01感知層：車道線偵測與 BEV 俯視圖轉換

自駕系統的第一步是「看懂道路」。透過語意分割與霍夫變換（Hough Transform），系統能精確定位車道線邊界。現代自駕模型更透過 BEV（Bird's Eye View）網路，將多支環景攝影機的影像即時投影轉換為 3D 俯視地圖。

02多感測器融合 (Sensor Fusion)

單靠攝影機在暴雨或大霧中可能受限。自駕系統結合 LiDAR（光達）、Radar（毫米波雷達）與 Cameras，透過 Kalman Filter（卡爾曼濾波）進行多感測器融合，獲得最精準的障礙物距離與相對速度。

03決策與路徑規劃：A* 演算法與 DWA 動態窗口法

在避障與導航中，系統結合全局路徑規劃（A* 或 Dijkstra 演算法）與局部動態避障（Dynamic Window Approach, DWA），在幾毫秒內計算出符合車輛運動學極限的最平滑軌跡。

04AGV 與 AMR 工廠無人搬運車實務落地

相同的視覺自駕技術能無縫落地方案於智慧工廠的 AGV/AMR 搬運車，實現無軌道的自主導航與動態避障。」

FAQ常見問題解答

Tesla 的純視覺方案 (Pure Vision) 與 LiDAR 方案差在哪裡？

純視覺方案高度依賴深度神經網路進行深度估計 (Depth Estimation)，硬體成本低；LiDAR 方案能直接獲取精確 3D 點雲，但成本高昂。

這套路徑規劃演算法能用於 AGV 搬運車嗎？

完全可以！A* + DWA / TEB 演算法已廣泛應用於 ROS (Robot Operating System) 系統中的 AMR 機器人。

如何處理突發的行人衝出（Cut-in）狀況？

透過碰撞時間預測 (Time-to-Collision, TTC) 與緊急煞車 AEB 邏輯演算法進行即時安全介入。