当遇到未被地图标注的临时障碍物时，自动驾驶汽车主要依靠其先进的实时感知系统和动态决策规划能力来应对，整个过程不依赖于预存的高精地图信息。具体应对策略可以分为以下几个关键步骤：
1. 实时感知与识别
自动驾驶汽车通过多传感器融合技术，实时探测和识别前方的未知障碍物。这些传感器包括：
- 摄像头：捕捉道路的视觉信息，利用深度学习和计算机视觉算法进行语义分割和物体识别，能够区分行人、车辆、动物、施工围挡、锥桶、掉落的货物等不同类型的障碍物。
- 激光雷达（LiDAR）：发射激光束并接收反射信号，生成精确的3D点云图，能够准确测量障碍物的距离、形状和大小，即使在光线不佳的情况下也能有效工作。
- 毫米波雷达：通过发射无线电波探测物体，具有较强的穿透雨、雪、雾的能力，能够在恶劣天气下提供可靠的探测数据，尤其擅长测量物体的速度和距离。
- 超声波传感器：主要用于近距离探测，常用于低速场景下的障碍物识别，如自动泊车。
系统会将这些来自不同传感器的数据进行融合，相互验证和补充，从而形成一个更全面、更可靠的环境模型，精准判断障碍物的类型、位置、速度和运动轨迹。
2. 风险评估与决策
在识别出障碍物后，车辆的决策系统会立即进行风险评估：
- 判断可通行性：分析障碍物的大小、位置以及与本车路径的交集，判断是直接通过、减速绕行还是必须停车。
- 预测行为：对于动态障碍物（如行人、自行车），系统会预测其未来的运动轨迹。
- 权衡风险：评估直接通过、变道绕行或紧急制动等不同策略的潜在风险。例如，变道可能会与邻近车道的车辆发生冲突，而紧急制动可能被后车追尾。
3. 轨迹规划与控制
根据风险评估的结果，车辆会生成一条新的、安全的行驶轨迹：
- 减速或停车：如果障碍物完全阻塞道路（如前方事故或施工），车辆会平稳减速并安全停车，等待障碍物清除或驾驶员接管。
- 避障转向：如果相邻车道安全且允许变道，系统会规划一条平滑的绕行路径，控制车辆进行变道或横向微调以避开障碍物。
- 紧急避让：在极端情况下，系统可能会执行紧急避让动作，如快速转向或全力制动。
4. 后续处理与数据共享
成功应对临时障碍物后，车辆通常会采取以下措施：
- 事件上报：将此次遇到的未标注障碍物的位置、类型和时间等信息上传至云端服务器。通过众包（crowdsourcing） 的方式，这些数据可以被其他自动驾驶车辆共享，快速更新道路异常地图，提升整个车队的应对能力。
- 系统学习：利用此次事件的数据，进一步训练和优化感知与决策算法，提高未来识别和处理类似情况的准确性。
总结
面对未被地图标注的临时障碍物，自动驾驶汽车的核心在于其**“实时感知-动态决策-快速执行”** 的闭环能力。它不依赖静态地图，而是像人类驾驶员一样，通过“眼睛”（传感器）实时观察环境，用“大脑”（算法）快速分析和决策，再用“手脚”（执行器）控制车辆做出反应。随着传感器技术和AI算法的不断进步，自动驾驶汽车应对这类突发状况的能力正在持续增强。
