无人驾驶首宗命案里，感知层到底出了什么问题？

美东时间2016年5月7号中午，人类历史上第一起无人驾驶的致死事故发生了。和以往Google无人车上被积雪压垮的松树枝挡住摄像头视线，无人车因为“看不清”而导致的急停事故不一样，这一次的事故真真切切发生于我们人类驾驶员的真实驾驶旅途中。

一辆Tesla 2015 Model S的车主，前海豹突击队队员，因为过于信任Autopilot系统，选择在驾驶的时候观看《哈利波特》，加上特殊环境导致两个传感器（计算机视觉与毫米波雷达）同时失效，全速撞上了一辆左拐的白色拖车，从车底穿过后，又撞上了两个护栏，最终重伤后身亡。

事发地点Google地图如下：

事故发生前后双方驾驶路线如下：

笔者在参考NHTSA（美国国家公路交通安全管理局）的回应，Tesla的官方博客以及Elon Musk的本人的发言后，试图梳理整个事故，并回答几个关键的问题：

1、如果人类驾驶，此次事故是否可以避免 ?

答案是肯定的。事发地点地形开阔，且当天天气状况良好，人类驾驶员有足够的时间对大卡车做出反应，并做出刹车或绕道等避让动作。

2、为何来自Mobileye的计算机视觉传感器失效了?

Tesla 用来做无人驾驶的主要的传感器，来自于一家叫做Mobileye以色列公司的一款叫做EyeQ3的视觉传感器。但是，基于以下几个原因，该传感器在那个特点的时间和特定的地点失效了：

1）拖车过于庞大，且采用了纯白色涂装(见上图)；

2）当天过于强烈的阳光反射，没有纹理的白色的车体使得摄像头无法提取纹理，分辨出是一辆有威胁的车辆；

3）当时蓝色的天空背景，加上大片的白色面积，导致EyeQ3认为出现在前面的白色块是一朵漂浮在空中的云朵……；

4）和一般的行车记录仪使用的广角摄像头不一样，EyeQ3选用普通摄像头，于是车头驾驶舱的信息未能被采集到，计算机能看到只有纯白色的车身；

5）那辆白色的汽车下方未作任何的装饰。如下图所示，如果像英国那样，强制对所有的卡车、拖车下方给出栅栏保护，或许EyeQ3会分辨出来。且Tesla会在前舱被撞后激活它的被动保护系统（如安全气囊等）。

3、为何毫米波雷达失效了？

有人认为是因为毫米波雷达安装过低，发射的毫米波从当前的卡车下方间隙出处穿越过去。他们低估了毫米波雷达设计者们的智慧……事实上，根据Musk本人的Tweet（见上图）来看，情况恰恰相反: 雷达精确的测算了出了前方有一个巨大的障碍物。 但是，因为卡车过大的反射面积以及过高的车身。从毫米波雷达的角度来看，它更像是一个悬挂在道路上方的交通指示牌。于是，毫米波雷达系统做出了决策: 尽管汽车前方有一个巨大的障碍物，但那是悬挂在控制的指示牌，可以安全通过。

4 、为何两个传感器会同时失效？

显然，特斯拉没有做好传感器融合的工作。视觉系统认为是一朵白云, 毫米波雷达认为是一个悬空的交通指示牌。两个传感器得出彼此矛盾的结论，但特斯拉的算法认为，尽管二者有矛盾的结果，但二者结果都是可以安全通过的，于是放心大胆的让汽车继续全速前进，悲剧就此发生。采这种融合算法的根源在于传感器无法保证高精度的识别，使得更高层的融合算法不得不采取某种折衷策略。

检测错误

5 、我们该如何避免类似的事故继续发生？

总结一下, 事故发生的几点原因在于：

1） 强烈的阳光照在白色车体上，让计算机视觉失去了提取纹理的功能；

2）巨大的白色色块与长焦摄像头，以及蓝色背景，让计算机视觉认为出现在前方是白色的云；

3） 过于巨大的反射面积，让毫米波误认为是广告牌或交通指示牌；

4） Tesla未能完善的传感器融合算法，让两个互相冲突的逻辑同时通过；

5） 车主过于相信Autopilot 系统，导致放弃了对车身控制；

幸运的是，现有的技术条件下，此类事故完全可以避免: 如果增加一个广角摄像头，采集到了车头的信息；如果毫米波雷达测量更精确，或者在前方安装了多个雷达，做雷达网络融合；如果特斯拉的传感器融合技术考虑的更全面；如果安装了冗余的激光雷达; 如果大卡车有法规规定，强制进行涂漆装饰。这起事故都可以被避免。

同时，作为国内毫米波雷达研发人员，我们也已经得知:

1）事发前Mobileye开发的下一代的计算机视觉已经加上了广角镜头，将更多的信息囊括进来；

2）新一代的毫米波雷达系统将具有更高精度的识别和反应时间。

3）毫米波雷达成本的迅速下降，也将使五个毫米波雷达（一个77G长距离雷达，加上4个短距离雷达）成为标配，而不是现在Tesla现在这样使用单个远程77G雷达。

我们有理由相信，随着技术的进步，类似的事故发生概率会被逐渐降低。但在此之前，是一个人工智能和手动驾驶长期磨合的过程，仍需要驾驶员全神贯注地参与汽车的驾驶。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。