自动驾驶车辆和传统车辆的主体结构基本相同，主要就是基于传统汽车的硬件结构基础上，通过信息技术、网络技术和人工智能技术赋予车辆自主运行、自动驾驶的能力。
主要分为三点：
- 增加各种先进的传感器，采用信息融合技术让车辆拥有感知周围环境的能力。
- 设定智能化的自动驾驶控制算法取代传统意义上驾驶员对车辆的操纵和控制。
- 通过网络技术让自动驾驶车辆具有和运维中心之间远程通信能力和车辆彼此之间的通信能力。
系统结构
自动驾驶技术包括：环境感知、决策规划和车辆控制三大部分。
- 环境感知：通过各种传感器使自动驾驶车辆更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。
- 决策规划：基于传感器感知融合信息，然后根据驾驶需求进行任务决策，在能避开可能存在的障碍物前提下，通过一些特定的约束条件，规划出两点间多条可选安全路径，并选取一条最优的路径作为行驶轨迹。
- 车辆控制：基于决策规划的轨迹目标，控制车辆的油门、刹车和转向等驾驶动作，调节车辆行驶速度、位置和方向等状态，以保证汽车的安全性、操纵性和稳定性。
硬件结构
主流无人车采用激光雷达作为主要感知传感器，同时结合摄像头、GPS、IMU、毫米波雷达、超声波雷达等，以NVIDIA Drive PX2或Xavier作为主要计算平台，在工业PC上运行各种算法模块，通过线控技术控制车辆行驶。
线控系统： 传统汽车是通过机械传动的方式对汽车进行转向、刹车等控制，而线控系统是通过电信号对汽车进行转向、刹车等控制、计算机能够更好地控制电信号，这就是为什么无人驾驶车采用线控系统来控制汽车的重要原因。
传感器系统： 分为环境感知和状态感知传感器。
- 环境感知：主要是获取车当前所处的环境信息，如车辆、行人、交通标志等等
- 状态感知：获取车自身的状态，如 车辆的位置、航向角、速度、俯仰角等
传感器包括：摄像头、激光雷达、毫米波雷达、超声波雷达、GPS等
- 摄像头：主要用于车道线、交通指示牌、红绿灯以及车辆、行人检测，具有检测信息全面，价格便宜的特点，但是受雨雪天气和关照的影响较大。
- 激光雷达：主要用于高精地图制作，障碍物识别、跟踪和自身定位，具有高精度、高分辨的优势，劣势在于对静止物体的探测能力较弱且成本高昂。
- 毫米波雷达：主要用于交通车辆和行人检测，具有检测速度快、准确、穿透雾、烟、灰尘的能力强，具有全天候全天时检测的特点，劣势在于雨、雾和雪等高潮湿环境中信号衰减。
- 定位系统：计算自身的空间位置
- 超声波传感器：近距离和低矮障碍物探测，避免车辆周边近距离感知盲区。
计算单元： 是无人车的大脑，传感器采集到的数据经过计算单元的运算，最后才能转换为控制信号，控制汽车的行驶。
软件结构
无人车的硬件结构大同小异，但做出来的无人车智能程度却千差万别，核心在于无人车的“自动驾驶大脑”的智能程度不一样，算法软件是从事无人车公司的核心竞争力。
实时操作系统： 针对自动驾驶定制化的高实时、高并发、低时延的Linux操作系统。
运行时框架： 基于操作系统的各算法模块调度框架，主要负责各模块之间的消息通信、资源分配和运行调度等。
上层就是各应用算法模块，各模块针对具体的应用场景承担各自的职责。
车联网系统
车联网系统是指通过无线通信技术、计算机技术、网络传输和控制技术，对无人车实现实时的、自动化的、高度集中控制的无人车运行系统。车联网系统的主要功能是实现车地的双向信息传输和运营组织的综合与应急处理。
应用场景
- 无人车的自动启动及自动运行、定点停车、全自动驾驶和自动折返。
- 无人车运行轨迹、定位和车载设备进行监视和检测、对系统进行自动诊断，将设备状况及故障报警信息传送到控制中心，对各种故障和意外情况分门别类，做出处置预案。
硬件组成
系统架构
