为什么自动驾驶车辆难识别白色大卡车

蘑菇说：人类驾驶员可以轻轻松松辨别前方的白色大货车和远方的云朵，但这一简单的场景或许会难倒一辆“武装到牙齿”的自动驾驶汽车。判断错误的后果很可能是一场车祸。

迄今为止，没有人造系统可以媲美人类眼睛及大脑的图像处理能力。工程师们尝试在自动驾驶车辆上安装多种配置，尽可能地让车辆准确感知外部环境。

在自动驾驶车辆的传感系统中，摄像头、超声波探测器（即俗称的“倒车雷达”）、毫米波雷达是最常见的几个配置。

只采用摄像头等几种常见传感器可能并不那么靠谱，起码现阶段是这样。智能网联车辆通过摄像头拍摄的二维图片来识别周围的环境，这背后需要算法支撑，算法像是人类的大脑。

这套系统不能保证100%正确识别，比如对于各种“没见过”的事物，车辆可能会“大脑一片空白”。如果车辆所处的环境太亮、太暗、太复杂，系统同样可能会识别错误。

一个穿着布偶服装的行人，一辆夸张的改装车，甚至一辆普普通通的白色大卡车都可能让车辆产生错误判断。

据不完全统计，全球范围内已经发生过多起智能网联汽车撞上白色大卡车的事故，其中一些案例中车辆开启了L2级自动驾驶辅助系统，但其并没能拯救走神的司机。

曾经有网友做过一个有意思的实验，把一张白色卡车的图片导入Photoshop，采用快速选择工具，把白色卡车的轮廓勾选出来，得到的结果是，有一大片白云也被划入了勾选框。在Photoshop看来，白色货厢和天空是一样的。

你当然可以手动把白色卡车从选区中除去，就像在自动驾驶通用算法的基础上叠加一层更复杂的算法，但过程非常繁琐。在自动驾驶感知系统时时刻刻被高频大量的图像识别需求“轰炸”下，算法大概率只能将图像中若隐若现的白色卡车过滤掉了。

目前业内正在通过持续优化算法、布置更多摄像头形成立体视觉等措施帮助算法认识白色卡车。目前这些技术仍处试验阶段。

与摄像头共担大任的雷达传感器们也有各自的“苦衷”。

首先，用于倒车测距的超声波雷达对于中远距离检测相当无力。

毫米波雷达倒是适用于长距离探测，理应能探测到远处的白色卡车。但卡车的底盘常常离地间隙非常大，尤其是半挂式卡车。一部分毫米波很容易直接从箱底穿过，形成漏检。

毫米波雷达对于缓行过马路的卡车也缺少敏感性。这是由于毫米波雷达需要排除路面桥墩、隔离栏等静止物体造成的干扰，这被称为“静态杂波滤除”。这个过程中，它很可能将停在远处或缓慢过马路的白色卡车也过滤掉了。

事实上，多数由白色卡车造成的自动驾驶事故中，确实有不少卡车在事故前处于侧翻静止状态。

图像传感器和依赖电磁波的传感器不擅长的，却难不倒激光雷达。激光雷达采用激光探测及测距技术来构建车辆所处的三维图像。这意味着激光雷达对于障碍物的距离和3D轮廓感知更精准。

但激光雷达摆脱不了天然的物理感知距离极限。

假设一个激光雷达垂直角分辨率是0.3度（雷达发射光束相邻两个点之间的夹角），它对百米外一位身高1.7米左右的成年人的识别点不超过6个。这就很难准确勾勒出物体的轮廓。更不用说体型庞大、奇异的各种半挂卡车了。

“摄像头+电磁波传感器+激光雷达传感器”互补确实能满足99.99%的驾驶场景，但总会有白色卡车（有时还侧翻）这种罕见的情况。

那么，如果让白色卡车直接告诉自动驾驶汽车，让后者提前知道这里存在一辆占据了两个车道的异型车，问题是不是就迎刃而解了呢？

一些自动驾驶公司正尝试借助车路协同技术（V2X）中的车车直连通信，帮助车辆及时、准确获取中远距离信息。

在实际应用中，蘑菇车联走得更远。其“车路云一体化”的自动驾驶系统不仅有车车直连，还有200米外的路侧预警以及云端数公里外的远距离信息预警。这一方案理应为未来的自动驾驶大规模落地带来更多安全性。

责任编辑：haq