欢迎关注“新浪科技”的微信î订阅号♦：techsi∉na
欢迎关઼注“新浪科技૦”的微信订阅号：੧techsina
ⓞ
L2લ，难倒一众车企。છ
作੨者&νnbsp;| 昊晗  编辑 | Juice
▨ Ε来源：车东Í西
L2频ⓟ繁出事故，问题到底在哪里ϒ？
上周，在宁波市区的某高速路段上，一辆小鹏P7在开启LCC功ⓚ能（单车道L2）行ü驶时，由于车辆系统没有识别到前方静ਨ止车辆，以80km/h的速度追尾前车，造成前车一人不幸遇难。
此♣前，像是蔚来、小鹏、理想、特斯拉等车企的车型也⁄曾多次出现过类似事ô故。
本次事ੌ故发生后，有关自动驾驶（L2级）是否安全、事故如何归¶责等话题再次站上舆论的风口浪尖。
这里需要强调的是，按照自动驾驶ξ等级划分，小鹏P7的LCC功能属于♫L2级自动驾驶，主要责任肯定在于驾驶员没有及时接管车辆。
除了驾驶员分神外，频发的事故或许也说明，现阶段的Lä2级自动驾驶系统本身也存在一定的¾问题Υ。
总结近年来的L2事故来看，事故以追尾前方♬静止车辆、障碍物为主。也就是说，目前智能汽车上即使全身上下到处都是摄像头બ，各种雷达也是应有尽有，还是存在感知系统失灵的风险。
那么，为何会出现这样的问题？有Ν没有什么办Φ法可以弥补这一短板？车东西在深入分析事故案例并与业内人士交流后ૉ，找到了可能的答案。
š01∃.
ઠ 主责在驾驶员 但感知ધ系‡统也要背锅
从事故现场的监∴控录像来看，这辆♦小鹏P7在发生碰撞前并没有明显的加减速，几乎是以一种匀速行驶的状态追尾前车…。
而车辆当时开ê启了小鹏的LCC功能，该功能是▨指自适应巡航（A‚CC）与车道保持（LKA）同时开启，也可以理解成在一条车道内的L2级自动驾驶。
当该功能开启时，车辆会根据前车车距自动控制车速并在车道内居中行驶，而车主也可以自定义¦设ક置跟车距离的远近。
所以，车辆在发生碰撞前没有任何的减θ速或避让行为，也就一定程度ϒ上证明车辆大▦概率是没有感知到前方障碍或感知结果有误。
但这只是说明车辆感知系统存在一定的问题，而整场事故的原因还是由⇔于驾驶员分神没有及时接管车辆导致👿，责任在驾驶员。
根据ƒ车主描述，他的小鹏P7搭载Xpilot 2.5硬件，感知硬件由1个单目摄像头、3个毫米波雷达、4个环视摄像头、1ઢ2个超声波雷达组成，计算平台也不是高配车型上的英伟达Xavier，而是算力只有2.5TOPS的Mobileye Eye Q4芯片。
其中，单目摄像头、毫米波Π雷达主要为L2级自动驾驶提供λ感知，而4个环视、12个超声波雷达则主要为泊车提供感知。છ
ß 根据资料显示Ι，Xpilot 2ća;.5的单目摄像头与Xpilot 3.0的中距感知摄像头基本一致，同为2M像素，横向FOV为52度，有效探测距离在30～70米之间。而毫米波雷达也采用了博世最先进的第五代毫米波雷达，探测距离也在200米左右。
从传感器配置来看，事故发生前，无论是摄像头还是毫米波雷a1;∀达理应都能探测到前方障碍，车辆也就相应可以做出制动反应。但实际情况恰恰相反，车主反映系统没识别，车辆也没有刹车迹象。
⌉ 这也就让人产生疑问，明明感«知硬件都有，为什么识别不到呢？
℘02.ÞΞ
异形Ǝ场景视›觉看不清 એ雷达过滤静止物体
对于摄像头和毫米波雷Ξd3;达来说，只要正常工作的情况下，绝对是可以“看到”前方道路情况的ⓣ。
但此处的“看઼到”仅限于看得见，问题根源是视觉识别不好ࢮ异形场景，毫米波雷达会过滤静止物体，而此次事故的前Ö车却恰好满足了“静止的异形车”两个条件。
首先，自动⊃驾驶的视觉感知系统是需要大量的模型训练才能⇓不断进化，什么场景训练得多，识别成功率也就相对更高，什么场景训练得少，识别成功率也就∋相对更低。
在સ此次小鹏L2事故中，被撞车辆是一辆老款帕萨特，其车身高度、颜色与旁边隔离带比较接近。Β并且，当时车辆正停在高速路的最左侧车道，一名白衣服的乘客蹲在车辆与隔离带之间，车辆的右后方有一个雪糕桶。
显Š然，上述场景对于视觉感知系统来说是陌生且复杂的，所以ઢ前方的“障碍”对于车来说，很难被系统识别为一台需要做出反应的车辆'。
此外，在事故发生前几秒，ⓗ前车车Çⓐ主又来到车尾调整雪糕筒位置，行走过程中挡住了车辆的车轮、尾灯等部件。
有业内人士告诉ø车东西，车辆的视觉识别算法会依靠车τ轮、尾灯等车辆👽特征点进行识别，当车辆跟行人重叠在一起时，将会对识别算法产生非常大的干扰。
所以，当时小鹏P7上摄像头的内心独†白是：“前面是个障碍吗？我咋从来没见过？咋越来越模糊？到b3;底有没有呀？让毫米波雷达给我确认一下”
ⓩ 然后，识别的压力就来到了毫米波雷达身上'👿。
૪
简单来说，毫米波雷达是通过向外发射电磁波产生回波进行测距、测速，其感知并不依赖大量模型训练，因此也就不会出现视觉那种“纠结”的情况，看到了就是看到了，没看☻到就是没看到。
但毫米波雷达也⇔有自己的“BUG”，其主要是依靠多普勒效应来感知移动目标。而多普勒效应的特性是，动态对动态最容易感知、动态对·静态较难感知、静态对静态υ极难感知。
所以，如果前方车辆静止，目标信息容易和地杂波等掺杂在一起，需要一定的ਜ਼算法才能从中分辨出目标。而如果是一辆行驶中的汽车，基于其多普勒信息，从而比Ψ较好探测到目标。
这ąc;里就跟当前毫米波雷达的技术现状有关了——一般的毫米波雷达没有高度信息Ċa;◊，同时空间分辨率不足。
没有高度信息，意味着雷达很难区分横穿马路的路 牌和桥下的车；空间分辨率不足，意味着两个距离很近的物体，其回波会被混在一起，很难知道有几个目标。
如果很难区分，再←把静态目标错误识别为车辆，然后进行刹车会严重影响用户体验，甚至增加事故，所以一些雷达公司和自动驾驶公司会选择将静态物体（包括车）过滤掉，来ਮ减少误触发（幽灵刹车）的情况。
Ψ 而毫米波雷达的内心独白可能也就是“前面确实有个静止物体！高速上怎么会有静止的车呢？一Þe;定是个桥或者隔离带！问题不大，告诉视觉前方一હ切正常。”
并且ÿ，国内目前量产的L2自动驾驶系统有不少都ષ将视觉作为主传感器（权重高），雷达当作辅助传感器（权重低）。如果视觉发现障碍物，不管雷达有没有发现，车辆都≥会做出反应，但反过来就不行。
比如只有雷达看到前方有障碍物，系统会等待视觉给出结果再做反应。如果视觉始终没💼有给出结果，干脆就不反应——毕竟L2还有人类驾驶员兜底。Ù
所以具体到这起事故，可能的原因正是因为视觉没看到，或者没有及时看到，毫米波雷达看到ਭ了，但被过滤掉了，才导◯致碰∠撞。
¦à03&.
激光♣雷达可以增强感知 前融合或࠽为最优解ąc;
综上来看，异形+静止（低速）的车或障碍也就成为现阶段L2级∑自动驾❄驶系“统的一大“BUG”。
Κ 这种场景出现的概率虽然不大，但大多发生在高速路况下，事故的伤亡率也就相对更高，所以这个“ਨBUG”不能 忽视。
对此，车企最简单粗暴的做Ο法就是在现有摄像头和毫米波雷达基础上，再引入激光雷达，甚至是多个高线bc;束激光雷达，大幅提升感知能"力。
相较于毫米波雷达和લ摄像头，激光雷达的探测精度更સ高，点云密度更高。并且激光雷达也不像摄像头那般需要对前方物体进行分类识别，只用通过反射回来的点云信息确认前方存在一个障碍物就可以，然后系统对此做出规避，能够提升车辆在面对异型障碍物时的驾驶安全性。
但随着激光雷达的加入，多传感器融合方案又新增了一个ਭ信息来源，并不能从根本上解决上述问题，还是会存在各个€感知结果之间相互ઽ“打架”的问题。
此前就有传闻称，ⓜ小鹏P5的激ਲ਼光雷达在其感知系统中的置信度并不高，主要还是以视觉感知为主。对☞此，车东西也对加入激光雷达后的小鹏LCC功能进行了实际测试。
当时，车≡ક东西选择的车Í道前方刚好有一辆货车，随后同时打开了ACC和LCC，确保车辆是在辅助驾驶系统下前行。
出发没多久之后，小鹏P5就识别到ૠ了前方的静止车辆Ād;，车辆仪表盘上清晰地显示出前方存在一辆车。
不过此时，小鹏P5ⓟ并没有明显的降速，而是在车机页面提醒驾驶员接管，同时安全带也开始收紧来提醒驾驶☜员。ε在车东西没有主动接管的情况下，车辆自动退出了LCC，但仍然保持着ACC状态。
☏ 这也就证明，⌈至少在现阶段，激光雷达ø是用上了，但又没完全用好。
Λ 那么，怎么才能彻底解决各传感器之间相互“打架”的问题呢？让多传μ感器之间实Ņ现取长补短呢？
ú 具体来说，现阶段大部分车辆的感知系统都是独自感知、独自处理、独自输出，当所有传感器完成感知之后，再由系统进行所有感知结果的融合。在♦这个过程中，各个传感器在不同场景下也就有不同的置信度。
所以，如果将各个Α传感器的感知在像素层面જ就进行对齐，然后系统使用同一种感知算法对融合后的多ਰ维数据进行感知，进而输出感知结果。这种方法也就不用考虑更相信哪个传感器的数据，不用再纠结。
这样，置信度的±概念也就不复存在，各传感器 之间也就能做👽到取长补短，融会贯通。
当然，ભ前融合也存在像素难以对齐的难ú题。◐
特斯拉开发了“向量空间”技术，ƿ该技术可以通过8个摄像头输入的数据为基础绘制3D鸟瞰视图（BEV），形成4D的空间和时间标签的“路网”以呈现道路等信息，帮助车辆把握√驾驶环境，更⊗精准地寻找最优驾驶路径。
而理想汽车在BEV感知融合算法当ⓒ中，又融合了激光雷ધ达和高精地图的信息，进一步提升了极限情况下的感知能&力。
ϑ 所以，现阶段激光雷达上车只是第一步，多Ù传感器之间实现前融合才是最优解Ó。
◯ ▤04ℑ.
☺
结语：辅℘助⊥驾驶系统不是自动驾驶
ਨ 目前，有"不少消费者都把辅助驾驶当成全自动驾驶来使用，开车睡觉ϖ、“主驾无人”等危险场景层出不穷。
⇓ 此次事故，再一次为自动驾👿驶系统的使用敲响了警钟，车企不能对消费者过度宣传自动驾驶的能◙力，并需要强制要求使用者在开启高级辅助驾驶功能时，仍需要实时关注道路情况，应对车辆无法处理的情况。
Γ
（声明：本文仅代表作者观点，不代表新浪网Ξ立场。）
ì ⊄文章关键词：
网络文化
ૉ
用微信扫描Ÿ二维码
分享至好友ਖ਼和朋友圈
\’ +&#ffe0 ; _Σsubstr(©uids[i].name, 0, 14) + \’
\’ ¯+ _substr(uids[i].v_reason, 0, ò16) + \’
新浪科♬👽ઍ技意见反馈留言板
Δ
400-05ਠ2-0੩066 欢迎批评指正
Copyright &cΗ੪opy; 1996-2022 SINA Coræporation
All Rights ਨR્eserved 新浪公司 ¦版权所有
