日前，一輛Uber自動(dòng)駕駛汽車在美國(guó)亞利桑那州坦貝市的一條街道上，以每小時(shí)65公里的速度撞上了一位橫穿馬路的女子。該女子在送往醫(yī)院后不久，不治身亡。這是全球首例自動(dòng)駕駛汽車路測(cè)撞死行人的交通事故，引發(fā)了公眾的極大關(guān)注以及對(duì)自動(dòng)駕駛汽車安全性的擔(dān)憂。
事發(fā)后不久，坦貝市警察局局長(zhǎng)對(duì)媒體表示，這場(chǎng)車禍無(wú)論是不是人類駕駛，都是不可避免的，這可能不是Uber的錯(cuò)。
從圖中我們不難得出一個(gè)結(jié)論，沒(méi)有一種方案是完美無(wú)瑕，萬(wàn)無(wú)一失的。對(duì)于基于傳統(tǒng)成像技術(shù)的攝像頭而言，受光照條件的影響非常大，在強(qiáng)光、弱光、逆光、反光等情況下，基本歇菜。
事發(fā)后不久，坦貝市警察局局長(zhǎng)對(duì)媒體表示，這場(chǎng)車禍無(wú)論是不是人類駕駛，都是不可避免的，這可能不是Uber的錯(cuò)。
然而，這真的是一場(chǎng)無(wú)可避免的交通悲劇嗎？
眾說(shuō)紛紜的車禍原因
車禍發(fā)生后，很多媒體和專家對(duì)車禍原因做了分析和猜測(cè)。
美國(guó)的網(wǎng)友看過(guò)視頻后表示，在光線昏暗的情況下，攝像頭的“視力”通常差得要命，如果用肉眼觀察，也許能更早注意到行人橫穿。
地平線機(jī)器人創(chuàng)始人余凱在接受媒體訪談時(shí)，分析猜測(cè)認(rèn)為造成有可能是這輛自動(dòng)駕駛汽車的預(yù)測(cè)判斷做的不好，出現(xiàn)了問(wèn)題，沒(méi)能準(zhǔn)確預(yù)判出障礙物的走向。
眼擎科技創(chuàng)始人朱繼志在其微博中表達(dá)了不同的看法。他認(rèn)為，問(wèn)題在于攝像頭，人從暗部走向亮部，因?yàn)槁窡舻脑?，光線明暗反差太大。在暗部的時(shí)候，汽車沒(méi)有監(jiān)測(cè)到，等行人走到亮部的時(shí)候，汽車雖然監(jiān)測(cè)到，但已經(jīng)太遲了。
同時(shí)，他認(rèn)為夜間道路光線環(huán)境太復(fù)雜，汽車攝像頭的動(dòng)態(tài)范圍需要提升30倍以上，自動(dòng)駕駛汽車才有上路的可能。
也有業(yè)內(nèi)人士分析，這輛Uber自動(dòng)駕駛汽車已經(jīng)檢測(cè)到了行人，只是沒(méi)有采取剎車或停車措施，致使釀成撞人事件。
傳統(tǒng)成像技術(shù)的天花板
眾所周知，當(dāng)前無(wú)人駕駛汽車所采用的視覺(jué)系統(tǒng) ，主要是基于攝像頭和光學(xué)雷達(dá)。有業(yè)內(nèi)人士對(duì)其相關(guān)的視覺(jué)性能優(yōu)勢(shì)和缺陷做了分析對(duì)比：
從圖中我們不難得出一個(gè)結(jié)論，沒(méi)有一種方案是完美無(wú)瑕，萬(wàn)無(wú)一失的。對(duì)于基于傳統(tǒng)成像技術(shù)的攝像頭而言，受光照條件的影響非常大，在強(qiáng)光、弱光、逆光、反光等情況下，基本歇菜。
而當(dāng)前最受車企青睞的激光雷達(dá)，也有很難逾越的短板。且不說(shuō)，短期內(nèi)無(wú)法迅速降低的成本，除了分辨率低外（當(dāng)然現(xiàn)在已經(jīng)有128線，甚至300線的激光雷達(dá)，但與攝像頭的分辨率還是不可同日而語(yǔ)），最大的問(wèn)題是無(wú)法辨識(shí)顏色，即無(wú)法表示交通標(biāo)示。
另外，激光雷達(dá)也受環(huán)境的影響，就連特斯拉和谷歌都承認(rèn)，即使是堆滿昂貴攝像頭和激光雷達(dá)的無(wú)人駕駛汽車在大雪天也基本被廢掉一半功力。
現(xiàn)在的自動(dòng)駕駛汽車都采用攝像頭與雷達(dá)搭配的方案（或激光雷達(dá)＋攝像頭，或毫米波雷達(dá)＋攝像頭），妄圖彌補(bǔ)各自的不足。但顯然這樣的策略也沒(méi)有達(dá)到1＋1＞2的效果。原因很簡(jiǎn)單，一方很難彌補(bǔ)另一方的短板。比如Uber自動(dòng)駕駛汽車撞人致死的事件中，顯然車上的攝像頭因?yàn)楣饩€問(wèn)題沒(méi)有監(jiān)測(cè)到正要橫穿馬路的路人（除非汽車的剎車系統(tǒng)壞掉了），而激光雷達(dá)即使監(jiān)測(cè)到了有反射信號(hào)，也無(wú)法判斷出是行人。正如有專家分析，因?yàn)槠渚窒扌?，光學(xué)雷達(dá)并不是為檢測(cè)行人設(shè)計(jì)的。因?yàn)楣鈱W(xué)雷達(dá)分辨率有限，刷新率不高，更無(wú)法獲取物體對(duì)象的顏色信息。所以它不善于實(shí)時(shí)地分辨物體。
從Uber自動(dòng)駕駛汽車傳感器示意圖看，這輛出事的自動(dòng)駕駛汽車上面也安裝了不少攝像頭，并且這些攝像頭都正常工作，卻并沒(méi)有避免悲劇的發(fā)生。為什么？
對(duì)此，工作人員解釋說(shuō)，眼擎科技希望解決的是AI機(jī)器在復(fù)雜光線下的自動(dòng)適應(yīng)能力。
給自動(dòng)駕駛汽車一雙慧眼
從Uber自動(dòng)駕駛汽車傳感器示意圖看，這輛出事的自動(dòng)駕駛汽車上面也安裝了不少攝像頭，并且這些攝像頭都正常工作，卻并沒(méi)有避免悲劇的發(fā)生。為什么？
很簡(jiǎn)單，這些攝像頭的視覺(jué)能力比不上人眼。
正如專家所說(shuō)，傳統(tǒng)的攝像頭成像技術(shù)，機(jī)器的視覺(jué)能力無(wú)法與人的眼力相比，甚至很難接近。因?yàn)閭鹘y(tǒng)的成像技術(shù)更專注于做給人看的圖像處理，即做圖像的優(yōu)化。而在機(jī)器的眼中，不注重像素高低，更不需要美顏，它需要的是精準(zhǔn)的測(cè)量現(xiàn)實(shí)世界，不僅色彩高度還原、而且邊緣清晰、銳度高等。
這就意味著傳統(tǒng)的攝像頭無(wú)法滿足AI機(jī)器在復(fù)雜光線下的正常運(yùn)作。
而對(duì)于駕駛員輔助系統(tǒng)，關(guān)鍵挑戰(zhàn)則在于保證系統(tǒng)在任何環(huán)境狀況下（溫度變化、陽(yáng)光照射、黑暗中或雨雪天氣）都能正常工作，而且還要能辨認(rèn)出300米以外的物體。
事故發(fā)生后，Uber暫停了自動(dòng)駕駛汽車路測(cè)，豐田暫停了自動(dòng)駕駛汽車的路測(cè)，據(jù)說(shuō)，英偉達(dá)也暫停了自動(dòng)駕駛汽車的路測(cè)。
希望之光
不久前拜訪眼擎科技時(shí)，工作人員向筆者演示了他們最新推出的一項(xiàng)AI視覺(jué)成像引擎視覺(jué)技術(shù)成果：在昏暗辦公室內(nèi)，搭載了眼擎科技AI視覺(jué)成像引擎方案的攝像頭在室內(nèi)只有一臺(tái)電腦顯示屏作為光源的條件下，呈現(xiàn)出了明亮、清晰、色彩還原度相當(dāng)高的圖像。而此時(shí)，人眼已無(wú)法分辨出被拍攝對(duì)象的顏色和輪廓。
對(duì)此，工作人員解釋說(shuō)，眼擎科技希望解決的是AI機(jī)器在復(fù)雜光線下的自動(dòng)適應(yīng)能力。
有關(guān)資料顯示，不論2D還是3D攝像頭都需要圖像傳感器有至少130dB的高動(dòng)態(tài)范圍（動(dòng)態(tài)范圍指一個(gè)多媒體硬盤播放器輸出圖像的最亮和最暗部分之間的相對(duì)比值）。只有這么高的動(dòng)態(tài)范圍才能保證，即使陽(yáng)光直射到鏡頭上，傳感器也能得到清晰的圖像信息。普通的鏡頭系統(tǒng)動(dòng)態(tài)范圍遠(yuǎn)遠(yuǎn)低于這個(gè)值。
該工作人員解釋，眼擎科技的方案在成像的動(dòng)態(tài)范圍上比人眼高18db，所以在人眼無(wú)法辨別色彩的極弱光條件下仍能輸出清晰的彩色圖片。
今年1月份，眼擎科技發(fā)布了全球首款完全自主研發(fā)的AI視覺(jué)前端成像芯片“eyemore X42”。
據(jù)悉，eyemore X42成像引擎芯片，擁有比傳統(tǒng)ISP高20倍的計(jì)算能力，采用了20多種新的成像算法，集成了超過(guò)500種不同場(chǎng)景下的復(fù)雜光線數(shù)據(jù)。
其中一個(gè)重要原因，eyemore X42拋棄了傳統(tǒng)的ISP成像架構(gòu)，采用了全新的成像引擎架構(gòu)，來(lái)解決復(fù)雜光線下的成像難題。
除此之外，eyemore X42芯片還具有獨(dú)立成像以及API接口豐富的特點(diǎn)。
就像人眼擁有超強(qiáng)的視覺(jué)能力，不僅僅在于強(qiáng)大的光學(xué)成像系統(tǒng)，更重要的是人眼通過(guò)神經(jīng)與大腦的交互?；诖耍矍婵萍家矠槌上褚嬖O(shè)計(jì)了一套與后端AI算法的交互架構(gòu)，來(lái)獲知AI對(duì)圖像的需求。
眼擎科技創(chuàng)始人朱繼志表示，這種與AI系統(tǒng)的交互能力，將使得成像系統(tǒng)真正成為AI的有機(jī)器官。
寫在最后
在本月初的“2018全球AI芯片創(chuàng)新峰會(huì)”上，眼擎科技與商湯、地平線等AI新秀一起榮膺“年度AI先鋒”獎(jiǎng)，代表了業(yè)內(nèi)對(duì)眼擎科技AI視覺(jué)前端成像技術(shù)的認(rèn)可。
誠(chéng)然，從Uber和豐田相繼叫停路測(cè)來(lái)看，公眾對(duì)自動(dòng)駕駛汽車最大的顧慮還是安全問(wèn)題。而安全問(wèn)題的解決，主要取決于車輛本身能否及時(shí)監(jiān)測(cè)到危機(jī)或作出及時(shí)的處理。這就需要自動(dòng)駕駛汽車整個(gè)產(chǎn)業(yè)鏈的成熟發(fā)展，包括道路基礎(chǔ)建設(shè)和5G網(wǎng)絡(luò)的興起，而其中最關(guān)鍵的還是需要車輛本身有一雙慧眼。而傳統(tǒng)的攝像頭成像天花板已非常明顯，以眼擎科技AI視覺(jué)前端成像引擎技術(shù)為代表的新生代，或許是沖破天花板的希望所在。
附2015年至今的全球13起自動(dòng)駕駛汽車交通事故：
時(shí)間
事件梗概
2018年3月23日
23日，一輛特斯拉2017 Model X在美國(guó)加州101號(hào)高速公路上行駛時(shí)，撞上了公路的護(hù)欄后起火，并被后方兩輛來(lái)車撞上。
2018年3月18日
美國(guó)亞利桑那州一名女子被Uber一輛正在路測(cè)的自動(dòng)駕駛汽車撞傷，被撞女子身亡
2018年1月22日
一輛開啟了自動(dòng)駕駛模式的特斯拉Model S在洛杉磯405高速公路上撞上了一輛停在路邊的消防車。
2018年1月12日
一輛特斯拉Model 3翻入了一條小溪
2018年1月10日
在美國(guó)賓夕法尼亞州匹茨堡，一輛廂式貨車闖紅燈，撞到了福特的一輛自動(dòng)駕駛汽車
2017年12月7日
在溫哥華，一輛Cruise自動(dòng)駕駛汽車正以自動(dòng)駕駛模式行駛，變道時(shí)剮蹭了變道中的一輛摩托車
2017年11月8日
在美國(guó)拉斯維加斯，一輛無(wú)人駕駛巴士與一輛卡車相撞
2017年3月24日
在亞利桑那州坦佩市，一輛測(cè)試中的Uber自動(dòng)駕駛汽車與一輛普通汽車發(fā)生了碰撞。
2016年9月23日
在美國(guó)山景城，谷歌的一輛無(wú)人駕駛測(cè)試車遭受了一輛道奇商用貨車的嚴(yán)重撞擊。
2016年5月7日
一輛特斯拉Model S在佛羅里達(dá)州高速公路上與一輛垂直方向開來(lái)的掛車發(fā)生相撞
2016年2月14日
在硅谷芒廷維尤市，谷歌的“雷克薩斯”牌改裝無(wú)人駕駛汽車在路測(cè)時(shí)，與一輛公共汽車的右側(cè)相撞。
2016年1月20日
京港澳高速河北邯鄲段，一輛開啟了自動(dòng)駕駛模式的特斯拉轎車直接撞上一輛正在作業(yè)的道路清掃車
2015年7月1日
谷歌公司一輛雷克薩斯牌改裝無(wú)人駕駛樣車在加利福尼亞州芒廷維尤市街頭測(cè)試時(shí)發(fā)生追尾事故
轉(zhuǎn)載請(qǐng)注明出處。
相關(guān)文章
熱門資訊
精彩導(dǎo)讀
關(guān)注我們
