三分钟解密UBER自动驾驶系统

本周，Uber自动驾驶汽车在美国撞死一位行人。引起科技和汽车界的轩然大波，这是首例自动驾驶汽车撞人致死事故。从事故表面上看，除了整体系统出现故障外，很难理解为何会发生这样的致死事故，因为自动驾驶汽车在设计时就是为了防止这样的事故发生。

意外进入行驶路径的人或物几乎是自动驾驶汽车工程师首先考虑的突发事件。比如，突然停下来的汽车，乱穿马路的行人等。工程师在设计时会让系统尽早发现他们，确认并采取适当措施，例如：减速、停车、迂回等。

为了实现避开以上这些提到的安全事故，Uber自动驾驶汽车配备了多个不同的成像系统，它们既可以执行普通任务(监控附近汽车、标记和车道线)，也可以执行特殊任务，比如在上述情况下让汽车减速等。这些系统分别是：顶部激光雷达系统、前段雷达系统、短焦和长焦光学相机系统和安全司机。

接下去就让我们一起来看看这四套系统是如何协同作战的。

顶部激光雷达

激光雷达系统是一个位于汽车顶部的桶状物体。它能够在一秒多次工作，生成汽车周围的3D成像。激光雷达使用了红外激光脉冲，遇到物体后会反弹，返回到传感器，从而相当细致地侦测静止和移动的物体，而且黑夜的效果和白天一样好。

缺点是在大雪和浓雾天气下，激光雷达的激光器会变得模糊，准确性会随着距离的变长而降低，但是在短距离内，顶部激光雷达仍然是非常重要的成像工具，几乎存在于目前每辆自动驾驶汽车上。

理论上，如果顶部激光雷达单元运行正常，在没有被完全遮挡的情况下，它应该能够分辨出受害者。同时，汽车距离行人还有30多米时，可以把行人成像传送给“大脑”进行核对。

激光雷达也是目前可以说四套系统中成本价格最高的一套系统。

前端雷达

前段雷达和激光雷达一样，用雷达发出信号，等待它返回。但前端雷达使用的是无线电波，而不是激光。这使得前端雷达具有更强的抗干扰能力，因为无线电可以穿透雪和雾，但是也会降低分辨率，改变其距离像。

根据Uber部署的雷达数量不同，它所提供的距离像可能存在巨大差异。Uber很可能在汽车前后部署了多个雷达，以实现360度无死角覆盖。

短焦和长焦光学相机

激光雷达和雷达易于确定物体的形状，但并不擅长读取标记，理解物体颜色等。所以这个时候就需要光学相机系统了。这套相机系统内置了精密的计算机视觉算法，能够对成像进行实时分析。

Uber自动驾驶汽车上的这些相机密切关注标志着汽车刹车(突然亮红灯)、交通灯以及穿越十字路口行人的指示器标记。汽车前端尤其会使用多角度、多种类型的相机，这样才能获取汽车前进道路的完整图像。

侦测行人是工程师们试图解决的最常见问题之一，这种算法已经非常成熟。这一过程通常被称作“分割”图像，一般还会涉及标记、树木、人行动等。

但是，对于相机来说，夜间工作很困难，这是一个显而易见的问题。不过，这个问题交给前两个雷达系统来解决，激光雷达和雷达能够在夜间工作。即便是在伸手不见五指的环境下，穿着全黑衣服的人也能够被激光雷达和雷达识别。随后，这些雷达就会向汽车发出警告，应该减速或者通过汽车大灯确认行人。这可能就是自动驾驶汽车通常没有夜间视觉系统的原因。

受训练的司机

即便人眼没有激光器，人类的反应时间不是最好的，但人类擅长发现障碍物。当汽车不会作出反应或者作出错误反应的时候，经过训练的安全司机就可以弥补这一缺失。

值得指出的是，自动驾驶汽车中还有一个中央计算单元，它能够收集各个传感器提供的信息，然后生成一个更加完整的汽车周围环境成像。

目前还不清楚这起悲剧发生时的具体情况，但是Uber自动驾驶汽车肯定配备了本可以侦测到行人的技术，本可以让自动行驶的汽车作出正确反应。而且，就算一个系统失效，另一个系统也应该能够发挥作用。

因此，根据之前每个系统的分析，我们有一个大胆的猜测是：因为雷达系统成本较高，所以这部出事故的Uber自动驾驶汽车没有安装雷达系统，可能是Uber正在测试如果只使用相机系统来识别突发状况的能力到底如何，没想到到了黑夜，遇上了相机系统的瓶颈，然后就发生了这场悲剧。

Tasteful Life with Speed

关注我们

让你的品质速度生活起驾