在此給狹義的認路下個定義，此定義只在本文范圍內有效。認路是指在知道從A地到B地的大方向和大體路徑以后，怎樣安全到達的過程中應對實際問題的能力。

　　總結起來，上路行駛，汽車認路需要兩種能力，識別并應對靜止的目標和運動的目標的能力。

　　靜止的目標包括，道路邊際，道路標記線，路面固定的障礙;運動的目標，包括車輛，行人，小動物等各種可能出現(xiàn)在道路上的動態(tài)事物。

　　汽車怎樣識別靜態(tài)目標

　　結構化和非結構化道路

　　對于無人車，道路被劃分成結構化道路和非結構化道路。二者的區(qū)別在于，是否具有清晰的道路邊界，路面是否均勻平整具有一致的光學性質，是否具有明顯的路面標識。不科學的講，就是正規(guī)柏油馬路與鄉(xiāng)村土路的關系。

　　對于結構化道路，無人車的檢測目標主要是道路標記線，依據對道路標記線的定位，調整自己的方向，使自身始終處于交通規(guī)則要求的正確行車位置。結構化道路的識別方法比較多，研究相對充分，已經基本滿足實際應用的要求。

　　對于非結構化道路，無人車的檢測目標是道路的邊際。但自然形成的人工化低的道路，其邊際模糊，不同道路的差異性大，并且路面情況也不一致，造成各種算法想要兼顧所有情況，幾乎不可能。再加上離線地圖在非結構化道路這方面，時常缺失。非結構化道路，是無人駕駛的難點。

　　交通標志的識別

　　識別交通標志，應用較多的方法是，先進行顏色分類，再進行形狀識別;另外也有模板匹配法，直接在系統(tǒng)中定義出可能的交通標志模板，遇到一個標志，拿來與存儲的信息進行匹配即可做出判斷。每個國家和地區(qū)的交通標志都是有限量的，模板匹配是個效率較高的方法。

　　障礙物識別

　　障礙識別，常見的過程是這樣的，先運用激光雷達射程遠的特點，遠距離掃描，發(fā)現(xiàn)障礙物，測量距離，確定是否是靜止障礙物;再使用照相機等其他成像設備，測量其具體形狀和尺寸等特性參數。視覺系統(tǒng)對障礙物質地的檢測還比較不成熟。

　　汽車怎樣應對動態(tài)目標

　　動態(tài)目標的處理要相對復雜，需要處理好連續(xù)相關的三個問題，怎樣檢測到障礙物，獲取它的運動信息;怎樣預測運動物體的軌跡，和下一時刻相對自己的位置關系;車輛自身采取怎樣的應對策略，避免與運動目標發(fā)生碰撞。

　　獲取障礙物信息

　　對于運動物體，依靠一次激光雷達的掃描結果是無法確定的，必須分析對比依照時間推移，不同的掃描結果之間的關系。比如在離線地圖上的相對位置，1秒鐘以前與現(xiàn)在的位置有怎樣的變化，比如測量障礙物與無人車之間的距離，結合自身車速，可以判斷障礙物是否移動。

　　預測物體運動軌跡

　　為了應對行進方向上的運動物體下一刻的位置，無人車傾向于對運動物體后續(xù)軌跡進行預測。根據物體當前的運動狀態(tài)，推測它大概率保持當前狀態(tài)繼續(xù)運行。這種方式，在運動物體出現(xiàn)狀態(tài)突變的時候，會預測失敗，比如對行人的預測，失敗率比較高。

　　在此基礎上，應用一些改良手段，添加一些限制條件，比如當前的道路軌跡、交通信號;模糊控制，開放設想運動物體的可能性，比如，車輛超越行人時，設定一個較大的安全距離。改良后的預測，有用性會大大提高，但預測這件事本身，都是概率上的成功，而不可能百分之百。

　　避撞策略

　　根據前一步的預測，無人車需要作出應對策略，避免碰撞事件的發(fā)生?？傮w思想就是在運動物體預測軌跡上，避免自身軌跡與其預測軌跡的時空同時交匯，并保留一定的安全空間。

　　有的規(guī)則認為，運動物體距離較遠時，對自己影響小，可以減少關注，距離較近時影響大，需要給予更過關注，也就是運算量;有的規(guī)則，綜合考量自身運動狀態(tài)和運動物體的狀態(tài)，劃定安全范圍和危險范圍，綜合全部安全范圍，規(guī)劃自己的路徑;有的，則采用即時反應策略，根據運動目標的變化，隨時調整自己的路徑規(guī)劃，這個方法需要的算力非常大。

　　找到引路的標記，避開路上遇到的動靜障礙，無人車跑起來。