[汽車之家 行業(yè)] 自動駕駛最近幾年有多火熱？百度董事長李彥宏曾說“到2030年,，沒有自動駕駛能力的電動車,，將完全沒有競爭力�,！痹谄�車電動化快速發(fā)展的同時,，自動駕駛已經(jīng)成為了很多汽車品牌的宣傳賣點。不過,，汽車智能化發(fā)展并沒有如想象中的那么順利,，最近幾年，已有多起與自動駕駛相關(guān)的事故發(fā)生,。

　　前不久,，浙江寧波高速公路發(fā)生一起事故，一位小鵬汽車車主采用智能駕駛輔助,，沒有人工介入,，撞了停在路邊的一輛施工車輛,，造成人員傷亡。雖然車主承認(rèn)自己開車走神了,，而且品牌方也多次強調(diào)：開啟L2輔助駕駛系統(tǒng)依然需要駕駛員集中注意力,，但這件事還是引起了不少的討論熱度。

　　類似的事情并不少見,，去年一位蔚來車主在高速上撞上了同樣的靜止施工車輛,。據(jù)媒體報道，特斯拉也多次在路上撞上靜止的汽車,。 

　　這類事情之所以能引起廣泛的討論,，主要原因在于對于人類駕駛員來說非常簡單的場景，對于“自動駕駛”來說并非如此,。這不禁讓人產(chǎn)生疑問：前面停著如此大且明顯的的障礙物,，為什么這些號稱“智能駕駛”的汽車連這些基本的場景都判斷不了？

　　即使廠家一再聲明,，目前市面上的車還處于L2輔助駕駛階段,，離真正的“自動駕駛”還很遠(yuǎn)。但是坐擁幾百TOPS算力芯片,，高清攝像頭,，毫米波雷達(dá)，超聲波雷達(dá)等號稱“高科技”的智能電動車,，它的能力邊界到底在哪兒,？消費者應(yīng)該對當(dāng)下的“自動駕駛”技術(shù)抱有什么樣的期待？

毫米波雷達(dá)能力有限

　　無論是特斯拉還是國內(nèi)眾多新勢力,，目前的L2駕駛輔助系統(tǒng)方案都是攝像頭加毫米波雷達(dá)的組合,。

　　比如特斯拉采用的就是1個毫米波雷達(dá)，12個超聲波雷達(dá)和8個攝像頭組成的感知系統(tǒng),；蔚來ES8搭載了一個前向3目攝像頭,，5個毫米波雷達(dá)，12個超聲波雷達(dá),；而小鵬P7搭載的是1個高感知攝像頭,，3個毫米波雷達(dá)，以及2個超聲波雷達(dá),。

　　可見國內(nèi)外,，對于目前的L2系統(tǒng)都是以攝像頭加毫米波雷達(dá)為主的傳感器方案，來對周圍的環(huán)境進(jìn)行感知,。

『毫米波雷達(dá)分類』

　　毫米波雷達(dá)的原理很簡單,，就是把毫米波發(fā)送出去，然后毫米波碰到障礙物會反射回來，根據(jù)反射回來后接收到的回波,，我們可以得到一個時間差,，有了時間差我們就能知道此時汽車距離障礙物的相對距離，這就是多普勒原理,。

　　現(xiàn)在L2系統(tǒng)上幾乎都用上毫米波雷達(dá)，主要原因就是它抗干擾能力強,，受天氣影響小,，是全天候工作的傳感器。

　　看上去毫米波雷達(dá)是一個很好用的傳感器,。理論上,，它能夠穿透煙霧，也不受天氣影響,，那前面有障礙物,，不管是靜止的還是運動的，應(yīng)該都能識別到,。然而現(xiàn)實情況是,，在此前發(fā)生的交通事故中，特斯拉遇到橫在路面的大貨車,，蔚來遇到大型工程車,，以及小鵬遇到停在馬路邊的小轎車，都沒能識別到,。難道是毫米波雷達(dá)徒有其名嗎,？

　　事實上，毫米波雷達(dá)靠向前發(fā)射雷達(dá)波工作,。但是目前的毫米波雷達(dá)仰角測量能力很弱,，這就導(dǎo)致了毫米波雷達(dá)無法識別高度。一般情況下,，雷達(dá)波遇到正前方的障礙物時能反射波回來,，但是雷達(dá)波遇到旁邊的橋梁，路牌,，路面,，減速帶等也能反射回來，這就造成了真實的路障和虛假的路障傻傻分不清楚,。尤其是在較遠(yuǎn)距離的探測時,，多徑反射、無法識別高度的目標(biāo)會產(chǎn)生很多雜波,，致使系統(tǒng)出現(xiàn)誤判,。

『特斯拉自動駕駛系統(tǒng)識別交通信號』

　　因此，當(dāng)前方出現(xiàn)靜止物體的時候，即便毫米波雷達(dá)能夠識別到真正的障礙物,，也不能區(qū)分出它是路面,、路牌還是停著的汽車。因為在毫米波雷達(dá)眼里,，這些都是一樣的東西,。如果是在高速公路上，毫米波雷達(dá)出現(xiàn)誤判就會引起車緊急剎車,。為了避免這種情況,，車速達(dá)到一定值之后，毫米波雷達(dá)識別靜止物體的權(quán)重會變低,。這時候,，依靠毫米波雷達(dá)作為單一傳感器進(jìn)行感知就明顯不夠用了，還需要攝像頭,。

攝像頭和視覺識別也會“犯迷糊”

　　在智能駕駛中,，用攝像頭的初衷就跟人眼一樣：既然人類駕駛員能夠用人眼看到的一切來進(jìn)行駕駛行為，那么汽車依靠攝像頭加算法也可以,，這一點馬斯克深有感觸,。

　　在智能電動車上，攝像頭代替人眼來進(jìn)行測量和判斷,，將目標(biāo)的光線信號轉(zhuǎn)化成圖像信號,，傳送給專門的圖像識別處理器，根據(jù)圖像的像素分布,，亮度和顏色等信息,，以抽取目標(biāo)的特征，最終獲得相應(yīng)的識別信息,。

『特斯拉Model3撞上側(cè)翻的貨車』

　　通俗來講就是：攝像頭的工作原理跟人眼一樣,，首先要看到前方的物體，然后在腦子里搜索,，以前有沒有見過這個物體,，如果找到匹配的，那就能夠認(rèn)出這是什么,；如果沒見過,，那就不認(rèn)識直接忽略掉。

　　比如說,，車載攝像頭看到一個錐形桶,，會先在數(shù)據(jù)庫里比對類似的物體。然后攝像頭以后每次看到這種顏色,，形狀,，大小差不多的物體之后,，就會標(biāo)注為錐形桶。因此攝像頭需要進(jìn)行海量的數(shù)據(jù)訓(xùn)練,，以認(rèn)識更多的而物體,。

　　對于攝像頭來說，首先要看到,，其次要認(rèn)識,。而在寧波的那場事故中，從視頻里看天氣良好,，光照很足視野開闊,，攝像頭應(yīng)該已經(jīng)看到了前方的車輛。但是由于當(dāng)時汽車車尾放了一個錐形桶,，錐形桶前方又站了一個人，這三者出現(xiàn)了重疊,。這三件靜止的事物,，按理說攝像頭都能識別。但如果三者重疊合一,，算法就沒見過這種物體了,，攝像頭也沒有經(jīng)過訓(xùn)練和標(biāo)注，也識別不出來,。

　　類似的例子還有很多,，在一個L2輔助駕駛系統(tǒng)中，如果前方出現(xiàn)了不規(guī)則的物體,，或者沒有被標(biāo)注過的物體,，攝像頭就會選擇直接忽略掉。

　　因此,，對于攝像頭的能力可以概括為：你教過它的,，它就認(rèn)識；沒教過,，它就不認(rèn)識,。

　　一個讓人不愿意承認(rèn)的事實是，毫米波雷達(dá)識別靜止物體時不好用,，而攝像頭只能識別他認(rèn)識的物體,，現(xiàn)在的輔助駕駛系統(tǒng)只能應(yīng)付一些比較簡單的路況，稍微復(fù)雜一些便無能為力�,，F(xiàn)實世界太復(fù)雜,，人類善于處理復(fù)雜場景觸類旁通，但是機(jī)器不能,。

現(xiàn)實世界的復(fù)雜性超出想象

　　盡管國內(nèi)宣傳了很久的智能電動車,，或者自動駕駛汽車，但是目前市場上沒有L3級別的自動駕駛車型出現(xiàn)，而那些聲稱達(dá)到L3,、L4級別的,，也遠(yuǎn)沒有達(dá)到量產(chǎn)水平。因為對于一款自動駕駛汽車來說,，即使你能夠應(yīng)對馬路上95%以上的路況,，但是還有5%的可能性會出事故。這對一個交通工具來說,，是不能接受的,。

　　現(xiàn)實世界的復(fù)雜性在于特殊情況太多了，比如高速上一般都是運動的汽車,，而冷不丁總有故障車輛停在高速上,，人類能輕而易舉識別他們，但是目前的L2系統(tǒng)卻很難,。

『去年一蔚來車主因開啟“自動駕駛”功能出事故』

　　人工智能不擅于應(yīng)對的那些5%的特殊情況,，我們稱之為邊緣場景（corner case）。舉個例子,，現(xiàn)階段的攝像頭能夠很容易識別到前方運動的汽車,，但是如果一把椅子突然從前方車上掉下來，攝像頭就無能為力了,。因為攝像頭沒遇到過這種情況,，它不知道怎么應(yīng)對，只能直沖沖撞上去,。

　　類似的場景還有很多,，比如面對空中飛來的一個大氣球，自動駕駛是一個急剎還是直接開過去,？我們的自動駕駛系統(tǒng)能夠識別站立的人,，那如果遇到橫躺馬路上的人，又是否能夠識別,？

　　這種邊緣場景實在太多了,，現(xiàn)實路況的多樣性和復(fù)雜性，讓現(xiàn)在的自動駕駛輔助系統(tǒng)屢出事故,。而對于我們普通消費者來說,，要對技術(shù)的發(fā)展保持清醒的認(rèn)知，因為目前的量產(chǎn)自動駕駛技術(shù)還遠(yuǎn)沒有能夠達(dá)到讓人開車走神的地步,，最靠譜的司機(jī)依然是掌握方向盤的人類,。

查看同類文章：

行業(yè)視角

行業(yè)焦點

深評問道

更多精彩內(nèi)容：

818全球超級車展

汽車之家行業(yè)-大數(shù)據(jù) 全領(lǐng)域 新視點