为什么ADAS汽车“看”不到行人

对于自动驾驶车辆(AV)的发烧友来说，有一个视频可能会给他们的狂热敲个警钟。该视频最初于CES期间在Flir公司的展台上放映，现在已广为流传。

自动驾驶的开发人员在确保驾驶员安全方面取得的进展的确令人鼓舞，但是，在保证车外人员安全的问题上，还存在严重问题。强烈建议自动驾驶车迷们点击视频链接（https://youtu.be/o7LGmX2AopM）以观究竟。

在一个封闭场区测试中，应该配备有行人侦测自动紧急刹车（AEB）功能的ADAS（高级辅助驾驶系统）车辆为什么一次又一次地冲撞测试假人？

Flir公司是一家面向汽车行业的热像仪供应商，利用美国汽车行业协会(AAA)提供的视频片段制作了这个巧妙的剪辑。去年秋季，AAA对具有行人侦测功能的AEB（AEB-P）进行了测试。

ADAS的目的是辅助驾驶员提高道路安全性。但是，如果汽车制造商真想做到这一点，就应该在需要的地方投入更多的资金。应该是安全第一，自主驾驶其次。正如Yole Développement首席分析师Pierre Cambou在他的LinkedIn文章中指出的那样，“我认同Flir的观点，行人安全应该是ADAS的首要任务。”

AAA发现了什么问题？

去年，AAA对ADAS车辆进行了测试，特别是针对行人侦测功能。测试结束后，AAA发布了完全负面的结果。

层层剥离，真相才得以大白。我们来了解一下为什么现在的ADAS车辆中的AEB-P功能如此无用。

AAA去年秋季进行AEB-P测试的四款2019年车型包括：带前置式行人制动系统（Front Pedestrian Braking）的雪佛兰Malibu、带碰撞感应制动系统（Honda Sensing-Collision Braking System）的本田雅阁、带自动紧急制动系统(AEB)的特斯拉Model 3，以及带主动安全感应系统（Toyota Safety Sense）的丰田凯美瑞。

以下为几点关键发现：

如果被测汽车以20 英里/小时的速度行驶，一名成年人在白天横穿马路，则该汽车仅有40%几率不会撞到该行人。糟糕的是，如果被测汽车在20 英里的时速下遇到一个在两辆汽车之间突然窜出的孩子，那么这个孩子有89%的几率被撞上。而如果被测汽车以30英里/小时的速度行驶，则该车辆百分之百会发生碰撞。

那如果一个成年人在晚上过马路会怎样？别提它了。行人侦测系统被证明是无效的。

这个测试结果导致AAA提出了以下建议：“切勿依赖行人侦测系统来避免碰撞。这些系统是备用的，而不是避免碰撞的主要手段。”

碰撞预警与碰撞缓解

区别碰撞预警和碰撞缓解很重要。预警系统会警告驾驶员即将发生碰撞，但不会采取任何回避措施，例如刹车制动。而缓解系统除了警告驾驶员，还会在驾驶员未采取任何措施时自动刹车，以避免或减轻碰撞的严重性。

AAA在这次“行人侦测”功能测试中专门评估了“缓解”功能。

对任何外行人来说，看到ADAS汽车遇到行人没有停下来的情景都会感到震惊。尽管AAA的测试结果已有媒体广泛报道，但Flir的视频片段引发了人们对一系列未解决问题的全新思考。

AAA测试的四辆汽车都配有“摄像头+雷达套件”。在这种组合中，到底哪些因素导致AEB-P功能事实与设计如此不符呢？

˙是因为成像传感器和/或雷达分辨率不足吗？

˙或是与传感器融合算法有关？

˙诸如Flir这样的公司提出了建议，采用他们的热成像传感器可以帮助车辆在夜间看到行人。毫无疑问，这的确有帮助。但是，在ADAS车辆已有的传感器上再添加一个不同模式的传感器，这个问题就可以轻易解决了吗？

为什么AEB-P难于实现？

VSI Labs创始人兼负责人Phil Magney告诉我们，“AEB是ADAS的基础，没有它就根本没有自动驾驶。而且，它是所有ADAS功能中最重要的，也是最有可能挽救大多数生命的一项应用。”但是，Magney强调了AEB和AEB-P之间的重要区别。他说，可以侦测行人的AEB，其难度比AEB要高一个数量级。”

那么，是什么使得AEB这么难实现？

专家们经常会归罪于雷达容易产生的误报，以及图像传感器所提供的有限视野。即使将雷达和摄像头组合在一起，融合后的数据对车辆周围的环境仍然了解有限。也许，成本才是关键。汽车制造商倾向于在ADAS车辆中使用成本更低的传感器。鉴于ADAS功能更有望应用于大众市场车辆，因此汽车OEM厂商不太可能会花更多的钱购买专用传感器（无论激光雷达还是热成像），来降低AEB-P的失误率。

误报警

Magney指出，AEB之所以难于实现是因为，“在AEB系统中，误报本身会引发致命危险。”

Magney解释说，由于雷达具有测量碰撞时间的能力，因此它是AEB系统中的关键组件。但是雷达也会受到误报的影响，例如将停放的汽车误认为危险的物体。“因此，为了限制误报，最终不得不过滤掉很多数据。雷达中还有很多噪音，也可能导致误报。”他说：“这就是为什么，如果汽车有碰撞预警功能，您就会不时收到异常碰撞警告的原因。”

与AEB的一般情况不同，Magney解释说：“AEB-P大大提高了对性能的要求，因为它必须识别并追踪前进道路上的行人。”他承认雷达越做越好，“但在检测行人时仍然缺乏信心，因此雷达通常与摄像头一起使用。”

但重点是，“尽管将摄像头与AEB-P的雷达结合起来是有用的，但可能还不够好。”

在Magney看来，“有太多环境条件限制了摄像头的性能，从而导致当前AEB-P系统的性能不佳。”

狭窄的视野

YoleDéveloppement分析师Cambou在采访中说，配备摄像头，或雷达，或摄像机+雷达，或摄像头+激光测距仪的AEB系统，在安全方面的成功已得到充分报道。他指出，全球看到的数据：“后端撞车和死亡人数大约减少了50％，总体撞车/死亡人数减少了10％至15％”。

 2016年3月，大多数美国OEM厂商承诺，在2022年之前，所有车辆中都将安装AEB系统。2019年4月，欧盟议会也投票表决在2022年之前强制配置该系统。（来源：YoleDéveloppement）

但是，当将相同的AEB技术应用于行人侦测时，碰撞/死亡人数只减少10％到15％的数据就不那么令人满意了。

当被问及为什么很难实现AEB-P时，Cambou认为问题出在拥有第一代AEB系统的车辆，其前方“视野相对狭窄”。

第一代AEB系统使用视觉处理器，例如Intel-Mobileye EyQ3（GM、Ford、VW都有采用）或Toshiba Visconti 2（Toyota采用）。谈到这些车辆相对狭窄的视野时，Cambou说：“这就是AEB系统无法了解车辆前方情况的主要原因。”

Cambou估计，第一代AEB系统已经在大约6％的道路车辆和30％的新车中配置。他说，如果说第一代AEB的有效性大约为10％到15％，那么，北美和欧洲配备AEB系统的汽车要实现常被提及的2020年“零伤亡愿景”，还相距甚远。

但随着时间的推移，情况会越来越好。

Cambou指出：“新一代AEB系统采用Intel-Mobileye EyeQ4或Visconti 4，它们通常通过放置更多具有更宽视野范围的摄像头来改善FOV参数。”

 “我们还不知道三合一摄像头相对于单反摄像头的安全优势，但它应该更好。”

Cambou指出，接下来的第三代AEB系统将采用全景摄像头。“特斯拉将使用其全自动驾驶（FSD）计算机实现它。Zenuity也为OEM提供了相同的方法。通过了解整个环境，AEB会随着时间的推移不断改善。但问题是多快？”

为了使AEB保护行人免受ADAS汽车撞击，必要措施是什么？Cambou猜想，恐怕只有汽车制造商面临监管者的压力或公众的强烈抗议才行。

有效的AEB-P需要具备什么条件？

那么，要使AEB始终进行有效的行人侦测，需要做些什么？

Flir显然正在将其热成像技术用于AEB-P。该公司描述了一种能够为RGB摄像头和雷达提供补充数据的热像仪。Flir的汽车工程总监Chris Posch说，因为热像仪能“看到”热量，“所以，我们可以穿过太阳、大灯眩光和雾气，在夜间等严酷条件下侦测到行人。”Flir声称，这种热像仪在黑暗中能够“看到”的距离比典型大灯的照明距离远达四倍。

法国巴黎的初创公司Prophesee在CES上展示了由一家德国汽车制造商制作的视频剪辑。这个视频比较了两种AEB系统，一种采用基于帧的常规视觉摄像头，另一种配置了Prophesee基于事件驱动的摄像头。视频显示，Prophesee摄像头在侦测行人方面始终更胜一筹。

Yole公司Cambou提出了三种攻克AEB-P障碍的方法。

首先，“汽车制造商可以使用更多相同数据和更多相同的计算方法”。这方面，Mobileye和东芝已经走在前面，Mobileye有EyeQ4和EyeQ5，而东芝有Visconti 4和Visconti 5。Cambou说，“它们价格都差不多，大约在150美元左右，我们需要依靠晶圆工艺来改善它。”

其次，汽车制造商可以寻求“更好的数据，并采用差不多相同的计算方法”。Cambou说，这种方法是“Flir、Prophesee及固态激光雷达公司所提倡的。”但“其缺点是初始成本有些高。”从营销的角度来看，“这些公司不得不以当前的市场价格提供更好的系统。”

第三种方法是“更好的数据和更好的计算方法”。他称其为“新范式”，就是将新的传感器与新的计算方式结合在一起。“我认为它应该是神经形态的感知和计算。有些公司已经在传感器和计算方面有所创新，比如Outsight，其高光谱激光雷达与感知算法已经推向市场。”

Flir怎么样？

在目前可用的解决方案中，热像仪最有希望。VSI Labs的Magney指出，与常规的RGB摄像头相比，“利用热能对行人进行侦测和分类要好得多，因为分类是基于对象的热信号而不是可见光。”

但是关于热像仪，提及最多的是成本问题。如果汽车制造商在ADAS车辆上添加热像仪以实现有效的AEB-P，要花多少钱？Flir的Posch告诉EE Times，“成本将在几百美元的范围内，而不是激光雷达的几千美元。”

尽管宝马、奥迪和其他公司已经将Flir的热像仪设计进某些车型当中，但它们并未被用于AEB-P的设计和部署，反而用于在夜间侦测动物之类的物体。而针对AEB-P应用，Flir开发了一种新的带VGA的热像仪，其分辨率是当前汽车热像仪的四倍。

一级汽车零配件供应商Veoneer去年秋季就选择了Flir的热传感技术，应用在与一家全球顶级汽车制造商签订合同的四级自动驾驶汽车上，并计划于2021年推出。

如何证明其有效性？

与Flir签约的VSI Labs一直在进行概念验证，以证明热感应对自动紧急制动的益处。VSI Labs于2019年12月在底特律附近的美国交通中心(ACM)进行了初步测试。

与Flir签约的VSI Labs在底特律附近的美国交通中心进行了AEB行人侦测的初步测试。 （图片：Flir Systems）

根据Magney的说法，VSI Labs用于此次AEB-P测试的车型配备了Delphi ESR雷达和Flir摄像头。“我们在测试中禁用了RGB摄像头。但我们确实得融合来自CAN总线的其它传感器输入，例如惯性、车轮速度、转向角、踏板位置等。这些都是实现AEB功能所必需的。”

除了声称是一种无源传感器，以及没有什么能比热像仪更好地侦测到行人之外，Magney还提到了人工智能对热像仪的影响。

他声称：“VSI已经证明，将AI应用于热图像捕获具有超越传统RGB摄像头的能力。”VSI Labs利用Flir ADK（汽车开发套件）数据集训练其神经网络。 他指出，该数据集包括大约40,000多个带注释的热图像。他还解释道，VSI还建立了AEB算法，并在ACM进行了大量测试。

Magney总结说，一般而言，热像仪在弱光和杂乱环境下能更好地对行人进行识别和分类。他补充说：“热能还能侦测到部分被遮挡的行人。”

除此之外，他说：“我们很喜欢Flir的汽车开发套件（ADK），它能让开发人员制定自己的检测算法。更重要的是，它带有许可。”

(参考原文：Why ADAS Cars Go People-Blind)

责编：Amy Guan

本文为《电子工程专辑》2020年5月刊杂志文章，版权所有，禁止转载。点击申请免费杂志订阅