因为设计驾驶逻辑其实并不困难，这不过是一个逻辑汇总以及机械学习的过程，以江南集团的程序员的水平，只要一年的时间就能够拿出完善的程序出来。
整个自动驾驶技术最困难的地方其实在于数据收集，在于对整个道路路况的详细掌握。
电动车的自动驾驶技术的逻辑，首先就在于收集全面的路况信息，然后根据路况信息判断，接下来怎样行驶才不会撞到任何的物体，又或者是不会违反交通规则，准确的识别各种各样的交通标志等等，这其实才是整个自动驾驶技术真正困难的地方。
通过未来出现的种种和自动驾驶技术有关的车祸，其实基本上都是路况信息收集不全面造成的。
比如有一起发生在米国的自动驾驶的特斯拉直接撞到护栏的车祸，根据后期调查结果显示，原因是之前下过雨，导致水珠落在了护栏上面，造成了光线的反射，而这光线的反射则让特斯拉车身上安装的摄像头判断出现了失误，认为那个位置只是一个单纯的起了雾而已，结果就直冲冲的冲了过去，造成了严重的车祸。
后来还有一个特斯拉撞击小女孩的车祸，也是一样的情况，这个小女孩穿了一身红黄相间的衣服，而这个红黄相间的衣服又是上下分隔的，分隔的位置刚好在肩膀的位置，导致特斯拉判断这个小女孩是一个马路边上的安全锥。
而因为此时恰好对面有汽车迎面逆行行驶过来，特斯拉的自动驾驶技术经过判断，认为应该尽全力的向左转方向，哪怕这样会撞击到安全锥……必须和两车相撞比起来，撞到一个小小的安全锥其实并不是什么太大的问题。
然后就出了车祸了。
通过上面的几起车祸桉例就可以充分的证明，自动驾驶技术想要做到超越人工驾驶的水平，其核心就在于收集大量的道路状况与信息，从而给计算机做出最合理的判断。
在最初的时候，道路信息的收集是用高清摄像头来进行的，这个摄像头会不间断的拍摄道路的画面，然后由智能AI来分析画面中的各个物体代表了什么，最后得出相应的路面信息。
但高清摄像头拍摄到的毕竟是平面画面，而且再高清的摄像头也不可能真的有多么的高清。
倒不是说特斯拉这样的电动车装不起更加高清的摄像头，而是摄像头拍摄的画面越高清，那么无论是图片还是录像的像素就会越高，同时文件本身的大小也会越大，如此庞大的数据，就需要计算能力更加凶勐的计算机才能够计算，而以安装在电动汽车上的计算芯片的能力来看，他们是远远计算不了如此庞大的数据的。
所以在黄老板的指示下，江南集团的电动车自动驾驶技术团队，直接就舍弃了使用摄像头的想法，而是开始了业内最先进的红外雷达摄像头的设计思路。
红外雷达摄像头顾名思义，就是兼具了红外线，雷达，还有摄像头三者特点的设备。
整个工作的过程是这样的，摄像头首先释放大量的红外线，这些红外线既可以帮助摄像头成像，同时又能够像雷达一样不断的与周围的物体碰撞，然后形成一个个的回波，回到摄像头的接收器之中。
接收器通过接收回波，就能够得到汽车周围大量的物体位置的数据。
因为道路上基本上不可能存在隐形涂装这样的军用黑科技，所以只要使用了雷达技术，那所有的固态物基本上就无所遁形，其位置都能够第一时间的传达到计算芯片之中，然后计算芯片来规划行驶路线。
而另一方面，红外线就可以拍摄出质量相当不错的影像，当计算芯片根据拍摄出来的照片和录像，判断雷达进入到的障碍物体究竟是什么东西，之后就是最合理的形式判断。
同时，红外线在照射在不同颜色的物体表面的时候，回馈回来的红外线多少也会有着不同的变化，通过这些变化就可以直接判断出各个物体的实际颜色，让汽车对于红绿灯的识别能力到达顶峰。
总的来说，只要红外线雷达摄像头研发成功并且安装到电动汽车上，那电动汽车就能够拥有一双比肉眼还要锐利的多的眼睛，抛开一些极端桉例，基本上就不会出现路况误判的情况了。
所以整个电动汽车的项目组此时正在全力攻关这个红外线雷达摄像头技术，没想到这个技术反倒被终端的项目组给拿过来了。
“是，自动驾驶那边需要的数据非常精准，所以他们还在不断的打磨他们的红外线雷达摄像头。但我们的需求非常简单，只需要能够识别手指的动作就可以了，所以哪怕是他们研究出来的最初级的版本，对于我们项目来说也是足够使用的！”赵春雷直接说道。