無(wú)人駕駛與人相撞 技術(shù)不成熟遭質(zhì)疑

　　近日一輛 Uber 的自動(dòng)駕駛汽車(chē)在亞利桑那州坦佩市的公共道路上與一名行人相撞，該行人在送往醫院后不治身亡。這起意外事故將不僅影響Uber的自動(dòng)駕駛的計劃，還將影響到整個(gè)無(wú)人駕駛行業(yè)最終發(fā)布能在公共道路上行駛的無(wú)人汽車(chē)的計劃。這則新聞將“無(wú)人駕駛技術(shù)”推向熱搜。

　　現有無(wú)人駕駛技術(shù)路線(xiàn)優(yōu)缺點(diǎn)

　　目前，國際上自動(dòng)駕駛環(huán)境感知的技術(shù)路線(xiàn)主要有兩種：一種是以特斯拉為代表的毫米波雷達主導的多傳感器融合方案，另一種以高成本激光雷達為主導，典型代表如谷歌Waymo。我們來(lái)分析一下這兩條線(xiàn)路對前方路況分析所使用的傳感器：

　　特斯拉的無(wú)人駕駛方案以毫米波雷達+可見(jiàn)光攝像頭為主，最開(kāi)始有MobileEye的參與，以可見(jiàn)光攝像頭為主，毫米波雷達作為輔助。出現撞卡車(chē)事件后，Tesla改為毫米波雷達為主，可見(jiàn)光攝像頭為輔。

　　谷歌的方案基本上是以激光雷達為主，毫米波雷達為輔，可見(jiàn)光攝像頭幾乎不參與。谷歌似乎對可見(jiàn)光攝像頭一直不感冒，即使涉及到物體/行為識別，谷歌仍?xún)A向于用三維激光雷達。

　　從上面我們可以看出目前市面上主流的前向路況檢測主要依靠以下三種傳感器：毫米波雷達、激光雷達以及可見(jiàn)光攝像頭，且只是兩個(gè)傳感器融合。下面我們來(lái)分析一下這三種傳感器的優(yōu)劣勢：

　　上表中可以看出，目前主流的針對前向的傳感器融合方案都有一個(gè)顯著(zhù)的缺點(diǎn)：在惡劣天氣情況下，只有毫米波雷達一個(gè)單傳感器可以起到作用，而毫米波雷達自身又難以識別行人。故現有的技術(shù)方案只能在正常天氣下工作，在惡劣天氣環(huán)境下(特別是光線(xiàn)不好的情況)會(huì )對路上行人的生命會(huì )造成極大的威脅。

　　所以面對這種既要能在夜晚和惡劣的天氣情況下，解決視覺(jué)和行人識別的問(wèn)題?？此茻o(wú)人駕駛未能找到解決方案，但其實(shí)我們忽略了，夜視傳感器中的遠紅外傳感器。因為遠紅外技術(shù)只考慮觀(guān)測主體與環(huán)境之間溫度差，可以不受光線(xiàn)情況影響。

　　遠紅外熱成像原理，通過(guò)能夠透過(guò)紅外輻射的紅外光學(xué)系統將視場(chǎng)內景物的紅外輻射聚焦到能夠將紅外輻射能轉換為便于測量的物理量的器件--紅外探測器上，紅外探測器再將強弱不等的輻射信號轉換成相應的電信號，然后經(jīng)過(guò)放大和視頻處理，形成可供人眼觀(guān)察的視頻圖像，最終通過(guò)顯示終端顯示、音響設備報警的夜間輔助駕駛產(chǎn)品。