自动驾驶汽车是现在智能汽车发展的主要方向，它主要是依靠汽车内以计算机系统为主的智能驾驶仪器来实现无人驾驶自动驾驶如何检测车辆。自动驾驶汽车之所以可以安全可靠地在道路上行驶，利用的是车载传感器来感知车辆周围环境，并根据传感器感知到的道路、车辆位置和障碍物信息来控制汽车的转向和速度。所以，传感器在自动驾驶的重要性无需赘言。无论是特斯拉、谷歌、丰田还是百度，无论是企业巨头还是发展新星，在他们对于无人驾驶汽车的研究上，无一不在传感器上大费脑筋。

自动驾驶气车上的传感器主要有两种。首先是激光雷达，宝马、谷歌、日产和苹果的无人驾驶测试车用的就是价格昂贵、结构复杂的远距离传感系统LiDAR（激光雷达）。其通过计算发射和探测的时间差就可以计算出目标物的距离，同时生成周围环境的3D图像。

其次是视觉图像传感器。现在一个很广泛的应用是将2D激光雷达与视觉传感器相结合。不过相比于激光雷达，视觉传感器低成本的特性，也让其成为了在自动驾驶解决方案中不可或缺的存在。通过视觉传感器的图像识别技术对周边环境进行感知，进而理解当前的驾驶场景，处理突发事件。

当然，自动驾驶汽车的传感器并不只是激光雷达与摄像头两类，比如特斯拉的Autopilot系统通过摄像头、毫米波雷达与超声波雷达的融合数据来控制车辆在高速路车道行驶、变道以及根据交通情况调整车速。可以说，毫米波雷达与超声波雷达，以及目前还并没有为自动驾驶汽车所用的声音传感器也都是不可或缺的传感器。

题主应该想说的是：在雪地路面上，道路上的标识都被遮盖，对自动驾驶模式是很大的挑战。

确实如此，雪天和结冰环境是自动驾驶汽车的痛点。当在雪地行驶时，摄像头很难识别道路标识，虽然可以通过地图系统辅助识别，但如果遇到部分路段更新不及时，或地图精度不够，问题就麻烦了。当前GPS全球卫星定位系统的精确度仅为“米”级，根本无法满足自动驾驶车辆对于精确定位的要求。

我们知道Waymo现如今是综合实力最强的自动驾驶公司，在从google分拆前，就已经进行了长达200万英里的自动驾驶路测，不过google当时未在寒冷气候和雪地环境中测试无人驾驶汽车，所以雪地自动驾驶难度可见一斑。

事实上，直到现在，糟糕环境下都不建议启动自动驾驶模式。

现在的发展思路基本是——依靠高精度地图（精度可以达到厘米级别）。

高精度地图就好比越野比赛中的“路书”，甚至比路书还要精确。它包含有道路的完整信息，比如道路标志、指示信号、地形、地标、地势信息等。通常，高精度地图是通过卫星定位并辅助视觉传感器校核，所以不需要太过担心看不到路面的情况。

我们拿荷兰公司VTT举例，他们是北欧地区最大的综合研究机构，北欧的环境大家知道，冰天雪地。VTT的思路就是使用了高精度地图来实现车辆定位。其自动驾驶汽车可以在雪地（约7.6厘米厚）上，以大约25英里/时的速度行驶。

所谓自动驾驶汽车的“视觉”，也就是车辆对外界环境的感知能力。自动驾驶汽车的视觉主要有两个作用。

一是定位。自动驾驶汽车通过对环境的检测，确定自身的位置，比如要确保自己行驶在车道中央，就需要实时监测车辆与两侧车道线的距离。

二是决策。车辆需要基于周围环境做出合适的驾驶决策，当旁边车道有车时，车辆就不能直接并线，而当前方检测到障碍物时，车辆就需要做出减速或是变道的判断。

车辆对环境的感知，通常是通过遍布车身的雷达、摄像头等传感器来实现的。因此，要提升视觉能力，最直接的方法就是提高传感器的精度、可靠性、可以检测的范围等。

不过，紧靠这些并不够，因为任何传感器都有极限，特别是当天气情况不佳，或是特定的光线条件下，传感器可靠性的下降不可避免的问题。而且，如果是坡道或是弯道，即使距离并没有超过传感器的检测范围，自动驾驶汽车的视觉能力也会受到直接影响。

为了解决这个问题，高精地图就成了自动驾驶的另一个维度的视觉能力。所谓高精地图，是专门为自动驾驶汽车使用的，含有道路及周围环境详细信息的电子地图，出了车道宽度、曲率、倾斜度等外，天桥、龙门架、红绿灯高度、位置等等都会详细表述其中。这样，自动驾驶汽车就会提前对所行驶的整个区域有一个准确了解，从而提前做出行为预判。前面提到的恶劣天气下，借助高精地图，车辆可以不必完全依靠传感器的输入，而在弯道，坡道等情况下，车辆会提前以更合适的速度通过，从而提高安全性。

除了传感器和高精地图，车路协同和云端信息共享也是提升自动驾驶汽车视觉能力的重要手段，对于一些突发事故，通过云端信息共享，可以提前告知还未行驶到该区域的车辆，从而进行最优决策规划。