一、識別技術
和人類的眼睛一樣，自動駕駛汽車也有它自己的眼睛，用來識別周邊的車輛、障礙物、行人等路上的情況。自動駕駛的眼睛是由傳感器構成的，包括攝像頭、激光雷達、毫米波雷達，還有紅外線、超聲波雷達等。
其中，常用的是攝像頭，它和人類的眼睛接近，可以看清有顏色的標識、物體，看得懂字體，分得清紅綠燈。但是缺點也不少，比如在夜晚或惡劣的天氣下視力就嚴重下降，也不擅長遠距離觀察。
其次是頗富爭議的LiDAR，即激光雷達。比較常見的是在車頂，像是頂不停旋轉的帽子。原理很簡單，就是通過計算激光束的反射時間和波長，可以完成繪制周邊障礙物的3D圖。而短板則是無法識別圖像和顏色。
還有，毫米波雷達，因為它可以全天候工作，這使得它*，即便它無法識別高度，分辨率不高，也難以成像。但它憑借其穿透塵霧、雨雪的硬本領，站穩一席之地。
其中與安防密切相關的當屬常見的攝像頭了。當前，新的人工智能技術使得安防攝像頭擁有人臉識別、車牌識別、活體檢測等功能，成為推動安防產業發展的變革力量。而AI的應用，也使其他行業產生對攝像頭的需求，這其中就包括自動駕駛。
目前主流自動駕駛技術靠兩種系統來實現：一是激光雷達系統，但成本過高，推廣不易；另一個就是視頻監控分析系統，這項技術已較為成熟，價格低，易推廣。而在自動駕駛所有技術當中，基于視像的技術較為突出，通過視頻監控，可以實時分析路況、車輛及行人信息，輔助汽車做出有效、及時的反饋。其中，圖像傳感器性能決定傳輸圖像質量，沒有高質量圖像獲取與傳輸，視頻分析準確性就無從談起。視頻監控與高質量圖像傳感器對于自動駕駛汽車來說非常重要。
未來，在攝像傳感器性能突破、芯片成本下降以及深度學習技術推動下，預計在自動駕駛汽車后視/環視和夜視攝像頭、*駕駛輔助系統、視鏡替代和行車記錄儀、駕駛/車輛接口等應用中至少應用8-10個攝像頭。
近年來，汽車領域對視頻監控的需求成為拉動安防行業進一步發展的因素。車載攝像頭處于自動駕駛和車聯網雙風口，市場規?？臻g巨大，根據HIS估算，車載攝像頭出貨量將從2014年的2800萬個增長到2020年的8300萬個，復合增長率達20%。安防企業大舉進入自動駕駛領域，很大一部分是以自身*安防技術為背景，尤其是視頻監控技術。
二、決策技術
通過眼睛識別得到了周邊環境，接下來就要充分利用這些信息進行理解分析，決定自己該如何走下一步。要完成這項任務的就是強大腦。自動駕駛機器人需要完成大腦中的知識庫有兩種方式：專家規則式和AI式。
專家規則式，英文叫rule-based。即提前編寫好規則，當需要做決定的時候必須嚴格遵守這些規則。舉個例子，當準備超車變道時，需要滿足以下條件(這是一個假專家，僅供參考)：道路半徑大于500R(彎道不變道)；跟目標車道上的前后車的距離都在20m以上；比后車的車速慢不超過5km/h；等等等等...以上N個條件同時滿足時，即可超車變道。
AI式，就是一直很火的人工智能。模仿人類的大腦，通過AI算法對場景進行理解?；蛱崆巴ㄟ^大量的犯錯積累經驗，或事前聽某人指點江山。通過AI式積累知識庫，會讓她的反應更加靈活。
三、定位技術
目前，除了主流的用GPS或GNSS(衛星導航系統)來定位的方式之外，也有在公路上鋪設電磁誘導線等方式來實現定位。高精度GPS定位目前來說大難題是，山區和隧道等地理因素對精度的影響，雖然可以依靠IMU(慣性測量單元)來進行推算，但GPS丟失信號時間過長的話，累計的誤差就會比較大。
另外，自動駕駛的3D動態高清地圖帶給了自動駕駛更多可能性。因為有了高清地圖，就可以將自己的位置輕松定位在車道上。
對于未來的車輛來說，確定自身在車道內的位置是基礎。因此定位和地圖構建，成為了一個基礎而重要的環節，對于自動駕駛的核心控制系統而言，需要利用感知傳感器觀察環境，同時根據感知信號對環境的地圖構建和自身進行定位。而面向自動駕駛的精確控制，定位技術需要的是厘米級定位，確切地知道車輛的位置。根據自動駕駛系統所對應的不同，大致可以分為：
基于地標：根據視覺或者激光雷達的定位，與數據庫中的特征匹配，確定車輛本體的位置和環境。
基于信號定位：采用外界的位置信號，如衛星系統(GNSS)和5G;
基于慣性導航技術：在了解車輛的位置后，計算車輛的當前位置和方向。航位推算的本質是在初始位置上累加位移矢量計算當前位置，它是一個信息累加的過程。
四、通信安全技術
試想如果被黑客入侵，控制了你的自動駕駛車，不僅可以監聽到你的秘密談話，還很可能成為殺人工具。黑客可以通過影響傳感器的數據而影響決策，或直接介入判斷機制進而影響行駛軌道。
關于自動駕駛的安全，一般包括行駛安全、功能安全以及網絡安全。
安全性目前依舊是自動駕駛汽車的一大主要挑戰。自動駕駛汽車依靠人工智能、視覺計算、雷達、監控裝置和定位系統協同合作，讓系統可以在沒有人類主動的操作下，自動安全地操作機動車輛。但自動駕駛系統的一個不安全"決定"，很可能會危害到人類生命，同時造成巨大的經濟損失?，F在，在自動駕駛汽車呈現出實用化的這一過程中，有關自動駕駛系統的事故已引起各機構的關注。
理論上講，由于自動駕駛汽車不像人類駕駛員那樣容易注意力分散或疲勞，它們其實具有減少路面交通事故的潛力。不過，人類在遇到新狀況時，無論是反應速度還是反應能力仍然要好很多。雖然現階段我們無法訓練自動駕駛汽車熟悉所有可能的交通狀況，但工程師們可以向它們提供一種能計算"無事故軌跡"的框架，當然，其前提是其他道路使用者也能合法駕駛。
自動駕駛車使用安裝在車上的傳感器和ICT終端來檢測和分析周圍環境，來控制方向盤和制動。隨著網聯車的發展，各種信息將通過網絡實時發送和接收。據intel稱，自動駕駛車每天將能夠處理大約4TB的數據。
汽車的通信和娛樂系統是容易被黑客通過入侵手機網絡、WiFi、藍牙等通道，找到車載App漏洞進行攻擊，就能獲取用戶在這些App上的隱私數據、歷史記錄，實現監聽或促發導航偏離。
另外傳感器也是黑客入侵可能的途徑。像GPS、攝像頭、激光雷達、毫米波雷達、IMU等常見傳感器裝置，都可以被黑客干擾進而影響自動駕駛的判斷機制和行駛軌道。比如攻擊激光雷達讓其辨別不了即時性不良數據，或者是試著干擾他們長期積累的聚合數據等等。
五、人機交互技術
遇到自動駕駛駕馭不了的場景，便會呼喚人接替它的工作。這時，HMI(人機界面)就發揮作用了。它的目標是，用直觀、便捷的方式通知我們，讓駕駛員盡快注意到。
此外，通過觀察分析駕駛員的面部表情和動作，判斷其困倦狀態，并通過給駕駛員提供感興趣的話題等方式予以提醒，也是人機交互多樣化發展的一個例子。還有些不僅局限于和車內人的互動，也可以與路上行人進行互動，表達讓行等意愿。
