虎嗅注：特斯拉發(fā)生第一次自動駕駛致死的車禍，將自動駕駛靠不靠譜的問題再次推到了所有人面前，這兩天各路媒體的報道多偏向于感性的角度，很少有從技術(shù)和專業(yè)的角度來分析為什么會發(fā)生這起車禍的。本文則就是來彌補這部分缺失的，它從專業(yè)的角度告訴你，特斯拉Autoplot系統(tǒng)、Mobileye EyeQ3視覺系統(tǒng)為什么會出現(xiàn)漏檢的情況？什么樣的自動駕駛系統(tǒng)可以避免漏檢？如何改進Tesla Autopilot系統(tǒng)？ 本文轉(zhuǎn)載自 微信公眾號“Roboticists” ，作者：夾子，虎嗅已得到轉(zhuǎn)載授權(quán)。

?“一個致命的事故一定是由多個小的錯誤組成的。”

?

7月1日一早，特斯拉發(fā)表博客敘述了NHTSA（美國國家公路交通安全管理局）正在著手調(diào)查 第一起Tesla自動駕駛致死的車禍 。該車禍是今年5月7日美國弗羅里達洲一位名叫Joshua Brown的40歲大哥開著一輛以自動駕駛模式行駛的Model S在高速公路上行駛，全速撞到一輛正在垂直橫穿高速的白色拖掛卡車(如圖)。

駕駛員以及Autopilot(Tesla的自動駕駛系統(tǒng))都未對該卡車進行有效的反應(yīng)（轉(zhuǎn)向或減速），以至于Model S直接撞上了拖掛卡車的側(cè)面并且從卡車下面鉆了過去，直接變成了Tesla Roadster。

這確實是一件大事，因為NHTSA可以決定某種車型是否進行召回。Tesla也非常緊張，在博客中提及了非常多的細節(jié)，包括藍天背景加上白色卡車容易被識別為云彩，并且拖掛卡車側(cè)面從Tesla Autopilot的視角看是懸浮在地面上的，這種非常少見的情況導致了Autoplot系統(tǒng)的漏檢。并且車輛碰撞位置為Tesla的擋風玻璃使得Tesla的碰撞安全系統(tǒng)無法發(fā)揮作用，這導致了駕駛員的死亡。

本文將從專業(yè)的角度敘述該車禍的大致原因，以及后續(xù)避免此類車禍的方式方法。

?

為什么會漏檢？

首先我們需要了解Tesla Autopilot系統(tǒng)中所使用的傳感器：

• 擋風玻璃中間的MobileyeEyeQ3視覺系統(tǒng)

• 前保險杠下方的毫米波雷達

• 車輛四周的12個超聲波傳感器

很不幸，我們認為在這起致命的車禍中，所有的傳感器都漏檢了。

對于Mobileye EyeQ3視覺系統(tǒng)，一個漂浮于地面的白色物體被漏檢有以下幾個原因：

1. Tesla Autopilot選用的攝像頭為長焦鏡頭。當白色拖掛卡車進入視覺區(qū)域內(nèi)的時候，攝像頭只能看到懸浮在地面上的卡車中部，而無法看見整個車輛。這使得Mobileye的障礙物識別系統(tǒng)無法識別出障礙物是一輛卡車，而更可能是飄在天上的云。

2. 漂浮物體檢測。筆者曾和Mobileye的工程師溝通過，EyeQ3系統(tǒng)有許多特殊情況(Corner Case)，漂浮物體是其中比較難以解決問題，包括道路救援車以及雙層的車輛運輸卡車，Mobileye很難很好理解漂浮在空中的物體。

3. 大面積白色障礙物檢測。當年，Mobileye以單目攝像頭進行障礙物檢測，技驚四座。這中間的單目障礙物檢測算法非常重要，但對于大面積白色物體的障礙物檢測時，無論是學術(shù)界的最新算法，還是Mobileye都不能很好得解決該問題：由于大面積白色物體很難從圖像中提取特征點，使得基于點的相機姿態(tài)求解沒有足夠的數(shù)據(jù)輸入，導致大面積白色障礙物的漏檢率非常高。

• 對于毫米波雷達系統(tǒng)，原因主要是其安裝位置過低。一般的毫米波雷達垂直視角在±5°以內(nèi)，導致當Tesla靠近拖掛卡車側(cè)面時，雷達波束從下側(cè)穿過了卡車，導致漏檢。

• 對于超聲波雷達，其測量距離過短（2米左右），在高速行駛中基本無法探測縱向障礙物。

• 最后，最重要也是最致命的漏檢，是駕駛座上的駕駛員。Tesla Autopilot系統(tǒng)是一個公用測試版的系統(tǒng)，要求駕駛員時刻注意車輛狀態(tài)以避免出現(xiàn)事故。但據(jù)卡車駕駛員Frank Baressi原話是，（出車禍時）Tesla的駕駛員正在玩哈利波特游戲。于是最后一道防線被擊潰，Model S車毀人亡。

如何避免漏檢

從上文看，是不是當面對垂直行駛的白色拖掛卡車，所有自動駕駛汽車都只能坐以待斃了？當然不是。只是從技術(shù)上分析，我們認為以Tesla當前的Autopilot系統(tǒng)，漏檢無法避免。

什么樣的自動駕駛系統(tǒng)可以避免漏檢？如何改進Tesla Autopilot系統(tǒng)？從根本上，我們認為Tesla Autopilot系統(tǒng)缺少了面對特殊情況的冗余性。自動駕駛技術(shù)如今可以解決大部分的問題，如Mobileye認為他們的視覺系統(tǒng)識別率可以達到90%以上（具體數(shù)字無法透露）。但這一切都是基于Mobileye的測試數(shù)據(jù)得出的結(jié)論。當遇到如本次事故中的情況，顯然它并不在測試數(shù)據(jù)中，這種特殊情況在平時測試時無法窮舉，也就是說有許多特殊情況在產(chǎn)品開發(fā)時無法考慮周全。再比如毫米波雷達，有很多數(shù)據(jù)表明，毫米波雷達無法測量到卡車的底盤，引起多起自動跟車事故。總的來說，這起事故表明，Mobileye視覺系統(tǒng)加上毫米波雷達不足以解決事故中的情況。

我們必須承認，沒有完美的自動駕駛系統(tǒng)，所以我們需要更多不完美的系統(tǒng)。

下一代的自動駕駛系統(tǒng)一定會使用更多的傳感器來避免類似事故的發(fā)生。增加的傳感器一定能覆蓋本事故的情況，并在類似的情況中不會發(fā)生漏檢。

?

成為自動駕駛老司機的關(guān)鍵

當汽車以120km/h的速度在高速上行駛時，至少需要擁有200米的預(yù)判（6s的反應(yīng)時間）。該預(yù)判需要知道前方障礙物的信息，主要包括障礙物的距離與速度。其中對距離的測量是重中之重：如本次事故就缺少了對障礙物距離的有效測量，導致系統(tǒng)無法進行有效的操作。當前自動駕駛研究中有多種測量前方障礙物距離的方案，主要的方案如下：

• 單目相機光流法：Mobileye基于圖像的深度計算主要使用這種算法，在本次事故中證明無效。

• 雙目相機視差法：雙目相機如同人類的眼睛，但當前主要的雙目相機方案的基線（雙母攝像頭光軸的距離）在10cm~12cm之間，當障礙物距離超過20米時，深度分辨率急劇下降。在100米之外基本無法得到障礙物的距離。

• 激光雷達(LiDAR)測距法：LiDAR是最近各類自動駕駛新聞中出鏡率非常高的測距傳感器，使用光學測距法，測量車輛四周的障礙物距離情況。測量距離可以達到200米，精度約±3cm。但價格較高，且在雨雪天會受到較大的干擾。

既然Autopilot的基于相機+毫米波雷達的方案無法避免此類事故，下一代自動駕駛技術(shù)所需的傳感器自然已經(jīng)有了答案：我們看到激光雷達(LiDAR)在自動駕駛系統(tǒng)中發(fā)揮著越來越重要的作用——從DARPA挑戰(zhàn)賽走出的無人駕駛汽車，到最新一代奧迪的自動駕駛汽車。隨著價格的降低與技術(shù)的成熟，激光雷達將會走入人們的行車生活，帶來更安全的自動駕駛體驗。