Mir sind 2 grundsätzliche Ansätze bekannt wovon es natürlich auch Mischformen gibt.
Version 1 beruht auf extrem detaillierten Karten. Hier werden Strassen mit LIDAR Scannern abgefahren und zusätzliche Informationen hinzugefügt (nach Kamerauswertung), wie z.B. Geschwindikeits-Anzeigen. Diese Systeme zeichnen sich dadurch aus, das sie klare Begrenzungen haben sprich Bereiche wo das System funktioniert und Bereiche in denen es sich nicht aktivieren lässt. Probleme bereiten hier natürlich alle Abweichugen von den erstellten Karten wie Baustellen o.ä. Ebenfalls müssen, damit ein solches System funktioniert die Karten ständig erneuert werden. Beispiel für dieses System ist Cadillac Super Cruise
Version 2 beruht darauf, dass das System permanent die Umwelt analysiert und daraus die Fahrparameter erstellt. Hier gibts eine vielzahl von Sensoren und Techniken zur Analyse. In jedem Fall müsste die Analyse der aktuell gültigen Geschwinigkeit über Kameras und Neuronale Netze geschehen. Diese Systeme werden aufgrund von realdaten trainiert auf Erkennung. Je mehr Daten, desto (potentiell) besser Ein Beispiel für dieses System ist Tesla's Autopilot.
Wie gesagt, viele Systeme die heute im Einsatz sind, sind Mischsysteme.
Grundlagen neuraler Netzwerke die Bilder erkennen (English):
https://www.youtube.com/watch?v=aircAruvnKkÜbersicht über die Grundlagen autonomes fahrens und der eingesetzten Sensorik (English):
https://www.youtube.com/watch?v=sRxaMDDMWQQ Insbesondere das zweite kann ich nur ans Herz legen. Jeder der sich für das Thema interessiert sollte das gesehen haben.