L4 级别自动驾驶（SAE 定义的 “高度自动驾驶”）要求系统在特定运行设计域（ODD，如城市道路、高速公路）内完全接管驾驶任务，无需人类干预，其软件架构需满足高可靠性、实时性、安全性和鲁棒性，同时支持复杂环境感知、动态决策与精准控制。以下从核心模块、支撑系统及设计原则三个维度，详细解析 L4 自动驾驶软件架构。
L4 软件架构的核心是 “环境理解 - 行为决策 - 车辆执行” 的闭环链路，包含五大核心模块：
作用：处理传感器原始数据，识别并理解周围环境元素，为后续决策提供基础。
输入：摄像头、激光雷达（LiDAR）、毫米波雷达（Radar）、超声波传感器等的原始数据。
核心功能：
- 传感器校准与同步：统一不同传感器的时间（避免数据延迟）和空间（如 LiDAR 与摄像头的坐标对齐）基准，确保数据一致性。
- 目标检测与分类：识别车辆、行人、骑行者、交通信号灯、车道线、障碍物等，输出目标的位置、尺寸、速度等信息。
- 例：摄像头通过图像识别交通灯颜色，LiDAR 通过点云测量车辆距离，毫米波雷达在雨雾天稳定检测移动目标。
- 语义与实例分割：将环境像素 / 点云分类为 “车道线”“人行道”“护栏” 等语义类别（语义分割），并区分同一类别的不同个体（如区分两辆不同的车，实例分割）。
- 传感器融合：结合多传感器优势（如 LiDAR 的三维精度 + 摄像头的色彩信息 + 雷达的抗干扰性），提升感知的准确性（减少漏检 / 误检）和鲁棒性（应对恶劣天气、光照变化）。
技术挑战：处理动态环境（如突然横穿的行人）、遮挡场景（如大型车辆遮挡信号灯）、低光照 / 暴雨等极端条件。
作用：实现厘米级高精度定位，确保车辆知道 “自己在哪里”，并结合地图理解道路上下文。
输入：高精度地图（HD Map）、GNSS（GPS / 北斗）、IMU（惯性测量单元）、轮速计、LiDAR 点云等。
核心功能：
- 高精度定位：
- 结合 HD Map（包含车道线位置、曲率、交通标志坐标等）与实时传感器数据（如 LiDAR 点云匹配地图中的路灯 / 杆状物），实现误差≤10cm 的定位。
- 应对 GNSS 信号弱场景（如高楼遮挡、隧道）：通过 IMU 短期积分（基于加速度和角速度推算位置）+ 轮速计辅助，弥补定位漂移。
- 地图管理：
- 依赖预构建的 HD Map 作为 “基准参考”，同时通过在线 SLAM（即时定位与地图构建）动态更新临时障碍物（如施工区域）或地图未覆盖区域。
技术挑战：HD Map 的鲜度维护（道路施工后需快速更新）、复杂场景（如地下车库）的定位稳定性。
作用：预测周围交通参与者的未来行为与轨迹，为规划层提供 “安全边界”。
输入：感知层输出的目标状态（位置、速度、加速度）、HD Map 的道路结构（如交叉口、弯道）、交通规则（如信号灯状态）。
核心功能：
- 行为预测：判断目标的潜在动作（如车辆是否会超车、行人是否会横穿马路）。
- 轨迹预测：输出未来 3-5 秒的可能轨迹（含不确定性），需考虑：
- 物理约束（如车辆最大加速度）；
- 交互关系（如跟车时前车减速会导致后车减速）；
- 交通规则（如红灯时车辆大概率停车）。
技术挑战：人类行为的随机性（如行人突然折返）、多目标交互的复杂性（如交叉口多车抢行）。
作用：基于感知、定位和预测结果，结合目的地与交通规则，生成安全、舒适、高效的行驶方案。
输入：定位信息、预测轨迹、HD Map 的道路规则（限速、车道属性）、用户目的地。
核心功能：
- 全局路径规划（Route Planning）：类似导航，基于起点和终点在 HD Map 上规划宏观路线（如 “从 A 路经 B 桥到 C 区”）。
- 局部轨迹规划（Trajectory Planning）：在全局路径框架下，生成短期（几十米内）的具体行驶轨迹，包含：
- 决策逻辑：换道、超车、转弯、跟车、避障、礼让行人等；
- 轨迹优化：满足安全性（与障碍物保持距离）、舒适性（加速度 / 加加速度不宜过大）、合法性（不压线、不闯红灯）。
技术挑战：动态避障（如突然出现的障碍物）与效率的平衡（避免过度减速导致拥堵）。
作用：将规划层的期望轨迹转化为车辆执行器的指令，确保车辆精准跟踪轨迹。
输入：规划层输出的目标位置、速度、加速度，车辆动力学参数（如转向比、制动响应延迟）。
核心功能：
- 纵向控制：通过油门和刹车调节车速，跟踪目标速度（如跟车时保持安全距离）。
- 横向控制：通过转向系统调节车轮角度，确保车辆沿目标车道行驶（如过弯时保持车道中心）。
- 控制算法：常用模型预测控制（MPC，处理车辆动力学约束）、PID 控制（简单场景的稳定跟踪）。
技术挑战：车辆负载变化（如载客量不同）、路面摩擦系数差异（如冰雪路）对控制精度的影响。
L4 架构需额外的支撑模块解决硬件适配、通信调度、安全防护等问题，确保核心功能稳定运行。
作用：屏蔽硬件差异，为上层软件提供统一接口。
- 传感器层面：将不同型号 LiDAR（如 128 线 / 32 线）的点云格式、摄像头的图像编码统一转换为标准格式，避免感知层因硬件更换而重写。
- 执行器层面：将控制指令（如 “转向角 3 度”）转换为不同车型的底层信号（如 CAN 总线消息）。
- 硬件监控：实时检测传感器 / 执行器故障（如 LiDAR 点云丢失、刹车失灵），触发冗余切换或安全模式。
作用：实现模块间的高效通信与任务调度。
- 通信功能：采用 “发布 - 订阅” 模式（如 ROS 2、AutoSar Adaptive），支持感知结果、定位信息等数据的低延迟（≤100ms）传输，满足实时性要求。
- 任务调度：优先执行关键任务（如紧急制动指令），避免计算资源抢占导致的延迟。
- 车规级中间件需满足功能安全（ISO 26262）和高可靠性（如支持分布式部署）。
- 功能安全（ISO 26262）：通过冗余设计（如双计算单元、双 LiDAR）和监控机制，避免因系统故障（如芯片算力下降）导致危险。需根据风险分析（HARA）确定 ASIL 等级（L4 通常需 ASIL D，最高等级）。
- 预期功能安全（SOTIF，ISO 21448）：解决因算法性能不足（如感知漏检行人）导致的风险，通过海量数据训练（如模拟极端场景）提升鲁棒性。
作用：防止恶意攻击（如黑客劫持车辆控制），遵循 ISO/SAE 21434 标准。
- 通信加密：V2X（车与车 / 路 / 云通信）数据采用 TLS 加密，防止信息被篡改。
- 身份认证：确保接入车辆的设备（如云端服务器）可信，避免伪造指令。
- 入侵检测：实时监控异常行为（如异常 CAN 总线消息），触发防护机制（如切断控制链路）。
作用：在系统需人类介入时（如超出 ODD）实现有效交互。
- 接管提醒：通过视觉（仪表盘警报）、听觉（蜂鸣）、触觉（方向盘震动）多模态提醒驾驶员接管。
- 状态展示：显示自动驾驶激活状态、周围环境感知结果、规划轨迹等，增强用户信任。
- 模块化：各模块独立开发、测试（如感知层可单独优化目标检测算法），便于迭代升级。
- 冗余性：关键组件（传感器、计算单元）冗余，单点故障时无缝切换（如主 LiDAR 故障后启用备用 LiDAR）。
- 可扩展性：支持新增功能（如接入 V2X 信号）或适配不同车型（通过 HAL 层兼容硬件）。
- 计算算力：LiDAR 点云（百万级点 / 秒）和高清图像的实时处理需车规级 AI 芯片（如 NVIDIA Orin、华为 MDC 610）支持。
- 极端场景覆盖：长尾问题（如罕见的 “动物突然横穿高速公路”）需通过仿真与真实数据结合训练解决。
- 安全与效率平衡：过度保守的决策（如频繁急刹）会影响用户体验，需优化规划算法的 “合理性”。
L4 自动驾驶软件架构是 “感知 - 定位 - 预测 - 规划 - 控制” 核心链路与 “硬件抽象、中间件、安全防护” 支撑系统的有机结合，其设计需以安全性为核心，兼顾实时性、鲁棒性和可扩展性，最终实现特定场景下的全无人驾驶。随着传感器技术、AI 算法和车规级硬件的进步，L4 架构将逐步向更复杂的开放道路场景扩展。