蘑菇說：人類駕駛員可以輕輕松松辨別前方的白色大貨車和遠(yuǎn)方的云朵，但這一簡單的場景或許會難倒一輛“武裝到牙齒”的自動駕駛汽車。判斷錯誤的后果很可能是一場車禍。

迄今為止，沒有人造系統(tǒng)可以媲美人類眼睛及大腦的圖像處理能力。工程師們嘗試在自動駕駛車輛上安裝多種配置，盡可能地讓車輛準(zhǔn)確感知外部環(huán)境。

在自動駕駛車輛的傳感系統(tǒng)中，攝像頭、超聲波探測器（即俗稱的“倒車?yán)走_(dá)”）、毫米波雷達(dá)是最常見的幾個配置。

只采用攝像頭等幾種常見傳感器可能并不那么靠譜，起碼現(xiàn)階段是這樣。智能網(wǎng)聯(lián)車輛通過攝像頭拍攝的二維圖片來識別周圍的環(huán)境，這背后需要算法支撐，算法像是人類的大腦。

這套系統(tǒng)不能保證100%正確識別，比如對于各種“沒見過”的事物，車輛可能會“大腦一片空白”。如果車輛所處的環(huán)境太亮、太暗、太復(fù)雜，系統(tǒng)同樣可能會識別錯誤。

一個穿著布偶服裝的行人，一輛夸張的改裝車，甚至一輛普普通通的白色大卡車都可能讓車輛產(chǎn)生錯誤判斷。

據(jù)不完全統(tǒng)計，全球范圍內(nèi)已經(jīng)發(fā)生過多起智能網(wǎng)聯(lián)汽車撞上白色大卡車的事故，其中一些案例中車輛開啟了L2級自動駕駛輔助系統(tǒng)，但其并沒能拯救走神的司機(jī)。

曾經(jīng)有網(wǎng)友做過一個有意思的實(shí)驗，把一張白色卡車的圖片導(dǎo)入Photoshop，采用快速選擇工具，把白色卡車的輪廓勾選出來，得到的結(jié)果是，有一大片白云也被劃入了勾選框。在Photoshop看來，白色貨廂和天空是一樣的。

你當(dāng)然可以手動把白色卡車從選區(qū)中除去，就像在自動駕駛通用算法的基礎(chǔ)上疊加一層更復(fù)雜的算法，但過程非常繁瑣。在自動駕駛感知系統(tǒng)時時刻刻被高頻大量的圖像識別需求“轟炸”下，算法大概率只能將圖像中若隱若現(xiàn)的白色卡車過濾掉了。

目前業(yè)內(nèi)正在通過持續(xù)優(yōu)化算法、布置更多攝像頭形成立體視覺等措施幫助算法認(rèn)識白色卡車。目前這些技術(shù)仍處試驗階段。

與攝像頭共擔(dān)大任的雷達(dá)傳感器們也有各自的“苦衷”。

首先，用于倒車測距的超聲波雷達(dá)對于中遠(yuǎn)距離檢測相當(dāng)無力。

毫米波雷達(dá)倒是適用于長距離探測，理應(yīng)能探測到遠(yuǎn)處的白色卡車。但卡車的底盤常常離地間隙非常大，尤其是半掛式卡車。一部分毫米波很容易直接從箱底穿過，形成漏檢。

毫米波雷達(dá)對于緩行過馬路的卡車也缺少敏感性。這是由于毫米波雷達(dá)需要排除路面橋墩、隔離欄等靜止物體造成的干擾，這被稱為“靜態(tài)雜波濾除”。這個過程中，它很可能將停在遠(yuǎn)處或緩慢過馬路的白色卡車也過濾掉了。

事實(shí)上，多數(shù)由白色卡車造成的自動駕駛事故中，確實(shí)有不少卡車在事故前處于側(cè)翻靜止?fàn)顟B(tài)。

圖像傳感器和依賴電磁波的傳感器不擅長的，卻難不倒激光雷達(dá)。激光雷達(dá)采用激光探測及測距技術(shù)來構(gòu)建車輛所處的三維圖像。這意味著激光雷達(dá)對于障礙物的距離和3D輪廓感知更精準(zhǔn)。

但激光雷達(dá)擺脫不了天然的物理感知距離極限。

假設(shè)一個激光雷達(dá)垂直角分辨率是0.3度（雷達(dá)發(fā)射光束相鄰兩個點(diǎn)之間的夾角），它對百米外一位身高1.7米左右的成年人的識別點(diǎn)不超過6個。這就很難準(zhǔn)確勾勒出物體的輪廓。更不用說體型龐大、奇異的各種半掛卡車了。

“攝像頭+電磁波傳感器+激光雷達(dá)傳感器”互補(bǔ)確實(shí)能滿足99.99%的駕駛場景，但總會有白色卡車（有時還側(cè)翻）這種罕見的情況。

那么，如果讓白色卡車直接告訴自動駕駛汽車，讓后者提前知道這里存在一輛占據(jù)了兩個車道的異型車，問題是不是就迎刃而解了呢？

一些自動駕駛公司正嘗試借助車路協(xié)同技術(shù)（V2X）中的車車直連通信，幫助車輛及時、準(zhǔn)確獲取中遠(yuǎn)距離信息。

在實(shí)際應(yīng)用中，蘑菇車聯(lián)走得更遠(yuǎn)。其“車路云一體化”的自動駕駛系統(tǒng)不僅有車車直連，還有200米外的路側(cè)預(yù)警以及云端數(shù)公里外的遠(yuǎn)距離信息預(yù)警。這一方案理應(yīng)為未來的自動駕駛大規(guī)模落地帶來更多安全性。

責(zé)任編輯：haq