|
厚势按：配备前向激光雷达的高档驾驶辅助系统（ADAS）能够补充摄像头的感知缺陷，能在挽救生命和勤俭本钱方面阐扬极大的作用。 （上） 本文分上下两个部门。上篇提出环抱一个前向激光雷达传感器设计的 ADAS 系统能够避免目前 ADAS 技能没有解决的 90% 碰撞。
目前，全球大大都车祸都是由驾驶员失误造成的前向碰撞事故。对此，汽车制造商正在努力开发先进驾驶员辅助系统（ADAS）以避免撞车事故的产生，但目前的效果仍尚不尽如人意；下篇探讨增加一个高性价比的定向激光雷达传感器将如何有助于避免正面碰撞事故的产生。 1.界说问题 凭据美国公路交通平安局（NHTSA）提供的 2016 年全美车祸数据，至少 50% 以上的车祸致死、致伤或者财富损出事故均为多车连环事故，且此中至少有一辆车面向火线。[1] 2016 年，此类车祸已经造成跨越 1.2 万人死亡、1.20 万人受伤，另造成跨越 270 万起财富损出事故。[2] 具体来讲，这些多车连环车祸包含追尾碰撞（占 2016 年各种碰撞总量的 32.6%）和正面碰撞（占 2.6%）。另外，另有 20.9% 是有必定角度的碰撞，且我们能够公道推论，在角度碰撞事故中，至少有一辆车履历了前向碰撞。 在 2016 年，全美 15.9% 的车祸均与撞上固定物体有关，如电线杆、路边石、水沟、树木、雕栏、桥梁等，并最终致使 1 万余人死亡、37 万人受伤、77.8 万起财富损失陈述。对此，我们能够公道推断，绝大大都直接撞上固定物体并致使死亡或者受伤的撞车事故都是正面碰撞。 别的，2016 年所有撞车事故中有 2.1% 涉及行人或者自行车。此类事故的危险性极高，占所有车祸致死事故的 16.2%，死亡人数跨越 6,500 人，且绝大大都均与乘用车的正向碰撞有关：87% 的行人和 85% 骑自行车的人均死于这种环境。[3]75% 行人车祸致死事故产生在低光照条件下。[4] 2016 年，有 10% 的撞车事故是直接撞上其他停放车辆或者动物。对此，我们有理由认为，此类碰撞事故也应显现相同纪律，即大大都伤害都涉及正面碰撞。因此，虽然这些事故中可能也包括侧面碰撞和追尾碰撞，但我们能够公道得出结论，2016 年与行人、自行车、动物和停放车辆的正面碰撞，约占所有撞车事故的 10%。 基于这些涉及动物、自行车、行人、固定物体和其他移动和停放车辆的碰撞事故数据，我们能够守旧估量，2016 年，在全部 7,277,000 起车祸中，76% 均涉及正面碰撞。 2.机能优化的机会与影响 我们能够从多个方面果断交通事故的总影响并掂量各类对策的优劣。凭据 NHTSA 的统计成效，2010 年交通事故造成的总经济和社会影响损失到达惊人的 8,360 亿美元。[5] 究竟上，这一数字在中间几年另有所增加；2010 年至 2016 年间，交通事故死亡人数增长了 12%，受伤人数增长 29%[6]。因此，凭据我们上文的估算，2016 年，全美正面碰撞事故造成的经济损失守旧达 6,350 亿美元。这些正面碰撞事故已经造成为了至少 2.7 万人死亡、150 万人受伤。[7] 目前，市面上的正面碰撞预防系统已经在避免正面碰撞事故产生方面阐扬了显著的作用。具体来讲，美国公路平安保险协会（IIHS）陈述称，依照出警记实，通用汽车配备了自动告急制动（AEB）和正面碰撞告诫系统的车辆，比不具有同类功能的相同车型产生追尾事故的几率下降了 43%。[8] 这一信息使人鼓动，但仍有庞大改良空间。统计数据讲明，即便所有道路车辆均安装了这种高档驾驶系统，2016 年的所有正面碰撞事故中有 57% 扔无法防止。究竟上，真实的 ADAS 机能指标很少颁布；然而，但若我们将通用汽车 AEB 系统预防追尾事故的成功率应用至其他正面碰撞场景，则能够推断出，这些未解决的碰撞问题致使的社会损失大约为 3,620 亿美元（占总量 6,350 亿美元的 57%）。 究竟上，这对汽车平安公司而言意味着庞大的机遇。本文提出，一个基于前向激光雷达传感器设计的 ADAS 系统能够避免目前系统 90% 无法应对事故。这种机能优化能够挽回 3,250 亿美元的社会损失（即总量 3,620 亿美元的 90%），但若平摊至 2016 年在美注册的 2.88 亿辆汽车，相当于每辆车能够至少防止 1,100 美元的损失。在本文第二部门中将介绍到，使用激光雷达传感器为感知组件能够极大地提高 ADAS 系统的平安机能。 英文原文链接： https://mp.weixin.qq.com/s/6Xou8eWEkhNteMeoQ50Irw 参考文献 [1]National Highway Traffic Safety Administration (NHTSA), 「Crashes by FirstHarmful Event, Manner of Collision, and Crash Severity, 2016,」https://cdan.nhtsa.gov/SASStoredProcess/guest. [2]These statistics are conservative because they reflect reported incidents,which may have involved multiple fatalities or injuries. [3]NHTSA, 「Traffic Safety Facts, 2016: Pedestrians,」https://crashstats.nhtsa.dot.gov/Api/Public/Publication/812493. NHTSA,「Traffic Safety Facts, 2016: Bicyclists and Other Cyclists,」https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/812507. [4]NHTSA, 「Traffic Safety Facts, 2016: Pedestrians,」https://crashstats.nhtsa.dot.gov/Api/Public/Publication/812493. [5]NHTSA, 「The Economic and Societal Impact of Motor Vehicle Crashes, 2010」https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/812013. [6]NHTSA, 「Traffic Safety Facts 2016,」https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/812554. [7]NHTSA, 「Crashes by First Harmful Event, Manner of Collision, and CrashSeverity, 2016,」 https://cdan.nhtsa.gov/SASStoredProcess/guest. [8]Insurance Institute for Highway Safety, 「GM Front Crash Prevention Systems CutPolice-Reported Crashes,」 https://www.iihs.org/iihs/news/desktopnews/gm-front-crash-prevention-systems-cut-police-reported-crashes. 前瞻性激光雷达：驾驶辅助系统的革命（下） 目前，汽车制造商纷繁投入巨资，开发多种先进驾驶员辅助技能，让驾驶进程加倍安宁和平安，并且也简直取患了不错的功效。究竟上，不少先进驾驶员辅助系统已经作为车辆功能或者特色，成功登岸 SAE L2 自动驾驶汽车（具体界说见：SAE J3016-2018 《道路灵活车辆驾驶自动化系统相关术语的分类和界说》），包含车道连结辅助、自适应巡航节制和自动告急制动等。这些系统能够在特定行驶条件下阐扬作用，节制车辆的运动；然而，为了确保平安行驶，驾驶员仍必需将注意力集中在驾驶上。 迄今为止，这些 L2 级自动驾驶系统根本都是环抱摄像头和雷达技能设计的。然而，汽车制造商在为系统选择感知组件时能够改用激光雷达，从而大大提高驾驶员辅助功能的效果和效率。激光雷达技能在某些方面的机能明显要优于摄像头和雷达，这是由其工作原理决议的，而这些机能对付防止前向碰撞事故产生至关重要。因此，激光雷达也成为了行业真正应用先进驾驶员辅助系统的关头使能传感装置之一。[1]
激光雷达可及时丈量周边目标与车辆的间隔，整个进程不必要进行任何分外的运算，也无需其他传感器的支持，因此其在自由空间中的探测效率和准确度均优于摄像头。究竟上，激光雷达可为驾驶员辅助系统提供很是准确的自由空间探测，即哄骗周围物体间隔车辆的切确位置，绘制车辆的平安行驶区域，这也是任何驾驶员辅助系统正常工作的根蒂。 雷达也具有探测周围物体的能力，但其相对「模糊」的成像能力基本无法满足自由空间探测要求，并且还必需依赖其他传感器才气完成「目标分类」任务。别的，雷达很难探测静止物体。「毫米波雷达测距精度高、受情况条件影响小，但缺陷在于角度辨别率差，很容易泛起误报环境。」[2] 因此，雷达对自由空间探测的作用不大。 与激光雷达分歧，一些基于摄像头的解决方案则必要更多传感器的支持，并且还需颠末繁杂的运算才气推断周围物体的间隔，从而确定车辆的平安行驶路径。比方，为了提供「立体视野」，这些系统将至少必要两个摄像头，还需配备「深度估算算法」基于左图像和右图像之间的三角丈量，确定视野中物体的深度 [3]。但若系统仅有一部摄像头，则车辆处置器则必需通过比力多帧图像，才气模拟最终的立体图像。然而，与激光雷达相比，通过这种「运动布局」（structure from motion）的方式推导间隔必需进行分外的运算，因此繁杂度更高。 究竟上，摄像头还需面对所谓的「隧道视觉」（Tunnel vision）挑战，这会让基于摄像头的驾驶员辅助系统加倍繁杂、本钱更高。具体来讲，摄像头为了聚焦间隔更远的物体，则必需以捐躯视场为价格。这种现象其实在民用相机中也很常见：当你瞄准远处的物体时，镜头中能够捕获的场景则较少，这点任何使用过相机变焦功能的人应该都有体会。车辆必需同时捕捉分歧间隔（远、中、近）的车辆、目标和行人，因此为了得到恒定的高辨别率图像，先进驾驶员辅助系统必需具有多个焦距，即必要多个摄像头。
现阶段的驾驶员辅助系统过于依赖摄像头，这也带来了必定弊病。具体来讲，基于摄像头的驾驶员辅助系统常常会哄骗算法，来阐发摄像头捕获的图像，从而辨认检测到的对象。然而，这种「从图像中提取特征的算法将紧张依赖［比拟度］（无论是颜色比拟度，仍是强度比拟度）」。正因如此，基于摄像头的驾驶员辅助系统很容易受到错觉的干扰，好比将大卡车的侧面误报为天空等。[4] 究竟上，基于摄像头的先进驾驶员辅助系统不仅会受到这些假阴性读数的影响，也会同时受到假阳性读数的干扰。最近，美国公路平安保险协会（IIHS）的一项研究显示，这些出缺陷的读数会致使系统在真实的道路驾驶场景中做出不恰当的的行为。陈述称，「在 180 英里内的总行程中，车辆共不测减速 12 次，且此中 7 次均是受到马路上树影的干扰。」[5] IIHS 机构担忧，这种糟糕的机能可能会让驾驶员直接彻底抛却车辆的平安系统。 别的，摄像头在弱光条件下的机能也使人堪忧，这点很容易理解。究竟上，摄像头的工作原理与我们的双眼很雷同，也必需依赖情况光才气工作。目前，一些公司正在探索解决这一缺陷的方式，比方借助红外功能改善摄像头在弱光下的机能。这种趋势实际反映了两个问题：首先，汽车制造商也已经意识到单凭摄像头并没有法满足车辆的必要；其次，红外技能多是问题的谜底之一。因此，相较于通过一系列「缝缝补补」加强某一种传感器的功能，我们真正必要的是通过一种新的传感器技能，提供一种与以往分歧的数据类型。为了在更多条件和情况下包管平安操纵，汽车制造商在设计先进驾驶员辅助系统时必需「集各家之所长」，连系使用市场上各类可用的传感器技能。 英文原文链接： https://mp.weixin.qq.com/s/JbJQ0hH0t5SNSsmK2SWTYA 参考文献 [1] See also 「A Safety-First Approach to Developing and Marketing Driver Assistance Technology.」 [2] Wu, X., Ren, J., Wu, Y., and Shao, J., 「Study on Target Tracking Based on Vision and Radar Sensor Fusion,」SAE Technical Paper 2018-01-0613, 2018, https://doi.org/10.4271/2018-01-0613. [3] SAE, 「J3088: Active Safety System Sensors,」 https://www.sae.org/standards/content/j3088_201711/. [4] Iain Thomson, 「Man killed in gruesome Tesla autopilot crash was saved by his car's software weeks earlier,」 The Register. June 30, 2016. https://www.theregister.co.uk/2016/06/30/tesla_autopilot_crash_leaves_motorist_dead/. [5] Insurance Institute for Highway Safety, 「Evaluating Autonomy: IIHS examines driver assistance features in road, track tests,」 Status Report, 53, No. 4. August 7, 2018. https://www.iihs.org/iihs/news/desktopnews/evaluating-autonomy-iihs-examines-driver-assistance-features-in-road-track-tests. 编纂：QQ 来历：SAE 自动与网联知识中心 -END- 厚 势 汽 车 点击浏览原文，查看文章「baidu无人巴士项目生变：主力人员撤出，产物停止推广」 |
