“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?zhǔn)墙衲?月7日美國弗羅里達(dá)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(xì)節(jié)，包括藍(lán)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(dǎo)致了Autoplot系統(tǒng)的漏檢。并且車輛碰撞位置為Tesla的擋風(fēng)玻璃使得Tesla的碰撞安全系統(tǒng)無法發(fā)揮作用，這導(dǎo)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(fēng)玻璃中間的MobileyeEyeQ3視覺系統(tǒng)

前保險杠下方的毫米波雷達(dá)

車輛四周的12個超聲波傳感器

很不幸，我們認(rèn)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(dāng)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(dāng)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(xué)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(dǎo)致大面積白色障礙物的漏檢率非常高。

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

對于超聲波雷達(dá)，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(dāng)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(dāng)然不是。只是從技術(shù)上分析，我們認(rèn)為以Tesla當(dāng)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(rèn)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(rèn)為他們的視覺系統(tǒng)識別率可以達(dá)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(dāng)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(dá)，有很多數(shù)據(jù)表明，毫米波雷達(dá)無法測量到卡車的底盤，引起多起自動跟車事故?？偟膩碚f，這起事故表明，Mobileye視覺系統(tǒng)加上毫米波雷達(dá)不足以解決事故中的情況。

我們必須承認(rèn)，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(dāng)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(dǎo)致系統(tǒng)無法進行有效的操作。當(dāng)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(dāng)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(dāng)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(dá)(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(xué)測距法，測量車輛四周的障礙物距離情況。測量距離可以達(dá)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(dá)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(dá)(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(dá)將會走入人們的行車生活，帶來更安全的自動駕駛體驗。