自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。
在今年两会政府工作报告中，第一次提出了与汽车行业有关的新概念——“智能+”出行概念，以便推进我国汽车产业转型升级，在几年前，我国发布的《汽车产业中长期发展规划》中明确，到2025年国内汽车驾驶辅助系统、部分自动驾驶以及有条件自动驾驶的新车装配率达到80%，这也意味着我国汽车产业有了新的发展机遇。
但目前自动化驾驶汽车又有哪些困难？
总结目前自动化驾驶汽车现在面临着几大困难：
一. 技术上困难。
1. 天气原因，在大雪、暴雨、大雾和沙尘暴等天气因素下，激光传感器发射出来的光束会被雪花反射，认为雪花是障碍物，雷达虽然不受此类天气干扰，但是其看不到自动驾驶车辆计算机所需的物体的形状，无法判断是什么物体。
2. 车道线、行车标识、路沿的分辨，在全世界范围内的道路标记线均不相同，很多地区甚至没有道路标记线，并且车道线画的不太规范的，行车标识更是各不相同，所以自动驾驶汽车需要在不同地区将这些路况全部准确的识别出来。
3. 安全性。自动驾驶存在着诸多安全难题，首先是信息采集问题，比如说遇到传感器失灵和路况信息采集不准确时，自动驾驶汽车可能会做出错误的决定，而发生交通事故；第二点是因为系统死机，或者是临时性网络故障，进而导致系统崩溃，发生交通事故；其三则是黑客攻击问题。
二. 政策法规上困难
全国人大代表、北京市律师协会会长高子程认为存在着五大主要问题：一是路测缺乏法律依据；再者是禁止测试过程中搭乘与测试无关的人员或货物，阻碍路测的丰富化发展和用户教育；三是测绘活动资质制约了高精地图众包模式的发展；四是自动驾驶相关的法律纠纷无法可依；五是自动驾驶领域存在“无险可投”风险；
三. 路况上的原因
路上行人多，障碍物多种多样。而自动驾驶车必须靠有限的传感器和历史数据来探测障碍物并做出相应判断。我国很多地方没有明显路标，很多省市的路标也不一致。就算是市区里，很多路面上的分割线也不明显。一些偏远地区也没有地图。这无疑给深度学习加大了难度。
面对如此多的困难，我们应该怎么去拥抱自动驾驶汽车技术呢？
技术问题的解决。城市交通拥堵和汽车尾气带来的环境污染越来越影响了人们的生活质量，随着应用计算机视觉、深度学习和知识图谱技术的智能化环保型驾驶方式为解决经济问题和社会问题创造良机。计算机视觉技术对周围的交通环境进行识别；深度学习技术和知识图谱构建理解、规划、决策以及经验，同时按照时间顺序更好地统筹安排车辆使用提高车辆的使用效率，减少车辆消费总量，有效减少碳排放；机器学习操控汽车，如方向盘是否转到位、油门刹车档位如何协调等。智能驾驶核心依靠感知探测一定范围内障碍物，并依据已设置好的路线规划实施驾驶行为，各式车载雷达、传感器、辅助驾驶系统和高精地图可实现驾驶、车和路的交互与融合。
政策法规的解决。在未来各国智能驾驶相关政策法规逐渐成型、行业内技术不断完善、智能驾驶企业积极推动应用落地。
