计算机视觉在自动驾驶领域上的应用有一些比较直观的例子，比如交通标志与信号灯的识别，高速公路车道的检测定位等。

目前，基于激光雷达信息实现的一些功能模块其实也可以利用计算机视觉来实现。

计算机视觉在自动驾驶场景中解决的最主要问题可以分为两大类：物体的识别与跟踪及车辆本身的定位。

一.物体的识别与跟踪：

通过深度学习的方法，无人车可以识别在行驶途中遇到的物体，比如行人、空旷的行驶空间、地上的标注、红绿灯，以及旁边的车辆等。行人及旁边的车辆等物体都是在运动的，我们需要跟踪这些物体以达到防止碰撞的目的，这就会涉及光流等运动预测的算法。

二. 车辆本身的定位：

通过基于拓扑与地标的算法，或者基于几何的视觉里程计算法，无人车可以实时地确定本身的位置，以满足自主导航的需求。

计算机视觉技术满足解决上述问题的需要，背后也需要数据标注行业的支撑。无论是物体的识别与跟踪还是车辆本身的定位，机器学习在初期都需要海量的真实道路数据做支撑，而且数据集体量越大、越精准，识别与定位的准确率就越高。

自动驾驶可能是计算机视觉发展的一次难得的机遇，无人车产业爆发带来的资源，意味着计算机视觉将要迎来“大数据”和“大计算”带来的红利，正如特斯拉CEO马斯克所言：“只要有摄像头，你绝对可以实现成为超人的梦想。”自然界的生物就是通过眼睛感受外界，而摄像头的原理与之相似，通过摄像头与神经网络技术，未来汽车将实现像人类一样自动驾驶。