上班半年多，学习到了不少东西。为了防止像之前在字节那样，跑路了之后完全忘了自己学到了些什么业务知识，在这里做一些记录。也希望能够帮到更多热爱自动驾驶的人。里面可能有不少错误，欢迎捉虫。后续可能会持续更新。

基础

L1，L2，L3，L4，L5：这个一般人都知道。一般车厂的ADAS都是L2(只要有车道保持+ACC，就可以算L2)，一些高级一点的，可以应对动态场景的，如小鹏NGP，特斯拉FSD，可以算到L3。L4和L3最大的区别是，L4状态下，对车的主导权在机器手里，也就是在运行条件下，人就不应该接管。而L3是由人主动激活，并且要求人随时接管的。L5则是一个美好的愿景，永远无法达到。

OD：operation domain，可以翻译成运营区域？L4自动驾驶不可能覆盖全部的区域，一般需要我们选一些区域。这个OD的定义是很灵活的，比如说我定义我的车只能在高速上跑，所以所有有高速的区域都算是我的OD了。

3P/Three-P：指perception，prediction，planning&control，也就是感知、预测、规控三大模块。这三大模块是自动驾驶的核心技术。有时候人们会把prediction和planning&control合并在一起。

ACU/域控制器：ACU是Automated-driving Control Unit的缩写。ACU也好，域控制器也好，是指车上的一个集中计算单元，负责自动驾驶相关的计算。

MPI：Miles per Intervention，一次接管对应的自动驾驶里程，也就是平均跑多少里程才会接管一次。这个指标是评估自动驾驶系统的一个核心指标，MPI越高，也就是越不用接管，系统也就更优秀。但是，这个量化指标有时候会存在偏颇：例如，不同地区、不同时间下，环境不同，系统表现不同，MPI自然不一样。不同的安全员接管策略也有所不同，有人接管的过于保守，有的接管的过于激进。因此，MPI只能作为一个量化的参考值，不能迷信MPI。

Perception

tracking：追踪。对于感知模块来说，它仅发布自车周边有什么物体是不行的，它还需要知道，在当前帧中，每个object是由上一帧的哪个object运动而来的，这就是tracking。tracking会给每个object一个编号，发布这个物体的速度、加速度、类型等种种属性。只有下游模块拿到tracked object list，才可以继续进行操作。tracking的FP是十分可怕的，比单纯的detection的FP可怕的多：试想一下，一个不存在的东西被打上了编号，还拥有了本不应该拥有的速度和加速度(有些人把这种情况称之为shooter)。这会对下游模块造成很严重的影响。

Segmentation：分割。指根据lidar/camera的输入，将点云或图像分割成正确的部分。segmentation可以有效的填补detection的空白，对于一些车不认识的物体，如倾倒的树、倒下的无人自行车，segmentation也可以分割出来，向下游输出可行驶的区域。

Map

Lane：车道。高精地图的车道与人类认知的车道略有不同，一般都是一段一段的。比如一个长100米的三车道的道路，可能有6个lane：每个车道前50米和后50米算两个lane。这样做是方便routing和planning处理。

Virtual Lane：在路口，或者多车道汇入的时候，为了指导自车通行，一般在建图是会加入虚拟车道，类似有轨电车。

底图：指采集后初步加工得到的数据。一般是点云格式的，也有优化的好的直接就是几何形式（有时候称为semantic map）。

Planning&Control

Trajactory：Planning希望control去执行的轨迹线路径。一般都会发布未来5-10秒的trajactory信息。

Nudge：道内避障。在维持车道不变的情况下，横向偏离车道中心以绕开障碍物。

Coupled&Decoupled planning：时空轨迹联合规划/时空轨迹分解规划。这是两种不同的planner设计方法。Decoupled planning会将轨迹和速度分别求解，这样可以大幅降低规划问题的求解难度，但是可能会牺牲最终轨迹的最优性。而Coupled planning就是时空联合求解，这样对求解器的要求更高，但可能可以得到更高质量的轨迹。

ML Planner：machine learning based planner，用机器学习模型来输出规划结果的planner。目前比较流行的策略是，由ML planner输出多条轨迹，再由人工设定的规则对轨迹进行挑选和优化，防止生成异常轨迹。

Super Nudge：借道避障。借用对向车道或自行车道以绕开障碍物。这个behavior在不同公司有不同的叫法。

Pull out & Pull over：泊入和泊出。