主要部分包括：高精度地图HD MAPS，定位Localization， 感知perception，预测 perdicition 规划 plan 控制 control
高精度地图HD MAPS中，几乎支持软件栈所有其他模块，包括定位感知预测和规划
定位Localization 讨论汽车如何确定所处位置，汽车利用激光和雷达数据，将这些传感器感知内容与高分辨率地图进行对比，使汽车进行自定位，达到cm
感知perception 了解无人驾驶车如何感知世界，深度学习是一个重要且强有力的感知工具，卷积神经网络对感知任务很重要，如分类，检测，分割
这种方法适用于不同的来源，包括摄像头，雷达和激光雷达
预测perception 用于预测其他车辆或行人可能如何移动
一种方法称为递归神经网络，可对其他物体随时间的运动进行跟踪，使用该时间序列预测未来
规划plan涵盖如何将预测与路线结合，以生成车辆轨迹 
控制control
什么是无人驾驶
无人驾驶车辆由专用计算机和传感器组成。自主计算单元比个人计算机快10倍
apollo中车辆车载计算单元受到大规模且强有力的云集群支持，任何给定的车辆都有许多先进的传感器。可执行感知和定位等任务
无人驾驶车的运作方式
计算机视觉就是我们通过摄像头图像弄清楚世界是什么样
传感器融合是我们合并来自其他传感器的数据，如激光和雷达，从而更加深入了解周围环境
定位来精确确定我们在的世界的位置
使用路径规划来绘制这个世界的路线
控制就是我们为了让汽车沿着我们在路径规划期间建立的轨道如何控制刹车方向盘油门
计算机视觉computer vision寻找颜色，边缘和渐变色，从而定义车道。已经对一个深度神经网络进行训练，使其绘制道路上其他车辆周围的边界框
传感器融合sensor fusion
定位localization
gps只能精确到大概一米到两米，
路径规划path planing
control
