自动驾驶为什么会识别不出静止物体

关于蘑菇说：

自动驾驶技术正在逐渐走进你我的生活，不少人对它充满好奇。有人已经在街头看到过自动驾驶的车辆，甚至体验过自动驾驶服务，也有人对这项新技术感到陌生，甚至心存疑虑。

作为全球领先的自动驾驶全栈技术和运营服务提供商，蘑菇车联官方微信公众号将从即日起开设一档自动驾驶科普专栏，讲解大家关心的技术知识、畅享未来的出行生活。同时欢迎读者评论、留言、私信，把想了解的问题发给我们，我们将尽力解答。

本期将从“为什么自动驾驶难以识别静止物体”的话题开始。

今年 5 月，美国网友Joel Johnson在YouTube上发布了一条视频：一辆谷歌Waymo自动驾驶出租车，在遇到建筑工地放置的一排交通锥后，系统受到迷惑，不再前行，停在凤凰城郊区一条繁忙的马路中间，造成了14分钟的交通堵塞。

除了交通锥，绝大多数意外出现的静止障碍物都是自动驾驶的大敌。2019年，在美国印第安纳州，一位用户驾驶特斯拉Model 3在州际公路撞上了一辆静止停放的消防车。事后报告称：特斯拉未能观察到停放在车道上的消防车。Model 3今年3月和7月的两起事故同样源自撞上停放的汽车。

Waymo和特斯拉分别代表了当今自动驾驶阵营中的“激光雷达+高精地图派”和“纯计算机视觉派”。对二者来说，静止目标的识别都非常难。

首先，路面上临时出现的路障、三角、警示牌、施工作业区由于出现的周期太短，往往无法被现成的自动驾驶高精地图收录。于是识别上述物体的任务落在本就压力山大的自动驾驶机器头上。

机器感知与人类感知的逻辑不同。人眼可以清晰看到前方路标、路牌、前车尾灯并将其分类，而机器识别的结果只能由数据和算法决定。开放道路场景千变万化，只要物体简单变换外观，就必须重新识别。机器或许能识别出一个推自行车的行人，但难以在短时间内识别一个戴皮卡丘头套推车的行人。数据场景库的丰富度和算法质量不足以应付这一罕见场景。

静止物体的感知和识别是更有难度的工作。在自动驾驶感知系统中，雷达“看到”的是点云，摄像头“看到”的是图像像素，二者数据特征不同，需要复杂的融合过程。反观移动的目标点，由于一直在变化，相对容易判断。而静止障碍物混在静止路牌、路标、绿植中，只有经过多轮筛选才能标识出。一旦算法不够成熟，很容易出现某一传感器识别出障碍物，但被承担巨大高速运转压力的算法当作错误或不重要数据直接过滤。

综合来看，自动驾驶难以识别静止物体的原因在于：这是一场没有高精地图支援，机器数据融合与筛选难度高，算法权重小，还经常遭遇罕见场景的感知“大考”。

这也是车路协同发挥价值的重要舞台。车路协同为自动驾驶感知提供及时、精确的信息保障。架设在路口交通灯杆高处的摄像头和雷达能够游刃有余地识别临时交通锥或应急车道停放的奇异拖车，通过V2X将其提前告知途径车辆。车辆在距静止障碍物较远时已做好防范，从而规避安全隐患。

在蘑菇车联的“车路云一体化”自动驾驶系统实践中，曾有这样一个案例。自动驾驶汽车途径4个为应对疫情而临时搭建的核酸检测站，站点周边还加设了密密麻麻的一米栏。通过车路协同，车辆逆向绕行避障，随后顺利回到车道。

在“车路云一体化”的体系中，路侧和云端感知理论上可以提前预知500m、1km、5km甚至10km外的所有静态和动态交通信息，实现全局感知，为自动驾驶汽车提供必要的预测、预警信息。这一系统目前应用在蘑菇车联位于北京、上海、江苏、浙江、湖北、四川等地的自动驾驶商业化项目，覆盖城市开放道路、园区、港口、机场、高速公路、高校等全场景。

及时、精确的信息获取是保障自动驾驶感知安全的根本前提。无论自动驾驶还是人类驾驶，行驶安全性都只取决于2个核心因素，一是有没有看到周围危险情况；二是能否及时决策或时间够不够及时处理。在信息获取精确及时性、决策时效性两个方面，车路协同都在大幅提升自动驾驶安全性。

责任编辑：haq