Will.liu，十年汽车生涯，怎能不白头。（汽车/科技） 阅读原文 很多人以为的逻辑： 现在自动泊车都出来了，在雷达和摄像头的帮助下，车辆都能直接入库了，而且遇到障碍物都会先判断，再预警，再自动调整位置避开障碍。 如果不是自动泊车，就是最简单的辅助倒车，也是基本的功能，每辆车都有，在检测到后面有障碍物的时候，就会蜂鸣报警，而且精度还超高，甚至凭借报警声音，老司机都可以控制到了厘米的级别，和后面障碍物贴着停。 那么，为什么汽车不能设计成行驶的时候快撞车就自动刹车呢？ 然后，懂得一些自动驾驶 AEB 的人就出来解释了，什么 AEB 的原理啊，什么摄像头要辨别出是什么玩意，才能刹车啊，辨别不出来就得撞上去了。 然后吃瓜群众就更懵逼了，说啥呢，把我当傻子忽悠呢。 我倒车的时候，开着简配的车，没后置摄像头的那种，但车后面放箱子，放购物车，站着人，有堵墙，随便是啥，只要是车后面有障碍物，那个都报警。那技术不就是一个雷达，反射到了障碍物，然后雷达波回来告诉我有障碍物，管他什么障碍物，都不能倒了，随着障碍物距离接近不断报警（好一点的辅助驾驶还会刹停）啥的，有啥难度，要啥摄像头。 那么把这个功能放在车辆前面，检测到障碍物，管他什么障碍物，只要雷达检测到有东西，直接停下就好了啊！凭什么倒车能做到，开车就不能做到了。 往往到这个时候，逻辑就卡住了，为什么不行，我看过很多大佬的高赞回答，都没把这个简单的问题说清楚，而是转而去说什么智能 AI，大数据的算法，或者去科普 AEB 是啥玩意，顺便扯下自动驾驶分几个等级啥的，弄一堆英文名词，说得大家不明觉厉，肃然起敬。但回头一想，好像都没说到点上啊，还是不明白啊。 但是，如果说明白了，就是简单一句话： 辅助驾驶的单一感知设备，不能适应全路况，全环境的一个事情。 打个比方，就是人可以通过手去触碰某个装菜的盘子，得知这个菜是热是凉，但是你要人去判断 10 米开外的一盘菜是热菜还是凉菜，那是真的只能靠蒙了。100 米开外，还要人的触摸去判断，那就真的只有上超能力了…… 用来自动泊车报警的感知设备，叫做超声波雷达。而这个雷达的目前最远探测距离（保持精度）为 5 米。 啥叫超声波雷达？ 就是一个发射超声波的装置，再弄一个接收超声波的装置，根据来回的时间差，就能估算出雷达距离障碍物的相对距离，精度可以达到 1-3CM。 现在我们常见的，也是用了几十年的超声波雷达叫 UPA，UPA 的探测距离一般在 15CM-250CM。通常安装在汽车前后保险杠上，用于辅助泊车。 而自动泊车就需要装侧面雷达，这里用的则是更长距离的探测超声波雷达 APA.APA 的探测距离在 30-500CM。 APA 用于测量侧方障碍物的相对距离，因为其探测距离较远，也可用在驾驶的时候探测后方、侧面是否有来车过于靠近本车，可以用于侧后方来车报警。 一辆车从检测到障碍物到刹停，要经过感知 - 思考 - 决策的过程。而一辆 100 公里时速的车，一秒就是 28 米，指望 5 米感知距离的超声波雷达来帮助刹停，等探测到了再到刹停，那简直就是 100%碰撞，对于驾乘人员的生命简直就是开玩笑。 那么为什么超声波雷达不能检测远一点的位置，比如 100 米开外？ 因为超声波是机械波，散射角大，方向性不集中，无法精准描述障碍物位置，离障碍物距离越远灵敏度越差，现阶段 5 米以上就无法判断障碍物的精准相对距离。 讲清楚了上述的超声波雷达原理，我们再回来说下 AEB（Automatic Emergency Braking）的判定标准。 现有的 AEB 用的感知设备基本是由毫米波雷达和高清摄像头组成的。 而毫米波雷达即便最近才开始配在某些高端车型上的77GHZ 的，其精度也只有 10-40CM 级。 这是个什么意思呢？就是一个人，在毫米波雷达的感知里，可能就是由几个反射点到十几个反射点所组成。一辆比人大很多倍的面包车、卡车，倒是反射点多一些，可能会有一个大概的轮廓勾勒出来。 但从稀疏的几个反射点里面判断前方是个人还是个什么玩意，还要从一大堆反射点里把这几个点给摘出来，不和其他的反射点融为一体，对于算法来说，也是个让它头疼的事情，反正我看过毫米波雷达反射的点云图，我是弄不清楚左边这十几个点，右边那几个点是啥玩意的…… 觉得反射点少了，想多来点那个反射点，那么我们调高毫米波雷达的灵敏度，降低探测阈值行不行呢？ 也不行。因为毫米波雷达对金属敏感度高，在高灵敏度下，这就和照相一样，灵敏度越高，无用的噪点也会增多，这样就会造成大量的误判，导致“鬼影”，“虚影”的出现。 所以，AEB 很想采纳毫米波雷达的数据，但这个玩意的精度太低，而且还经常弄些“魔幻”的反射点出来，如果回回采纳它的数据，那汽车很有可能在一马平川的道路上，突然就是一个急刹，因为毫米波雷达判断前方有个“障碍物”。然后司机一脚油门，继续走，过一下又是一个刹停……还是误判…………这样的 AEB 估计会让司机和乘客抓狂………… 所以，为了防止汽车出现这种状况，现在 AEB 的逻辑，毫米波雷达要求刹停的要求还得经过高清摄像头的确认把关才行，这样就可以防止毫米波雷达误判。只有在两者判断一致的情况下，比如前面有辆车停了，毫米波雷达说前面有辆车，摄像头也说前面有辆车，那么 AEB 才会下决定开始刹车。当然，根据权重的不同，也可以调整为摄像头说前面有辆车，毫米波雷达懵的情况下，也可以开始刹车。 说回高清摄像头，通过提供高分辨率的图像，再把图片转为二维数据，然后进行图像匹配进行识别。前面这个到底是车辆，还是行人，还是电动车，摩托车，这种方式就是我们常说的神经网络学习得来的。 （神经网络是一种模拟大脑认知的机理，解决各种机器学习的应用任务，从海量的数据中进行深度学习。） 我们现在用的人工智能的学习，基本是采用的自下而上的方法，使用深度神经网络（DNN）或卷积神经网络（CNN）进行深度学习。（深度学习：一类机器学习算法，使用多层从原始输入中逐步提取更高层次的特征。） 而摄像头感知的数据，如果算法没有见过类似的，无法解析出来，很有可能认为这是个错误的感知。 比如前面道路，车的前方突然出现了一棵大树，还是枝繁叶茂的那种。 我们人眼当然知道，前面是一个装载一棵大树的大卡车，它停下来了，我不能再开了，否则就撞了。 但毫米波雷达示警，这前面的反射点告知车前面有个庞大的物体。但这反射点的轮廓，让雷达处于懵的状态，这到底是个啥？天边的一朵云彩？还是金属反射的虚影？不会又是出现了“鬼影”的误判吧。 摄像头拍摄后，也是懵的，这图片转成的二维数据我没学过啊，我对比了好多次，完全和我之前学过的东西不沾边啊。不会是算法错误得到的吧，刚才是不是摄像头过了坑抖动了？ 然后两个合计，估计都是错误感知，应该前面没障碍物，那就别通知 AEB 了。 不用刹车了，直接开吧，反正根据深度学习经验，之前这么判断了好多次了，都没出事，没问题的，反正前面肯定不是一辆车…… 然后……车辆继续高速疾驰，而某位司机还在笃信“自动”驾驶，闭着眼休息………… 所以，别相信目前阶段的辅助驾驶，还是得时刻关注路况才行…… （如果想要了解更多自动驾驶相关的知识，可以看我之前的一些回答，我觉得讲得算是深入浅出了。） 阅读原文
