自动驾驶车辆配备有摄像头、毫米波雷达、超声波雷达、LIDAR、GPS等不同传感器设备，随着自动驾驶级别的提升，所要处理的传感器数据也开始呈几倍增长。在环境感知方面，仅仅通过多次使用相同种类的传感器无法克服该类传感器的缺点；反之，需要将来自不同种类传感器的信息组合在一起，使用融合后的信息能够有效确保目标识别的稳定，同时不同传感器设备之间还存在一定程度上的相互冗余，提高感知系统的鲁棒性。相对于独立系统，可以做出更好、更安全地决策。这对于处理器的计算能力、数据处理数量以及速度的要求愈加严格。团队提出分布式计算方法，采用全分布式控制系统，计算单元由多个多核CPU组成，用于执行自动驾驶相关大部分核心算法。团队研究的目标识别功能包括障碍物（车辆、行人等）检测、车道线识别、交通标志牌识别、交通信号灯识别等多种任务；此外，团队基于速度规划研究车辆运动控制方法，实现停车，避让，跟车，超车等一系列纵向运动控制。针对横向运动控制，团队研究开发车道保持系统，以最佳的目标速度和目标转角，控制车辆安全稳定地行驶在车道的中间。
