小鵬撞死人，自動駕駛又論“視覺vs傳感器”對錯

8月10日，寧波一高架橋路段小鵬P7車主駕駛車輛與前方檢查車輛故障人員發生碰撞，導致一人死亡！行駛記錄儀顯示車主當時開啟LCC車道居中輔助駕駛功能。同日，百度旗下自動駕駛出行服務平臺蘿卜快跑的測試車輛，被后方車輛追尾，導致交通事故。二起與自動駕駛有關的事故同日發生，將小鵬汽車送上風口浪尖！

 

 

LCC是一項舒適性的輔助駕駛功能，包含60km/h以下的交通擁堵輔助和60km/h以上的智能巡航輔助，它適用于高速公路且具有清晰車道線的干燥道路工況，在城市街道上切勿使用。該功能可以防止因駕駛者注意力不集中或路面不平整而導致車輛偏離正常行駛軌道，還能主動提醒駕駛者，糾正車輛行駛軌跡，使車輛時刻保持在正確的車道上，提升行車安全性。LCC啟用時，駕駛員需始終保持手握方向盤并在必要時接管方向盤。

 

 

小鵬撞死人讓業界聚焦在兩個方面：一是目前眾多車企使用的L2級輔助駕駛系統，都可以根據前方的車輛速度進行自動跟車和減速剎車，但此次事件中當前方有障礙物時，為何車輛沒能及時識別并做出相應的動作；二是根據車主表示，事故發生時自己“分神”了，在智能輔助駕駛系統功能愈發齊全、自動化程度越來越高的情況下，車企該如何讓用戶正確使用相關系統。

 

本次發生事故的小鵬P7便采用了毫米波雷達和視覺的融合感知方案，也是國內車企的主流技術路線。毫米波主要通過電波反射來進行障礙物的探測，但難以準確識別障礙物類型，諸如路牌、龍門架、護欄等靜止物體都會被識別為障礙物，為了保證駕駛輔助系統的流暢性，算法上通常會忽略相對于路面不移動的雷達回波。而視覺需要依賴大量的樣本量進行學習，對于異形物的識別效果較差，這次被撞車輛前站了一個人，視覺可能會出現識別問題。

 

“視覺VS傳感器”流派在爭什么

 

在技術和方案推進的過程中，自動駕駛一派認為應該走視覺與雷達的多傳感器融合路線，另一派則認為純視覺實現就足夠了。派系之爭的根源是當前EV主機廠對自動駕駛都有自己的理解，且都取得了一定的效果。自動駕駛核心要義是通過計算機與人工智能技術的融合，代替人類駕駛員，讓車子自行完成完整、安全、有效的駕駛行為。這種智能化的駕乘體驗將會成為新時代汽車一個重要的賣點，吸引全球科技巨頭和車企紛紛投資布局。

 

 

自動駕駛就是機器模仿人開車時“眼觀六路耳聽八方”，來觀察周邊人車物體，做出安全駕駛的判斷和行動。業界定義環境感知、精準定位、路徑規劃和線控執行一起并稱自動駕駛四大核心技術。當汽車被置于社會應用場景下時安全可靠的感知是不可或缺的。

 

在環境感知上，純視覺方案僅依靠攝像頭搜集環境信息，然后將圖片傳輸到AI芯片進行分析，做出判斷決策。純視覺+AI的方案比人眼的視角更廣，通過大量的圖片信息讓汽車內部的計算系統擁有以車子為中心的“上帝視角”。純視覺方案的優點主要是，實現成本相對更低，更接近人類駕駛，通過高分辨率、高幀率的成像技術獲取的環境信息更加豐富；缺點主要是，攝像頭捕捉環境信息容易受到環境光的干擾，且純視覺方案對于圖像的處理更依賴訓練，難免出現環境認知的“死角”。目前，采用純視覺方案實現自動駕駛的企業主要有特斯拉、百度和極氪等。

 

 

此外，視覺感知容易受到日照、明暗交替等環境因素干擾；毫米波雷達會穿透塑料、墻板和衣服等特定材料，無法對相應目標物進行識別。此外受制于成本，車載毫米波雷達一般僅涉及平面的角分辨率，垂直方向上則不做區分，因而也無法判斷識別目標距離地面的高度。

 

 

“多傳感器融合”方案則是通過攝像頭、毫米波雷達、激光雷達等設備一起收集車輛的周邊信息。激光雷達的加入能夠獲取更深度的空間信息，對于物體的位置、距離和大小感知更準確，且由于激光雷達是自發光并不受環境光影響。“多傳感器融合”的有點是視覺和雷達傳感器數據采集互補，缺點是成本高。目前，采用“多傳感器融合”方案實現自動駕駛的企業主要有小鵬、蔚來、極狐等。

 

兩大派系在技術實現上，都是基于硬件來幫助汽車構架自身周圍的3D信息，然后讓計算芯片提取關鍵信息來做出駕駛決定。未來，“純視覺”要解決的是光致盲和認知錯誤等問題，“多傳感器融合”本身的融合就是一大技術挑戰，且算法本身還得優化，也需要更低成本的激光雷達產品。目前來看，兩大技術路線都還有很多潛能值得挖掘。

 

 

自動駕駛的四個階段

 

駕駛輔助系統（DAS）

 

目的是為駕駛者提供協助，包括提供重要或有益的駕駛相關信息，以及在形勢開始變得危急的時候發出明確而簡潔的警告。目前較為成熟的是自動泊車和“車道偏離警告”（LDW）等。

 

 

部分自動化系統

 

在駕駛者收到警告卻未能及時采取相應行動時能夠自動進行干預的系統，如“自動緊急制動”（AEB）系統和“應急車道輔助”（ELA）系統等。

 

高度自動化系統

 

能夠在或長或短的時間段內代替駕駛者承擔操控車輛的職責，但是仍需駕駛者對駕駛活動進行監控的系統。

 

 

完全自動化系統

 

可無人駕駛車輛、允許車內所有乘員從事其他活動且無需進行監控的系統。這種自動化水平允許乘從事計算機工作、休息和睡眠以及其他娛樂等活動。

 

中國自動駕駛進程

 

據小米公布的一段自動駕駛功能展示視頻，小米自動駕駛測試車分別實現了在無保護場景自動掉頭、事故車輛自動繞行、斑馬線禮讓行人、自動環島繞行、自動下連續坡道以及自動泊車入位+機械臂自動充電等功能。小米也在積極推動自動駕駛部門與集團內其他部分的協同合作，包括人工智能實驗室、小愛團隊、手機相機部等。

 

 

2022年上半年，廣州參與智能網聯汽車道路里程和測試車輛數量，比較上年同期又大幅提升：有效測試里程增長73.5%，車輛首次發放路測牌增長41.6%，測試車輛交通事故認定記錄為零。同期廣州自動駕駛道路測試總里程已超過600萬公里。

 

“百度地圖X Apollo”在北京市高級別自動駕駛示范區發布2022全新版本，基于Apollo自動駕駛、車路協同技術的百度地圖率先在亦莊上線城市車道級導航、車位級導航、綠燈暢行導航等智能化功能，在示范區范圍內工作居住的人們用手機就能體驗到更精準、高效的“自動駕駛級導航”。在亦莊200多個路口，市民在通過路口時，即便路口的紅綠燈上沒有變燈倒計時，手機上的地圖導航也會提前幾秒鐘進行提示，從而幫助駕車人從容停車、起步。 

此前已經在百度地圖上線的紅綠燈倒計時精準讀秒功能已經累計服務亦莊用戶超1000萬次，每天提供超4萬次服務，亦莊的路口通過時長相比于北京其他地區低36.8%，亦莊居民已經率先享受到了智能交通的建設成果。

 

自動駕駛近期展望

 

人類駕駛員操控車輛，是通過眼睛收集信息，大腦處理信息，并最終用手腳來實現操控的動作。激光雷達、毫米波雷達等感知元件，就像人的眼睛，是來獲取外界信息的。但目前最大的問題是，軟件和算法還無法達到人腦的水平，即便探測元件收集到了信息，算法不一定能夠進行準確的識別，并指導相應元件進行控制。

 

 

自動駕駛是一個流程化、復雜的綜合系統，涉及眾多流程和領域。其在流程上包括感知層、認知層、決策規劃層、控制層和執行層幾個層面。而識別的準確度是上述幾個流程共同作用的結果，其一方面依賴于硬件設備的檢測精準度，比如，在攝像頭和毫米波雷達的視覺融合方案中，攝像頭和雷達都在執行檢測，但對于同樣的物體，不同的硬件設別檢測的精準度不同，這就需要對硬件進行視覺技術訓練。

 

 

近兩年來，得益于軟、硬件的提升，自動駕駛相關技術得到了長足的進步，例如小鵬的NGP、蔚來的NAD等系統，雖然被宣傳為智能駕駛，但其實現的功能已經夠得上L3級自動駕駛的水平。

 

在5年內，礦區和飛機場等相對封閉的場景會率先落地L4自動駕駛；但L5級自動駕駛，即全無人的自動駕駛，或許仍需要等待較長的時日。

 

相關方案推薦

 

來源：我愛方案網  鏈接：https://www.52solution.com/