Uber自動駕駛系統介紹 通過四套系統檢測行人和障礙物

Uber的自動駕駛測試車剛剛在亞利桑那州撞上了一位行人，這是第一起自動駕駛汽車致死事故。因此無論是美國政府還是Uber都會對這起事故進行詳細的調查，就像過去的自動駕駛汽車一樣引人關注。從表面上看，如果自動駕駛系統非常完善的話，是完全可以避免這種事情的發生。除非系統發生故障或存在問題，這種情況纔會發生。

對所有自動駕駛汽車工程師來說，首先要解決的一個問題就是如何對突然闖入預定行駛線路上的目標進行反應，包括一輛急停的汽車、行人甚至是一隻鹿。自動駕駛系統需要儘早的發現這種意外狀況，識別之後採取最恰當應對措施，包括減速、停止或轉向等等。

Uber的自動駕駛測試車配備了多種不同的成像系統，既可以完成像監視附近汽車、標誌和道路標記等常規任務，還可以完成一些特殊的職責。爲了躲避行人和車輛，Uber目前共有四種不同的系統可以選擇。

這些被固定在汽車頂部的桶狀物是一種激光雷達，或者叫做光探測距離系統。它可以在1秒鐘之內生成汽車周圍環境的3D影像圖，激光雷達利用紅外激光脈衝遇到物體反射後返回給傳感器，無論是白天還是夜晚都可以對移動或靜止狀態的物體進行全面探測。

但大雪和濃霧可以影響激光雷達的有效距離，準確度也隨着範圍的擴大而降低。但在幾英尺到幾百英尺的距離內，它可以非常有效的檢測到任何物體，並且它的成本不高，幾乎在每一輛自動駕駛汽車上都能見到。

如果算法正確，激光雷達可以辨別出潛在的目標，只要不是被完全遮擋或在一百英尺之外即可。然後系統將數據傳輸回“大腦”，這個“大腦”負責整理生成的圖像。

前置無線電波雷達

無線電波雷達與激光雷達一樣，也是發出信號，然後等待它反射回來。但這種雷達使用的是無線電波而不是紅外光線。因此電波雷達具備更好的抗干擾能力，因爲無線電可以穿越雨雪和大霧，但相應圖像分辨率和有效範圍也隨之降低。

Uber在汽車的前後都安裝了這種無線電波雷達，能夠提供360度的覆蓋範圍，但它的作用只是用來作爲激光雷達的一種補充，兩者的檢測範圍有很大的重疊，但無線電波雷達更多的是爲識別其它車輛以及更大的障礙物而存在。

這種雷達不太容易辨別行人，但至少可以檢測出前方出現了障礙物，證明激光雷達探測的目標是準確無誤的。

激光雷達和無線電波雷達在定位有形狀的物體和目標時效果很好，但是對讀取符號、標示和顏色方面就無能爲力了。因此自動駕駛汽車還需要一種可視化的光學攝像機，來通過對畫面上拍攝的內容進行實時而複雜的計算機視覺算法。

Uber自動駕駛汽車的攝像頭可以識別前車的剎車燈、交通信號燈、穿越的行人等。尤其是在汽車前端，在不同角度安裝了多種不同類型的攝像頭，用來拍攝汽車行駛過程中完整的畫面場景。

檢測行人是計算機視覺系統要處理最常見的任務，目前這種算法已經非常完善，能夠對畫面上標識符號、樹木、人行橫道等元素進行分割。

因此，這種技術在晚上使用起來困難很大，尤其是與前兩種雷達系統能夠同時在白天和晚上工作相比。即使是在晚上，出現穿着黑色外套的行人，兩套雷達系統依然能夠檢測出狀況，然後警告系統應該減速，並且注意在前方出現的行人。這就是爲什麼在自動駕駛汽車上並不會見到我們熟悉的夜視系統，因爲有雷達可以完成這部分的工作。

將一位駕駛員歸類到自動駕駛系統中，看起來有些不可思議，但駕駛員卻可以非常有效的發揮自己的作用，讓自動駕駛系統更完善。通常來說，人類善於利用自己的感官發現目標，甚至是一些激光雷達都無法發現的障礙物。也許人類的反應不是最快最好的，但一旦自動駕駛系統不能做出反應或者是做出錯誤的反應，一位訓練有素的安全駕駛員就會完成最正確的操作，化險爲夷。

值得一提的是，整個系統還有一箇中央計算單元，能夠將這些輸入的信息和資源進行彙總，構建出對汽車周圍環境更完整的場景。比如一位行人在出現在傳感器前面後突然消失，並不意味着危險解除。這超越了簡單的對象識別技術，需要引入更廣泛的智能算法，比如行爲預測等。

而這也是自動駕駛系統最先進、最能與對手加以區分的部分，因此各個廠商對此部分技術一直持保密的態度。

目前我們還不清楚這場悲劇的具體原因，但Uber的自動駕駛汽車肯定配備了其中的一項或者多項技術，該技術原本應該用來檢測行人、並且讓汽車做出最恰當的反應。就算某個系統失效，還有另外一套系統應該發揮作用。如果系統多次失效，那麼就加大了自動駕駛汽車在公共道路上測試的風險。（編譯/音希）