車東西（公衆号：chedongxi）
作者 | 昊晗
編輯 | Juice
L2頻繁出事故，問題到底在哪裡？
上周，在甯波市區的某高速路段上，一輛小鵬P7在開啟LCC功能（單車道L2）行駛時，由于車輛系統沒有識别到前方靜止車輛，以80km/h的速度追尾前車，造成前車一人不幸遇難。
此前，蔚來、特斯拉等車企的車型也曾多次出現過類似事故。
本次事故發生後，有關自動駕駛（L2級）是否安全、事故如何歸責等話題再次站上輿論的風口浪尖。
這裡需要強調的是，按照自動駕駛等級劃分，小鵬P7的LCC功能屬于L2級自動駕駛，主要責任肯定在于駕駛員沒有及時接管車輛。
除了駕駛員分神外，頻發的事故或許也說明，現階段的L2級自動駕駛系統本身也存在一定的問題。
總結近年來的L2事故來看，事故以追尾前方靜止車輛、障礙物為主。也就是說，目前智能汽車上即使全身上下到處都是攝像頭，各種雷達也是應有盡有，還是存在感覺系統失靈的風險。
那麼，為何會出現這樣的問題？有沒有什麼辦法可以彌補這一短闆？車東西在深入分析事故案例并與業内人士交流後，找到了可能的答案。
一、主責在駕駛員 但感覺系統也要背鍋
從事故現場的監控錄像來看，這輛小鵬P7在發生碰撞前并沒有明顯地加減速，幾乎是以一種勻速行駛的狀态追尾前車。
而車輛當時開啟了小鵬的LCC功能，該功能是指自适應巡航（ACC）與車道保持（LKA）同時開啟，也可以了解成在一條車道内的L2級自動駕駛。
當該功能開啟時，車輛會根據前車車距自動控制車速并在車道内居中行駛，而車主也可以自定義設定跟車距離的遠近。
事故前車輛沒有任何減速迹象（最左側車道）
是以，車輛在發生碰撞前沒有任何的減速或避讓行為，也就一定程度上證明車輛大機率是沒有感覺到前方障礙或感覺結果有誤。
但這隻是說明車輛感覺系統存在一定的問題，而整場事故的原因還是由于駕駛員分神沒有及時接管車輛導緻，責任在駕駛員。
駕駛員分神為此次事故主要原因
根據車主描述，他的小鵬P7搭載Xpilot 2.5硬體，感覺硬體由1個單目攝像頭、3個毫米波雷達、4個環視攝像頭、12個超音波雷達組成，計算平台也不是高配車型上的英偉達Xavier，而是算力隻有2.5TOPS的Mobileye Eye Q4晶片。
其中，單目攝像頭、毫米波雷達主要為L2級自動駕駛提供感覺，而4個環視、12個超音波雷達則主要為泊車提供感覺。
車主自述截圖
根據資料顯示，Xpilot 2.5的單目攝像頭與Xpilot 3.0的中距感覺攝像頭基本一緻，同為2M像素，橫向FOV為52度，有效探測距離在30～70米之間。而毫米波雷達也采用了博世最先進的第五代毫米波雷達，探測距離也在200米左右。
小鵬Xpilot的攝像頭配置
從傳感器配置來看，事故發生前，無論是攝像頭還是毫米波雷達理應都能探測到前方障礙，車輛也就相應可以做出制動反應。但實際情況恰恰相反，車主反映系統沒識别，車輛也沒有刹車迹象。
這也就讓人産生疑問，明明感覺硬體都有，為什麼識别不到呢？
二、異形場景視覺看不清 雷達過濾靜止物體
對于攝像頭和毫米波雷達來說，隻要正常工作的情況下，絕對是可以“看到”前方道路情況的。
但此處的“看到”僅限于看得見，問題根源是視覺識别不好異形場景，毫米波雷達會過濾靜止物體，而此次事故的前車卻恰好滿足了“靜止的異形車”兩個條件。
首先，自動駕駛的視覺感覺系統是需要大量的模型訓練才能不斷進化，什麼場景訓練得多，識别成功率也就相對更高，什麼場景訓練得少，識别成功率也就相對更低。
在此次小鵬L2事故中，被撞車輛是一輛老款帕薩特，其車身高度、顔色與旁邊隔離帶比較接近。并且，當時車輛正停在高速路的最左側車道，一名白衣服的乘客蹲在車輛與隔離帶之間，車輛的右後方有一個雪糕桶。
事故發生前1秒
顯然，上述場景對于視覺感覺系統來說是陌生且複雜的，是以前方的“障礙”對于車來說，很難被系統識别為一台需要做出反應的車輛。
此外，在事故發生前幾秒，前車車主又來到車尾調整雪糕筒位置，行走過程中擋住了車輛的車輪、尾燈等部件。
有業内人士告訴車東西，車輛的視覺識别算法會依靠車輪、尾燈等車輛特征點進行識别，當車輛跟行人重疊在一起時，将會對識别算法産生非常大的幹擾。
是以，當時小鵬P7上攝像頭的内心獨白是：“前面是個障礙嗎？我咋從來沒見過？咋越來越模糊？到底有沒有呀？讓毫米波雷達給我确認一下”
然後，識别的壓力就來到了毫米波雷達身上。
簡單來說，毫米波雷達是通過向外發射電磁波産生回波進行測距、測速，其感覺并不依賴大量模型訓練，是以也就不會出現視覺那種“糾結”的情況，看到了就是看到了，沒看到就是沒看到。
特斯拉老款車型上的毫米波雷達
但毫米波雷達也有自己的“BUG”，其主要是依靠多普勒效應來感覺移動目标。而多普勒效應的特性是，動态對動态最容易感覺、動态對靜态較難感覺、靜态對靜态極難感覺。
是以，如果前方車輛靜止，目标資訊容易和地雜波等摻雜在一起，需要一定的算法才能從中分辨出目标。而如果是一輛行駛中的汽車，基于其多普勒資訊，進而比較好探測到目标。
毫米波雷達較難感覺靜态物體
但目前像是博世、大陸等企業的雷達工程師們早就解決了從地雜波中識别靜态物體的問題，為什麼還是沒法準确識别靜止車輛呢？
這裡就跟目前毫米波雷達的技術現狀有關了——一般的毫米波雷達沒有高度資訊，同時空間分辨率不足。
沒有高度資訊，意味着雷達很難區分橫穿馬路的路牌和橋下的車；空間分辨率不足，意味着兩個距離很近的物體，其回波會被混在一起，很難知道有幾個目标。
如果很難區分，再把靜态目标錯誤識别為車輛，然後進行刹車會嚴重影響使用者體驗，甚至增加事故，是以一些雷達公司和自動駕駛公司會選擇将靜态物體（包括車）過濾掉，來減少誤觸發（幽靈刹車）的情況。
特斯拉出現“幽靈”刹車
而毫米波雷達的内心獨白可能也就是“前面确實有個靜止物體！高速上怎麼會有靜止的車呢？一定是個橋或者隔離帶！問題不大，告訴視覺前方一切正常。”
并且，國内目前量産的L2自動駕駛系統有不少都将視覺作為主傳感器（權重高），雷達當作輔助傳感器（權重低）。如果視覺發現障礙物，不管雷達有沒有發現，車輛都會做出反應，但反過來就不行。
比如隻有雷達看到前方有障礙物，系統會等待視覺給出結果再做反應。如果視覺始終沒有給出結果，幹脆就不反應——畢竟L2還有人類駕駛員兜底。
是以具體到這起事故，可能的原因正是因為視覺沒看到，或者沒有及時看到，毫米波雷達看到了，但被過濾掉了，才導緻碰撞。
三、雷射雷達可以增強感覺 前融合或為最優解
綜上來看，異形+靜止（低速）的車或障礙也就成為現階段L2級自動駕駛系統的一大“BUG”。
這種場景出現的機率雖然不大，但大多發生在高速路況下，事故的傷亡率也就相對更高，是以這個“BUG”不能忽視。
對此，車企最簡單粗暴的做法就是在現有攝像頭和毫米波雷達基礎上，再引入雷射雷達，甚至是多個高線束雷射雷達，大幅提升感覺能力。
相較于毫米波雷達和攝像頭，雷射雷達的探測精度更高，點雲密度更高。并且雷射雷達也不像攝像頭那般需要對前方物體進行分類識别，隻用通過反射回來的點雲資訊确認前方存在一個障礙物就可以，然後系統對此做出規避，能夠提升車輛在面對異型障礙物時的駕駛安全性。
但随着雷射雷達的加入，多傳感器融合方案又新增了一個資訊來源，并不能從根本上解決上述問題，還是會存在各個感覺結果之間互相“打架”的問題。
此前就有傳聞稱，小鵬P5的雷射雷達在其感覺系統中的置信度并不高，主要還是以視覺感覺為主。對此，車東西也對加入雷射雷達後的小鵬LCC功能進行了實際測試。
小鵬P5在識别到靜止車輛後提醒駕駛員接管
當時，車東西選擇的車道前方剛好有一輛貨車，随後同時打開了ACC和LCC，確定車輛是在輔助駕駛系統下前行。
出發沒多久之後，小鵬P5就識别到了前方的靜止車輛，車輛儀表盤上清晰地顯示出前方存在一輛車。
不過此時，小鵬P5并沒有明顯的降速，而是在車機頁面提醒駕駛員接管，同時安全帶也開始收緊來提醒駕駛員。在車東西沒有主動接管的情況下，車輛自動退出了LCC，但仍然保持着ACC狀态。
這也就證明，至少在現階段，雷射雷達是用上了，但又沒完全用好。
小鵬P5前側雷射雷達
那麼，怎麼才能徹底解決各傳感器之間互相“打架”的問題呢？讓多傳感器之間實作取長補短呢？
具體來說，現階段大部分車輛的感覺系統都是獨自感覺、獨自處理、獨自輸出，當所有傳感器完成感覺之後，再由系統進行所有感覺結果的融合。在這個過程中，各個傳感器在不同場景下也就有不同的置信度。
是以，如果将各個傳感器的感覺在像素層面就進行對齊，然後系統使用同一種感覺算法對融合後的多元資料進行感覺，進而輸出感覺結果。這種方法也就不用考慮更相信哪個傳感器的資料，不用再糾結。
車身上的八個攝像頭彙內建三維的“向量空間”
這樣，置信度的概念也就不複存在，各傳感器之間也就能做到取長補短，融會貫通。
當然，前融合也存在像素難以對齊的難題。
特斯拉開發了“向量空間”技術，該技術可以通過8個攝像頭輸入的資料為基礎繪制3D鳥瞰視圖（BEV），形成4D的空間和時間标簽的“路網”以呈現道路等資訊，幫助車輛把握駕駛環境，更精準地尋找最優駕駛路徑。
而理想汽車在BEV感覺融合算法當中，又融合了雷射雷達和高精地圖的資訊，進一步提升了極限情況下的感覺能力。
是以，現階段雷射雷達上車隻是第一步，多傳感器之間實作前融合才是最優解。
結語：輔助駕駛系統不是自動駕駛
目前，特斯拉、小鵬、蔚來等各大新能源車廠都推出了進階輔助駕駛功能，但是目前各家的自動駕駛系統都要求駕駛員雙手不能離開方向盤，準備随時接管方向盤。
但是，目前有不少消費者都把輔助駕駛當成全自動駕駛來使用，開車睡覺、“主駕無人”等危險場景層出不窮。
此次事故，再一次為自動駕駛系統的使用敲響了警鐘，車企不能對消費者過度宣傳自動駕駛的能力，并需要強制要求使用者在開啟進階輔助駕駛功能時，仍需要實時關注道路情況，應對車輛無法處理的情況。