AEB是ADAS的基礎(chǔ)。但專家說，針對行人的AEB-P“比AEB難一個(gè)數(shù)量級”。

對于那些被自動駕駛汽車（AV）的承諾所吸引的愛好者來說，一段在CES期間Flir的展臺上放映的視頻應(yīng)該是一個(gè)提醒。

AV開發(fā)人員在確保駕駛員安全的自動駕駛系統(tǒng)方面取得的進(jìn)展令人鼓舞，但對自動駕駛技術(shù)的現(xiàn)狀非常樂觀的人應(yīng)該點(diǎn)擊下面的視頻，該視頻說明了AV在確保車外人員的安全方面存在著重大問題。

* https://youtu.be/o7LGmX2AopM *

為什么在閉環(huán)測試中，據(jù)稱配備了行人檢測的AEB的車輛會一個(gè)接一個(gè)地撞到測試假人？

Flir是一家汽車紅外熱成像儀供應(yīng)商，他利用AAA提供的視頻素材制作了這個(gè)巧妙的視頻剪輯。去年秋天，AAA用行人檢測（AEB-P）對AEB進(jìn)行了測試。

ADAS的目的是協(xié)助駕駛員提高道路安全。但如果OEM要真正做到這一點(diǎn)，他們應(yīng)該在需要的地方投入更多的資金。安全第一，然后是自動駕駛？正如YoleDéveloppement的首席分析師Pierre Cambou在他的linkedIn文章中指出的那樣，“我同意Flir的觀點(diǎn)，行人安全應(yīng)該是ADAS的主要關(guān)注點(diǎn)。”

AAA發(fā)現(xiàn)了什么？
去年，AAA對ADAS車輛進(jìn)行了測試，重點(diǎn)放在了行人檢測上。AAA的測試結(jié)果幾乎是毀滅性的。

通過“將洋蔥層層剝開”，我們可以了解為什么當(dāng)今ADAS的AEB-P功能如此無效。

去年秋天，AAA對四款2019款的車型進(jìn)行了AEB-P測試：雪佛蘭邁銳寶的Front Pedestrian Braking、本田雅閣的Honda Sensing-Collision Braking System、特斯拉Model 3的AEB，以及豐田凱美瑞的Toyota Safety Sense。

以下是主要發(fā)現(xiàn)：

如果在時(shí)速20mph下遇到一名成年人白天橫穿馬路，則車輛僅有40％的幾率會避免撞到行人。更糟糕的是，如果同樣以20mph的速度遇到一個(gè)從兩輛車之間沖進(jìn)車流的孩子，那么這個(gè)孩子有89％的幾率會被撞到。而在30mph的速度下，則沒有一輛測試車能夠避免碰撞 ……

那么成年人晚上過馬路又會如何呢？別想了，行人檢測系統(tǒng)被證明是無效的。

調(diào)查結(jié)果促使AAA提出了以下建議：“不要依賴行人檢測系統(tǒng)來避免碰撞。這些系統(tǒng)是備用的，而不是避免碰撞的主要手段。”

碰撞預(yù)警與碰撞緩和
重要的是要注意碰撞預(yù)警（collision warning）和碰撞緩和（collision mitigation）系統(tǒng)之間的區(qū)別。預(yù)警系統(tǒng)將警告駕駛員即將發(fā)生碰撞，但不會采取諸如剎車之類的規(guī)避行動。緩和系統(tǒng)將提醒駕駛員，如果不采取任何措施，該系統(tǒng)將進(jìn)行剎車，以避免或減輕碰撞的嚴(yán)重程度。

AAA在行人檢測測試中專門評估了“緩和”這一項(xiàng)。

對于任何道路的行人來說，看到ADAS車輛沒有為行人停下來的景象都會感到吃驚。盡管AAA的測試結(jié)果獲得了媒體的廣泛報(bào)道，但Flir的視頻片段引發(fā)了人們對一系列未解決問題的新思考。

經(jīng)過AAA測試的所有四款車型都采用了“攝像機(jī)+雷達(dá)”組合。而在這種組合下，是什么因素導(dǎo)致了AEB-P功能如此不一致呢？

問題是否來自成像傳感器或雷達(dá)的分辨率不足？
還是與傳感器融合算法有關(guān)？
像Flir這樣的公司提出了這樣的想法，即使用熱成像傳感器可以幫助車輛在夜間看到行人。我們對此毫不懷疑。但我們是否可以簡單地通過添加另一個(gè)（具有不同模式）傳感器來解決這些問題呢？

是什么使AEB-P難以實(shí)現(xiàn)？
VSI Labs的創(chuàng)始人兼負(fù)責(zé)人Phil Magney說：“AEB對于ADAS是至關(guān)重要的，沒有它，你甚至無法想象實(shí)現(xiàn)自動駕駛。而且，它是所有ADAS功能中最重要的，并且是可能挽救最多生命的應(yīng)用程序。”然而，Magney在AEB和AEB-P之間做出了至關(guān)重要的區(qū)分。他強(qiáng)調(diào)，適應(yīng)行人的AEB“比AEB難一個(gè)數(shù)量級”。

那么，是什么讓AEB這么難呢？

專家經(jīng)常會提到雷達(dá)容易產(chǎn)生的誤報(bào)（false positives），以及圖像傳感器有限的FoV。即使將雷達(dá)和攝像頭組合在一起，融合的數(shù)據(jù)仍然只能顯示出對車輛周圍環(huán)境有限的了解。也許最重要的是成本問題。OEM傾向于為ADAS使用成本更低的傳感器。鑒于ADAS功能有望在大眾市場普及，因此OEM不太可能會花更多的資金購買專用傳感器（激光雷達(dá)或熱成像儀），來降低AEB-P失效的可能。

誤報(bào)
Magney指出，AEB之所以很難，是因?yàn)?ldquo;在AEB的前提下，誤報(bào)本身會導(dǎo)致致命危險(xiǎn)。”

Magney解釋說，雷達(dá)是AEB系統(tǒng)的關(guān)鍵部件，因?yàn)樗梢詼y量碰撞時(shí)間。但雷達(dá)也容易出現(xiàn)誤報(bào)，例如將靜止的車輛誤認(rèn)為危險(xiǎn)物。因此，“為了限制誤報(bào)，你最終不得不過濾掉大量數(shù)據(jù)。雷達(dá)也有很多噪聲，這也可能導(dǎo)致誤報(bào)。這就是為什么如果你的車輛具有碰撞預(yù)警功能，那么會不時(shí)收到異常的碰撞預(yù)警。”

Magney解釋說，在AEB的一般背景下，“AEB-P大大地提高了性能要求，因?yàn)楝F(xiàn)在你必須識別并跟蹤道路上的行人。”他承認(rèn)雷達(dá)正在變得越來越好，“但在與人類打交道時(shí)仍然缺乏信心，因此通常需要將其與攝像頭配合使用。”

但事情是這樣的，“雖然將攝像頭與AEB-P的雷達(dá)耦合起來是好的，但可能還不夠好。”

Magney認(rèn)為，“有太多環(huán)境條件限制了攝像頭的性能，這導(dǎo)致當(dāng)前AEB-P系統(tǒng)的性能不佳。”

狹窄的視場（FoV）
YoleDéveloppement分析師Cambou說，基于攝像頭、雷達(dá)、攝像頭+雷達(dá)或攝像頭+激光雷達(dá)的AEB系統(tǒng)的成功在安全性方面得到了充分的證明。他指出，“全球的追尾事故和死亡人數(shù)大約減少了50％，總體事故/死亡人數(shù)減少了10-15％”。

2016年3月，大多數(shù)美國OEM承諾到2022年在所有車輛中安裝AEB。2019年4月，歐盟議會也投票表決在2022年之前強(qiáng)制安裝。（Source：YoleDéveloppement）

但是，當(dāng)同樣的AEB技術(shù)應(yīng)用于行人檢測時(shí)，統(tǒng)計(jì)數(shù)據(jù)（事故/死亡人數(shù)減少了10-15％）就不那么令人滿意了。

當(dāng)被問及為什么AEB-P很難做到這一點(diǎn)時(shí)，Cambou說，問題出在第一代AEB系統(tǒng)的車輛前方“相對狹窄的FoV”。

那些第一代系統(tǒng)使用的是例如Intel-Mobileye EyQ3（通用、福特和大眾）或東芝Visconti 2（豐田）等的視覺處理器。談到這些車輛相對狹窄的FoV時(shí)，Cambou說：“這是AEB系統(tǒng)無法了解車輛前方情況的主要原因。”

Cambou估計(jì)，第一代AEB系統(tǒng)已在大約6％的車輛和30％的新汽車中部署。Cambou說，第一代AEB的效率約為10-15％，這就是為什么到2022年在北美和歐洲配備AEB的車輛仍遠(yuǎn)未達(dá)到常被提及的“零愿景”目標(biāo)。

但隨著時(shí)間的流逝，情況會越來越好。

Cambou指出：“新一代AEB系統(tǒng)基于Intel-Mobileye EyeQ4或Visconti 4，它們通常會通過采用更多具有更寬FoV的攝像頭來改善參數(shù)。”

“現(xiàn)在我們還不知道三目攝像頭相對于單目攝像頭的安全優(yōu)勢，但應(yīng)該會更好。”

接下來是第三代AEB系統(tǒng)。Cambou指出，這些系統(tǒng)將使用全環(huán)繞的攝像頭。“這就是特斯拉將用其FSD計(jì)算機(jī)做的事情。Zenuity也在為OEM提供這種方案。通過了解整個(gè)環(huán)境，AEB應(yīng)該隨著時(shí)間的推移而改善。但問題是會多快？”

為了使AEB保護(hù)行人免受車輛的碰撞，必須做什么？Cambou懷疑，OEM需要來自監(jiān)管機(jī)構(gòu)的或公眾輿論的壓力。

有效的AEB-P需要什么？
因此，要使AEB系統(tǒng)在行人檢測功能始終如一地發(fā)揮作用，需要做什么？

Flir顯然正在針對AEB-P推銷自己的熱成像技術(shù)。該公司介紹了一種熱成像儀，它能夠“為RGB攝像頭和雷達(dá)提供補(bǔ)充數(shù)據(jù)”。當(dāng)熱成像儀“看到”熱量時(shí)，Chris Posch說：“我們可以在包括夜間等惡劣條件下，通過陽光、車燈的光線和霧來檢測行人。”Flir聲稱，它在黑暗中能看到的距離是普通大燈的四倍。

同時(shí)，在CES上，巴黎的初創(chuàng)公司Prophesee展示了由一家未知的德國OEM制作的視頻剪輯。它將使用常規(guī)基于幀的視覺攝像頭的AEB系統(tǒng)與其他部署了Prophesee事件驅(qū)動攝像頭進(jìn)行了比較。視頻顯示，Prophesee的攝像頭在發(fā)現(xiàn)行人方面得分更高。

Cambou認(rèn)為有三種方法可以突破AEB-P的障礙。

首先，他指出：“OEM可以使用更多相同數(shù)據(jù)、更多相同計(jì)算，這是與Mobileye推出的EyeQ4、EyeQ5和東芝推出的Visconti 4、Visconti 5保持同步的一種方法。價(jià)格大約在150美元左右，我們等待著在摩爾定律下繼續(xù)改善。”

其次，OEM可能會尋求“更好的數(shù)據(jù)，或多或少地使用相同的計(jì)算”。Cambou說，這種方法“是由Flir、Prophesee和固態(tài)激光雷達(dá)公司提倡的。”他說，“缺點(diǎn)是一開始可能要多花一些錢。但從營銷的角度來看，這些人必須以當(dāng)前的市場價(jià)格提供更好的系統(tǒng)。”

Cambou指出，第三種方法是“更好的數(shù)據(jù)和更好的計(jì)算”。他稱其為“新范式”，是將新傳感器與新的計(jì)算方式相結(jié)合。“我認(rèn)為這是神經(jīng)形態(tài)感知和計(jì)算的前景。一些公司已經(jīng)在傳感器和計(jì)算方面進(jìn)行了創(chuàng)新……我在考慮Outsight，它將創(chuàng)新的高光譜激光雷達(dá)+感知算法推向了市場。”

Flir的前景
在目前可用的解決方案中，熱成像技術(shù)是有前途的。與常規(guī)的RGB攝像頭相比，VSI Labs的Magney說：“熱成像技術(shù)在對行人進(jìn)行檢測和分類方面要好得多，因?yàn)榉诸愂腔趯ο蟮臒嵝盘柖皇强梢姽狻?rdquo;

但熱成像儀最常見問題是成本。如果OEM在車輛上添加熱成像儀來實(shí)現(xiàn)有效的AEB-P，需要多少成本？Flir的Posch說：“價(jià)格將在數(shù)百美元左右，而不是數(shù)千美元。激光雷達(dá)就是這種情況。”

盡管寶馬、奧迪和其他公司已經(jīng)在某些車型中采用了Flir的熱成像儀，但它們并不是為AEB-P部署的。相反，他們是為了在夜間進(jìn)行諸如動物探測之類的事。對于AEB-P的應(yīng)用，F(xiàn)lir開發(fā)了一種新的帶VGA的熱成像儀，分辨率是當(dāng)前產(chǎn)品的四倍。

去年秋天，Veoneer選擇了Flir的熱傳感技術(shù)，用于與一家頂級OEM簽訂的計(jì)劃于2021年推出的L4車輛的生產(chǎn)合同中。

你可以證明嗎？
VSI Labs與Flir簽訂了合同，一直在進(jìn)行概念驗(yàn)證，以證明熱傳感器對AEB的益處。VSI Labs于2019年12月在底特律附近的美國移動中心（ACM）進(jìn)行了初步測試。

Magney說，VSI Labs的AEB-P測試模型使用了一個(gè)德爾福ESR雷達(dá)和Flir攝像頭。“我們在這次測試中禁用了RGB。但我們確實(shí)必須融合來自CAN總線的其他傳感器輸入，例如慣性、輪速、轉(zhuǎn)向角、踏板位置等。這是對AEB功能進(jìn)行編程所必需的。”

除了聲稱作為被動傳感器，沒有什么能比熱成像儀更好地檢測到行人之外，Magney還提到了AI對熱成像的影響。

他聲稱：“在VSI，我們證明了將AI應(yīng)用于熱圖像捕獲的性能要優(yōu)于傳統(tǒng)的RGB攝像頭。”VSI實(shí)驗(yàn)室使用Flir ADK（汽車開發(fā)套件）數(shù)據(jù)集訓(xùn)練了其神經(jīng)網(wǎng)絡(luò)。他指出，該數(shù)據(jù)集包括約4萬多個(gè)帶標(biāo)注的熱圖像。他解釋說，VSI還建立了AEB算法，然后在ACM進(jìn)行了許多測試。

Magney總結(jié)說，一般而言，熱成像儀在弱光和雜亂環(huán)境下能更好地對行人進(jìn)行識別和分類。他補(bǔ)充說：“熱成像也會感知到部分被遮擋的行人。”

除此之外，他說：“我們喜歡Flir的地方在于他們的汽車開發(fā)套件，因?yàn)檫@使開發(fā)人員能夠制定自己的檢測算法。”更重要的是，F(xiàn)lir的ADK是需要許可認(rèn)證的。

[參考文章]
Why ADAS cars go people-blind — Junko Yoshida