+自動駕駛對多傳感器融合精度的要求提升，融合算法將逐漸前向化（前融合），其層級將逐漸從域控制器等后端部件前移至傳感器層面，在傳感器內部即完成融合，以提升數據處理的效率。


決策算法，即在基于感知算法的輸出結果，給出最終的行為動作指令，包括汽車的跟隨、停止和追趕等行為決策，以及汽車的轉向、速度等動作決策，路徑規劃等。


自動駕駛根據自動化功能程度被分為L0-L5級別，L1-L3主要起到輔助駕駛功能，到L4級別之后，車輛控制權基本可以全部交給人工智能系統。


不同級別需要實現的功能不一樣，所需要的算法也有所不同，比如L1的ACC自適應巡航、LKA車道偏離輔助、AEB自動制動、BSM盲點監測，需要用到ACC系統控制算法、LDW車道偏離警告算法、LKA車道保持輔助算法、AEB自動制動算法、BSM盲點監測算法。


比如L3+，需要TJP交通堵塞輔助算法、HWP高速公路輔助算法、城市道路自動駕駛算法、高速公路自動駕駛算法、AVP自動泊車算法，L5要用到各類自動駕駛算法等來實現相應功能。


不同廠商提供算法的能力也不一樣，比如傳統Tier1廠商，博世、大陸、德賽西威，以及一些軟件算法廠商等，可以提供一些單一功能模塊的算法，可以較好的應用于L1-L2的輔助駕駛；再比如Momenta、Minieye、馭勢科技、縱目科技等算法方案商，可以提供完整的ADAS或者自動駕駛解決方案。