一辆车在路口遇到横穿行人，旁边还有车辆突然并线，它凭什么知道该刹车、绕行，还是继续通过？

答案不是某一个摄像头，也不是屏幕上那圈花花绿绿的识别框。自动驾驶真正干的活儿，是把摄像头、激光雷达等传感器采集到的碎片信息，拼成一幅不断更新的“动态地图”，再判断每个目标下一步可能往哪儿走，最后把结果变成方向盘、刹车和加速动作。

自动驾驶避开的不是“看见的东西”，而是根据目标的距离、速度和运动趋势，提前判断碰撞风险。

第一步：先把“谁在路上”认出来

摄像头负责的事情，和人眼有点像。它通过道路画面识别车辆、行人、车道线、交通标志以及信号灯，还会尝试判断物体的类别和轮廓。

但“看见”不等于“看懂”。

一辆停在路边的白色汽车，和一辆正在并线的白色汽车，危险程度完全不同；站在人行道上的行人，和已经迈进机动车道的行人，也不能用同一套处理逻辑。系统需要持续追踪目标位置，计算它是静止、靠近，还是正在横向穿越道路。

这也是为什么自动驾驶画面里经常会出现车辆、行人和车道线的实时标注。那些框线不是装饰，而是系统对周围环境的结构化理解。不过，屏幕显示得越热闹，不代表判断就一定越准确。大雨、逆光、夜间反光、遮挡物，都会给纯视觉方案添麻烦。

激光雷达解决的，是“距离到底有多远”

摄像头擅长识别形状和颜色，却不直接提供精准距离。激光雷达的工作方式更像拿着一把高速旋转的“电子尺子”：向周围发射激光，记录光线返回所需的时间，再据此计算物体距离。

大量测距结果汇集起来，就形成了三维点云。

点云的价值在于，它不只是告诉系统“前面有个东西”，还会描述这个东西位于哪里、距离多远、占据多大空间。车辆、路沿、护栏、行人，都会在空间里留下不同的轮廓。

这对夜间行驶、无明显颜色差异的障碍物识别，以及复杂路口判断都有帮助。你可以把摄像头理解成“看形状和语义”，把激光雷达理解成“量距离和空间”。两者合起来，系统才更容易知道前方目标究竟是远处的广告牌，还是已经逼近车道的行人。

传感器越多，不代表系统就天然更聪明

摄像头和激光雷达各有所长，多传感器融合的核心，就是让它们相互校验。

如果摄像头判断前方有障碍物，激光雷达也测到了对应位置，系统对这个判断的信心就会增加。要是两套传感器给出的结果发生冲突，车辆还要决定信谁、是否减速，以及要不要直接刹停。

这一步做不好，就会出现车主很烦的“幽灵刹车”：路上明明没有真正的危险，车辆却突然减速。传感器误识别、数据时间不同步、道路反光或遮挡，都可能造成误判。

所以，堆传感器不是简单地“数量越多越安全”。传感器增加了信息量，也增加了数据融合、标定和决策的复杂度。硬件是眼睛，算法才是大脑；眼睛多了，大脑没跟上，照样会手忙脚乱。

真正难的，是预测行人和车辆下一步怎么动

识别出行人并不难，难的是判断行人会不会突然转身、车辆会不会抢行、旁边的电动车是否会从车流缝隙里钻出来。

自动驾驶系统通常会结合目标的当前位置、移动速度、方向以及道路关系，生成多种可能的运动轨迹。比如，前方行人靠近斑马线，系统不会只盯着他当前有没有进入车道，而是会评估他继续前进后是否会与车辆路线重叠。

遇到复杂路口时，车辆需要在多个动作之间权衡：减速等待、保持车道、绕过障碍，或者在确认安全后通过。每一个选择都牵涉到安全距离、道路规则和其他交通参与者的反应。

有些演示画面会把车辆周围较大范围的环境做成鸟瞰式立体沙盘，甚至展示约200米范围内的感知区域。这个数字应当理解为特定演示条件下的感知展示，不等于所有车型、所有天气和所有道路都能稳定达到同样效果。传感器类型、安装位置、环境光线和目标大小，都会影响实际识别范围。

端到端自动驾驶，改变的是决策链条

传统自动驾驶系统往往分成多个环节：先感知，再定位，再预测，然后规划路径，最后控制车辆。每个模块各司其职，逻辑清楚，出了问题也相对容易定位。

端到端方案则试图让模型直接根据传感器输入，输出转向、制动、加速等驾驶动作。它通过大量道路数据和标注样本学习驾驶规律，不再完全依赖工程师为每一种情况单独写规则。

这条路线的优势，是面对一些难以穷举的场景时，模型有机会学到更接近人类驾驶员的处理方式；代价也很明显：模型为什么做出某个动作，解释起来更难，对训练数据质量和覆盖范围的要求更高。

换句话说，端到端不是按下按钮就能“自动开车”，而是把更多驾驶经验交给模型学习。数据里没覆盖到的罕见场景，依旧可能成为系统的短板。

自动驾驶的安全感，最终取决于感知是否准确、预测是否合理，以及控制动作是否留出了足够的安全余量。

从摄像头识别，到激光雷达测距，再到多传感器融合和端到端决策，这套系统的每一层都在回答同一个问题：前面有什么，它接下来会怎么动，我现在该做什么。

所以，车内屏幕上那些实时变化的图形，只是结果展示，不是安全承诺。现阶段的辅助驾驶功能仍然需要驾驶员保持注意力，不能把方向盘和道路安全完全交给机器。

你在实际用车中遇到过误刹、识别错误，或者车辆对行人处理得特别稳的情况吗？哪一种场景最能体现一套智驾系统的真本事？