攝像頭擺爛，毫米波雷達(dá)罷工，自動(dòng)駕駛靜態(tài)識(shí)別還得靠它？

攝像頭擺爛，毫米波雷達(dá)罷工，自動(dòng)駕駛靜態(tài)識(shí)別還得靠它？多花點(diǎn)兒錢就能解決。

小鵬撞完特斯拉撞，特斯拉撞完理想撞，上周對(duì)于新勢(shì)力們來說，可謂是黑色一周，智能駕駛的安全性問題再一次被提到了風(fēng)口浪尖，科技一定是要以安全為底線的。

其實(shí)我們從上周的這幾起新勢(shì)力們有代表性的事故中，不難發(fā)現(xiàn)，一個(gè)老生常談的話題——靜態(tài)物體的識(shí)別問題，那么為什么到了2022年下半年，這個(gè)問題依然改觀不大？背后有哪些行業(yè)上的痛點(diǎn)？

2022年8月了，靜態(tài)識(shí)別還沒有長(zhǎng)進(jìn)？

首先我們來看看發(fā)生事故的這幾輛車，小鵬P7、特斯拉Model Y和2021款理想ONE，它們的智能駕駛感知系統(tǒng)都是以視覺為主導(dǎo)的，也就是其他比如毫米波雷達(dá)、超聲波雷達(dá)系統(tǒng)都是用作輔助的，并且它們都沒有搭載激光雷達(dá)。

其實(shí)目前主流的智能駕駛系統(tǒng)的工作邏輯和我們?nèi)祟愸{駛比較類似，通過視覺途徑來感知周圍的物體，利用中央計(jì)算平臺(tái)完成數(shù)據(jù)處理，而后再像各個(gè)工作模塊發(fā)出指令，而目前整套智能駕駛系統(tǒng)的處理速度，反應(yīng)速度或者感知能力甚至?xí)?qiáng)于人類，面對(duì)大部分情況，幾乎沒有延遲就可以處理好。

但咱們這里強(qiáng)調(diào)的是大部分情況，而靜止物體就是那少部分情況中的一種。

視覺感知，竟然會(huì)“擺爛”？

那么第一個(gè)就要從視覺層面入手，為什么高速快速路上的靜止物體會(huì)成為系統(tǒng)不認(rèn)識(shí)的物體？攝像頭是可以認(rèn)得出這里有個(gè)東西的，但是它和我們?nèi)祟惖倪壿嫴煌?，系統(tǒng)的眼睛在處理場(chǎng)景時(shí)對(duì)物體的感知和分類或者說是辨別，是協(xié)同工作的，如果眼睛看到的一個(gè)東西，但辨別不出物體，系統(tǒng)可能就會(huì)則會(huì)默認(rèn)過濾掉這個(gè)信息，說直白些就是既然不認(rèn)識(shí)，那就等于不存在，直接擺爛。

我們看到的特種車輛、不同樣式的工作車或者改裝車等等，視覺感知如果無法做到準(zhǔn)確的識(shí)感知和分類，來不及處理勢(shì)必帶來危險(xiǎn)。在高速上，智能駕駛的感知算法可能感知到前方的靜止物體，但跟蹤算法可能無法做到，這也可能導(dǎo)致在遇到靜止物體時(shí)，整個(gè)傳感器的計(jì)算無法做到瞬時(shí)收斂，然后它就躺平了。

這一點(diǎn)依然是個(gè)行業(yè)內(nèi)的重難點(diǎn)，因?yàn)槿魏诬嚻蠡蛘吖径紵o法做到，能讓系統(tǒng)認(rèn)清楚自己看到的每一個(gè)物體，所以它們只好把看到的物體，通過不斷訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，來完成數(shù)據(jù)標(biāo)注、分類、定義，給這類物體賦予一個(gè)標(biāo)簽，這種分類方式可以極大程度的讓系統(tǒng)能夠在現(xiàn)有條件下盡可能多的認(rèn)識(shí)物體，但依然確保十全十美。就像智己L7智能駕駛的開發(fā)者，為了讓智己L7認(rèn)清楚各種大貨車，已經(jīng)讓系統(tǒng)自學(xué)習(xí)了上萬種大貨車的樣貌，但這依然很難做到萬無一失，總有一些漏網(wǎng)之魚，而這些漏網(wǎng)之魚就是智能駕駛發(fā)展過程中的攔路虎。

當(dāng)然，車企們也鼓勵(lì)用戶們?cè)谌粘ｑ{駛中多用自家的智能駕駛功能，因?yàn)檫@樣可以多獲取一些用戶數(shù)據(jù)，讓車輛多學(xué)習(xí)，特斯拉使用的這種方式，其他新勢(shì)力們也直接照搬了過來，畢竟數(shù)據(jù)越多，學(xué)得越多，犯錯(cuò)應(yīng)該會(huì)變得更少。