| ID | 描述 | 类别 | 概率 | 影响 | 评分 | 来源 |
|---|---|---|---|---|---|---|
| RE001 | 激光雷达传感器受雨雪天气影响 | 感知风险 | 0.7 | 0.8 | 0.75 | 传感器数据 |
| RE002 | 路径规划算法在复杂交通环境下出现死锁 | 规划风险 | 0.5 | 0.9 | 0.70 | 算法 |
| RE003 | 车辆通信系统受到网络攻击 | 通信风险 | 0.3 | 0.9 | 0.60 | 网络安全 |
| ID | 描述 | 类别 | 影响范围 | 评分 | 相关风险事件 |
|---|---|---|---|---|---|
| RS001 | 激光雷达传感器 | 传感器 | 感知 | 0.8 | RE001, RE004 |
| RS002 | 路径规划算法 | 算法 | 规划 | 0.7 | RE002 |
| RS003 | 车载通信系统 | 网络安全 | 通信 | 0.9 | RE003 |
以下是各功能点的入口，以突出显示的应用场景方式展示。
应用场景: 在车辆行驶过程中，需要实时从摄像头、雷达、激光雷达等传感器读取数据，确保环境感知系统的正常运行。
应用场景: 不同传感器的数据在时间和空间上可能存在差异，需要对这些数据进行同步和校准，以保证数据融合的准确性。
应用场景: 从传感器数据中提取特征点、目标轮廓等信息，为后续的目标检测和识别提供基础。
应用场景: 检测和识别交通参与者（车辆、行人、交通标志等），为自动驾驶决策提供关键信息。
应用场景: 整合摄像头、激光雷达、毫米波雷达等多种传感器数据，提高环境感知精度和鲁棒性。
应用场景: 基于传感器数据进行自车定位，确保车辆在地图上的精确位置信息。
应用场景: 对检测到的障碍物进行跟踪，预测其运动轨迹，为避障决策提供依据。
应用场景: 识别交通信号灯的状态，确保车辆遵守交通规则。
应用场景: 识别道路结构信息，如车道线、道路边界等，为车辆行驶提供约束。