關(guān)于蘑菇說：

自動駕駛技術(shù)正在逐漸走進(jìn)你我的生活，不少人對它充滿好奇。有人已經(jīng)在街頭看到過自動駕駛的車輛，甚至體驗(yàn)過自動駕駛服務(wù)，也有人對這項(xiàng)新技術(shù)感到陌生，甚至心存疑慮。

作為全球領(lǐng)先的自動駕駛?cè)珬＜夹g(shù)和運(yùn)營服務(wù)提供商，蘑菇車聯(lián)官方微信公眾號將從即日起開設(shè)一檔自動駕駛科普專欄，講解大家關(guān)心的技術(shù)知識、暢享未來的出行生活。同時(shí)歡迎讀者評論、留言、私信，把想了解的問題發(fā)給我們，我們將盡力解答。

本期將從“為什么自動駕駛難以識別靜止物體”的話題開始。

今年 5 月，美國網(wǎng)友Joel Johnson在YouTube上發(fā)布了一條視頻：一輛谷歌Waymo自動駕駛出租車，在遇到建筑工地放置的一排交通錐后，系統(tǒng)受到迷惑，不再前行，停在鳳凰城郊區(qū)一條繁忙的馬路中間，造成了14分鐘的交通堵塞。

除了交通錐，絕大多數(shù)意外出現(xiàn)的靜止障礙物都是自動駕駛的大敵。2019年，在美國印第安納州，一位用戶駕駛特斯拉Model 3在州際公路撞上了一輛靜止停放的消防車。事后報(bào)告稱：特斯拉未能觀察到停放在車道上的消防車。Model 3今年3月和7月的兩起事故同樣源自撞上停放的汽車。

Waymo和特斯拉分別代表了當(dāng)今自動駕駛陣營中的“激光雷達(dá)+高精地圖派”和“純計(jì)算機(jī)視覺派”。對二者來說，靜止目標(biāo)的識別都非常難。

首先，路面上臨時(shí)出現(xiàn)的路障、三角、警示牌、施工作業(yè)區(qū)由于出現(xiàn)的周期太短，往往無法被現(xiàn)成的自動駕駛高精地圖收錄。于是識別上述物體的任務(wù)落在本就壓力山大的自動駕駛機(jī)器頭上。

機(jī)器感知與人類感知的邏輯不同。人眼可以清晰看到前方路標(biāo)、路牌、前車尾燈并將其分類，而機(jī)器識別的結(jié)果只能由數(shù)據(jù)和算法決定。開放道路場景千變?nèi)f化，只要物體簡單變換外觀，就必須重新識別。機(jī)器或許能識別出一個推自行車的行人，但難以在短時(shí)間內(nèi)識別一個戴皮卡丘頭套推車的行人。數(shù)據(jù)場景庫的豐富度和算法質(zhì)量不足以應(yīng)付這一罕見場景。

靜止物體的感知和識別是更有難度的工作。在自動駕駛感知系統(tǒng)中，雷達(dá)“看到”的是點(diǎn)云，攝像頭“看到”的是圖像像素，二者數(shù)據(jù)特征不同，需要復(fù)雜的融合過程。反觀移動的目標(biāo)點(diǎn)，由于一直在變化，相對容易判斷。而靜止障礙物混在靜止路牌、路標(biāo)、綠植中，只有經(jīng)過多輪篩選才能標(biāo)識出。一旦算法不夠成熟，很容易出現(xiàn)某一傳感器識別出障礙物，但被承擔(dān)巨大高速運(yùn)轉(zhuǎn)壓力的算法當(dāng)作錯誤或不重要數(shù)據(jù)直接過濾。

綜合來看，自動駕駛難以識別靜止物體的原因在于：這是一場沒有高精地圖支援，機(jī)器數(shù)據(jù)融合與篩選難度高，算法權(quán)重小，還經(jīng)常遭遇罕見場景的感知“大考”。

這也是車路協(xié)同發(fā)揮價(jià)值的重要舞臺。車路協(xié)同為自動駕駛感知提供及時(shí)、精確的信息保障。架設(shè)在路口交通燈桿高處的攝像頭和雷達(dá)能夠游刃有余地識別臨時(shí)交通錐或應(yīng)急車道停放的奇異拖車，通過V2X將其提前告知途徑車輛。車輛在距靜止障礙物較遠(yuǎn)時(shí)已做好防范，從而規(guī)避安全隱患。

在蘑菇車聯(lián)的“車路云一體化”自動駕駛系統(tǒng)實(shí)踐中，曾有這樣一個案例。自動駕駛汽車途徑4個為應(yīng)對疫情而臨時(shí)搭建的核酸檢測站，站點(diǎn)周邊還加設(shè)了密密麻麻的一米欄。通過車路協(xié)同，車輛逆向繞行避障，隨后順利回到車道。

在“車路云一體化”的體系中，路側(cè)和云端感知理論上可以提前預(yù)知500m、1km、5km甚至10km外的所有靜態(tài)和動態(tài)交通信息，實(shí)現(xiàn)全局感知，為自動駕駛汽車提供必要的預(yù)測、預(yù)警信息。這一系統(tǒng)目前應(yīng)用在蘑菇車聯(lián)位于北京、上海、江蘇、浙江、湖北、四川等地的自動駕駛商業(yè)化項(xiàng)目，覆蓋城市開放道路、園區(qū)、港口、機(jī)場、高速公路、高校等全場景。

及時(shí)、精確的信息獲取是保障自動駕駛感知安全的根本前提。無論自動駕駛還是人類駕駛，行駛安全性都只取決于2個核心因素，一是有沒有看到周圍危險(xiǎn)情況；二是能否及時(shí)決策或時(shí)間夠不夠及時(shí)處理。在信息獲取精確及時(shí)性、決策時(shí)效性兩個方面，車路協(xié)同都在大幅提升自動駕駛安全性。

責(zé)任編輯：haq