从感知层解析特斯拉为何识别不了障碍物

近日，在一场全球智能汽车前沿峰会上，如何解决自动驾驶安全问题成为了与会专家学者及企业代表共同关注焦点。事实上，虽然用户已享受到部分自动驾驶技术所带来的便利，但现实生活中因自动驾驶安全问题带来的讨论一直未曾停歇。特斯拉在全球范围内发生的一系列事故就是很好的案例。其中，近期一辆开启Autopilot自动辅助驾驶系统特斯拉Model 3追尾一辆静止拖车的事故引发了外界高度关注。让外界感到疑惑的是：面对道路前方这么大的障碍物Autopilot自动辅助驾驶系统为何“看不见“？

■没有机器识别训练 汽车只会惊慌失措

在普通人认知里，静止的大型障碍物是个非常易于识别的物体，为什么特斯拉Autopilot系统会无法识别？难道这些传感器都是形同虚设吗？

对此，理想汽车CEO李想在微博上发表观点表示：“目前摄像头+毫米波雷达的组合像青蛙的眼睛，对于动态物体判断还好，对于非标准的静态物体几乎无能。视觉在这个层面的进展几乎停滞，哪怕是动态，车辆以外的识别率也低于80%，千万别真当自动驾驶来使用。”

既然如此，那自动驾驶识别静物难点究竟在哪里？对车身搭载的摄像头、雷达这些传感器又有着怎样的要求？对此，汽车之家独家采访了法雷奥中国首席技术官顾剑民和大陆集团高级驾驶员辅助系统中国区负责人唐海宜这两位专家，从感知层面，即传感器这一角度来解析这些问题。

首先大致说一下什么是“感知”。在自动驾驶的整套方案（包括感知层、决策层和执行层）中，最热闹的版块莫过于感知决策层，这是人工智能大展拳脚的领域。感知是自动驾驶系统收集外部环境信息并从中认知的能力，相当于驾驶员对驾驶环境的观察。

现阶段，自动驾驶的感知层通过多种传感器来实现。主要有激光雷达、摄像头、毫米波雷达和超声波传感器。各种传感器的特性不同，各有优劣势，面对复杂的行车环境，单一传感器的数据满足不了各种环境下的感知环境需求。

对于传感器识别静态物体的难点，顾剑民认为，“对摄像头来说，需要用机器学习来训练识别物体。但静态物体类别多，形态也千差万别，没经过样本训练识别不了。撞消防车车尾或奇特形状隔离墩栏杆等事故的，应该就是没有这个样本训练所导致的。此外，前置摄像头在识别物体时也对天气和照明条件敏感；对于快速移动的汽车，前置摄像头通常最终会捕捉到模糊或扭曲的物体图像。”

“而对毫米波雷达来说，主要是受目标对电磁波反射敏感度影响，有些橡胶类静态物反射不好，识别会困难。此外，雷达几乎无法区分龙门架、道路侧面的金属标牌或道路上停放的静止汽车，因为雷达的空间分辨率很差，在算法上只能通常忽略相对于路面不移动的雷达回波。否则，每次经过路标等静物时，汽车都会惊慌失措。”顾剑民补充道。

唐海宜在接受汽车之家采访时也表达了类似的看法。在他看来，实际交通环境中的静物分布和种类比较复杂，单纯的一种传感器很难达到高的识别效果。比如雷达的优势在于测速，测距，对于尺寸较小，反射不强的静物没有优势。摄像头的优势在于可获取的环境信息丰富，可以利用机器学习做到目标分类，但测速和测距上不如雷达。

唐海宜进一步解释称，把雷达与摄像头二者结合可以相对实现一些标准静态障碍物的识别。但即使这样，车道内出现非标准物，或者是较小尺寸静态障碍物(10-20CM)仍然是个难题，因为此时雷达基本无效，即使机器学习也不能识别没有训练过的障碍物，且要实现地面小尺寸静态障碍物的检测，对摄像头的探测距离，精度和视角都有比较高的要求。

■被马斯克鄙视的激光雷达大有潜力

既然如此，目前就没有一个更好的解决办法吗？大陆和法雷奥在自动驾驶汽车识别静态物体领域又有哪些解决方案？

顾剑民表示：“法雷奥的ScaLa激光扫描仪（激光雷达）可解决大部分这样的问题，能很好地探测静止或移动的物体，无论白天或黑夜。”

事实上，法雷奥ScaLa 第一代早在2017年11月在奥迪全新A8上实现了量产。据顾剑民透露，ScaLa 第二代计划在2020年初量产。法雷奥的低速自动泊车，则是用摄像头计算机视觉三维目标探测，融合其它传感器如超声波或毫米波雷达等来解决，在自动泊车已有量产车型了。

谈及激光雷达，业界一定会想起马斯克曾在今年4月公开diss激光雷达。当时，他曾直言“傻子才用激光雷达，现在谁用激光雷达谁完蛋”。此言一举造成了激光雷达与摄像头的技术分歧。

对此，一位行业分析师表示：“一旦你将这些理论技术用于现实，有很多未知数无法避免。理论上或许可以仅凭摄像头来采集数据，但若要百分百相信系统的判断是正确的，最好是能融合其它传感来辅助，例如激光雷达。”

客观地来看，马斯克追求未来特斯拉以摄像头+毫米波雷达+AI 芯片组成自动驾驶系统方案也有自己的考量。汽车之家早前采访Velodyne这家激光雷达企业时，相关负责人告诉汽车之家编辑，其能够理解特斯拉的立场，即将“自动驾驶”作为主要卖点的量产车公司，特斯拉需要考虑的成本因素很多。

『特斯拉CEO 马斯克』

然而，自动驾驶关乎车辆安全与生命安全，要能检测到各种静态物体，就需要建立并不断维护一个庞大的样本特征数据库，保证这个数据库包含待识别目标的全部特征数据。显然从目前来看难度颇高，还无法做到。而对于激光雷达，它不依赖环境光，可直接探测、三维成像，识别静物更加精确可靠。虽然其目前成本颇高，但随着市场化价格在将来也会逐步下降。将激光雷达与雷达、摄像头融合，能较好地识别出特斯拉所“看不到”的障碍物，提高行车安全性。

如果想得更远一些，消费者也许会再问，那一辆车上多安装一些激光雷达、毫米波雷达和摄像头不就能实现无人驾驶了吗？

很遗憾，答案也是不行！因为传感器代替不了大脑，感知代替不了认知。我们应该认识到，没有任何一种传感器能保证在任何情况下都提供完全可靠的信息。很简单的一个道理，如果一个小孩告诉你他有超能力，能够精确感应到200米内的一切东西，你会觉得他是“老司机”吗？不是！这小孩连车都没开过，那超能力除了让他看得特别清楚以外，不能教会他如何开车。

■自动辅助驾驶≠自动驾驶 不要拿生命开玩笑

在自动驾驶技术还不那么完美时，人与自动驾驶汽车的交互非常重要，既要敏捷，也要全面。驾驶员需要加强理论素养，理论素养到位，才不至于因为盲目迷信自动驾驶功能而导致事故的发生。

特斯拉车主在驾驶过程中睡着这一幕让人看到感到揪心。尽管特斯拉一再重申要求驾驶员始终将手放在转向盘上，准备随时接管车辆，但仍有车主要反其道而行之，殊不知如果前方出现障碍物，你的爱车是“看不见”的。

驾驶员需要明确的是，L2级驾驶辅助系统，驾驶员需要保持注意力对环境进行监视，车辆由驾驶员与系统配合控制；L3级自动驾驶汽车在遇到无法应对的情况时需要驾驶员接管车辆；只有L4级和L5级自动驾驶汽车驾驶员才能解放双手。不过，基于现有技术以及法律法规条件，目前L4及以上级别距离量产仍然有着较远的距离。

所以，驾驶员在接触自动驾驶汽车辅助系统的初期，如果对“自动驾驶”的理解不充分，很容易出现一些状况。事实上，搭配自动驾驶辅助系统的车辆一般会以多种形式向驾驶员展示相关重要信息，如开启方式、接管方式、预警方式和含义等。这些操作规范类的信息传递将使驾驶员快速、直观地了解“自动驾驶”。

直白地说，你可以把目前拥有自动驾驶辅助系统的车辆当成一个小学生在做作业，在较难的题目还是需要老师在旁边帮助解答。

最后给用户一些友情建议：基于现有技术及法律法规要求，在启用辅助驾驶时，双手不要离开转向盘，做好随时接管车辆的准备。一定要注意在路面的情况，强光、逆光行驶注意控制转向盘和车速，高速行驶进行车道保持功能要控制与前车间距，脚要放在制动踏板上，保持合理车距，要从一大堆事故案例中吸取教训。

编者总结：

目前全球范围内的自动驾驶水平尚处于L3向L4级突破的阶段，当前所有车辆上搭载的自动驾驶功能都只能起到辅助的作用。面对一个新的技术，新的应用，用户的理解与生产方、技术方的理解可能不在一个层面，用户的理解往往容易剑走偏锋。因此，厂商更应该小心谨慎，对用户的安全负责。与此同时，对于自动驾驶，消费者既要有感性的热情，也要有理性的思考，这才是我们应该提倡的心态。