無人駕駛車已經開發出來了，國內首張自動駕駛卡車路測牌照也已經頒發，離無人駕駛實現普及化是又近了一步。但是在無人駕駛的開發上也是有許許多多的難題的。
比如傳感系統，不得不承認現在無人車能出現很大程度上依賴傳感器的進步。其實早在 80 年代美國就通過磁釘導航完成過很多無人駕駛的實驗。他們在地下埋上磁釘，通過尋找磁釘的方式可以完成高速的巡航、并道、超車等一些列的實驗。很明顯，這種成本太高，只能作為實驗。
后來傳感器技術突飛猛進，卻依然很難達標。比如天氣環境惡劣時將嚴重影響傳感器的精度，或者車輛前方有障礙，要判斷障礙物是運動的還是靜止的，至于車是停下來還是繞過去，可通過人工勢場算法。這部分主要的難度是傳感器識別障礙，在車輛運動的前提下，確定障礙的運動狀態。也就是說你要在運動的坐標系下，計算另一個物體相對靜坐標系的速度，并作出判斷。
GPS也是個問題。汽車行駛總要經過一些樓宇隧道吧，如果GPS無法到達，就需要里程計 + 陀螺儀，俗稱慣性導航單元。這套系統的原理就是：花錢越多，有效時間越久。
原因是里程計、陀螺儀都存在累積誤差。要注意，誤差是累計的，也就是說上一時刻是 0.5m 的誤差，下一時刻指定大于 0.5m。因此要盡可能約束累積誤差，使其數量級很低，那么就要上光纖陀螺。因為電子級的陀螺通常達不到這個精度要求，不知道撓性陀螺行不行，但是估計撓性陀螺和光纖陀螺造價差不多。
感知系統
感知系統主要包括雷達和攝像頭。雷達又分為激光雷達、毫米波雷達、超聲波雷達等類型。激光雷達又可以分為單線雷達、雙線雷達、多線雷達等。
雷達的優勢在于測算的精度非常高，探測距離遠，當然成本也不低。但也有缺點，比如：激光雷達對雨霧的穿透能力受到限制、對黑顏色的汽車反射率有限;毫米波雷達對動物體反射不敏感;超聲波雷達的感知距離與頻率受限;攝像頭本身靠可見光成像，在雨霧天、黑夜的靈敏度有所下降。
360 度多線激光雷達，用于檢測周圍障礙物，無人車需要能夠感知周圍環境，又不能像人一樣單純用眼睛完成，于是這玩意可以返回周圍障礙物的距離，誤差毫米級。
攝像頭也分單目和雙目，當然雙目的要好一點啦。雙目的原理與人眼相似。人眼能夠感知物體的遠近，是由于兩只眼睛對同一個物體呈現的圖像存在差異，或稱“視差”。目標距離越遠，視差越小;反之，視差越大。所以說雙目系統對目標物體距離感知是一種絕對的測量，而非估算。
雙目系統成本比較低，而且沒有識別率的限制，因為從原理上無需先進行識別再進行測算，而是對所有障礙物直接進行測量，無需維護樣本數據庫，因為對于雙目沒有樣本的概念。雙目系統的缺點在于：計算量非常大，對計算單元的性能要求非常高，這使得產品化、小型化的難度較大。所以在芯片或FPGA上解決雙目的計算問題難度比較大。
國際上使用雙目的研究機構或廠商，絕大多數是使用服務器來進行圖像處理與計算的，也有部分將算法進行簡化后，使用FPGA進行處理，這就使效果受到較大程度影響，存在很多噪點與空洞，這對后續的計算不利，存在安全風險。
識別交通標識，如限速牌、紅綠燈。這些通過視覺系統完成，難點主要在實時性和魯棒性。要離線處理這些交通標志是很簡單的，但是在無人車上需要能在有限的時間里識別出來，并且考慮道路中可能有的光線變化、遮擋等問題。
通過以上內容，我們可以知道無人駕駛開發面對了特別多的難題，但是我們統統都可以克服。所以說人類的大腦是特別聰明的。