智驾安全性核心之一:获取车(物)间距离信息的可靠性问题_风闻
清江水-莫道黄沙无烟起,心中自有兵马场。10-01 20:35
智能驾驶越来越成为车辆竞争力的重要环节,目前有以特斯拉为代表的图像处理+雷达方式,以及以华为为代表的激光雷达+雷达+图像方式(当然还需高分辨地图的帮衬) ,来实现态势感知。
完整的智能驾驶所需要的态势信息是三维的信息,原本的图像只能提供二维信息,要得到三维信息,必须得到基于本车的距离信息,即除了对路面信息和车、人、物(路边栏杆、警示锥等)的二维识别级地图匹配,还需要这些车、人、物的距离信息的支撑(即这都些东西距我多远,是在哪个方向上),要使用电磁波雷达、激光雷达,或者特殊光学设备和匹配算法来得到距离数据,且这个数据是点云的更好。
车祸大部分是碰撞,碰撞的另一种解释:两个物体间的空间距离由大变小且最后为零(碰撞后可以认为距离为负)。自然,基于物体间的距离检测及驾控决策是避免碰撞的最核心因素。距离信息的获取对于智能驾驶的决策,特别是对于距离过近(碰撞)或车辆突然变道的危险感知,是至关重要的。从最终的安全性说,距离信息的获取的优先级其实高于对物体的识别——简单说就是控制刹车(或紧急变道)动作的依据最最重要的就是距离数据。
雷达也可以测量距离但难以确定对应距离下目标的具体位置,不过在大多数场景下,至少在目标比较近的情况下(直线测距内)雷达的距离信息可以支撑车辆做出紧急规避,当然车速过快也是有风险的,车速(相对速度)慢一点测雷达的距离信息也是比较可靠的。
而使用激光雷达,即便没有图像信息的支持,且仅有前方距离信息的支持情况下,车辆也基本可以高可靠的控制车间距离以避免碰撞,何况激光雷达可以扫出一个角度的距离信息,提供的距离信息是成片的点云数据。
激光雷达比电磁波雷达好的地方,是激光雷达获取的距离信息是有角度量的,而普通雷达只有大体的角度信息,不够精确,不精确必然带来误差,影响可靠性。
对于光学图像处传感器,目前距离的识别在图像处理中是无法直接获得,需要有很多先验数据+实时识别信息的比对才能得到,也就是它要依赖计算资源获取距离。tof景深相机其实类似激光雷达,性能达标车规的设备估计造价同样不低,其成熟度不如多线束的激光雷达,且tof景深相机依旧需要相当的算力才能获得3d距离数据,而其他几种光学解决方案如结构光等方式不适合智驾场景,双目定位精度和算法负担的不利之处同样存在,夜间还可能不能使用。
据说特斯拉还可能完全用图像处理方式解决所有的态势感知问题(这是要把毫米波雷达都去除?),也就是图像处理不光要通过算法识别路面信息,如道线、人、车、物等,同时在进行路面信息识别的情况下,还要把人、车,物的距离识别出来。本来对于路面级人车物的识别就已经占据很大的算力,还要增加计算距离的算法,显然增加对算力的瓜分,影响距离获取的实时性。且共享算力的情况下,还容易因为对于路面级人车物的识别算法的“卡壳”而造成算力“阻塞”(即便是用了独立的模块来计算也依然存在识别与距离计算的强关联),使得CPU(GPU)无暇(法)顾及对于光学获取距离的计算,给不出距离信息。尽管可以增加算力资源提高实时性,但是其出错的随机性永远是一个问题,何况智驾这类对CPU/GPU的长时间、高负荷运行非常损耗计算机硬件性能,性能存在衰减问题。
对于智驾的可靠性,99%成功率就是容许100次出一次错,显然不行。99.9%是1000次出一次错,也不能接受。99.99%是10000次出一次错,勉强可以接受。而好的可靠性,可能是要达到99.999%甚至更高,这样的可靠性如果靠复杂的算法实现,几乎不可能,因为影响出错的因素很多,只能靠硬件能力机械的完成才可能达到这种高可靠性,激光雷达就有这种能力,因为激光类3d测距,不用计算即可直接从设备端得到高精度的空间距离数据,不占用主cpu的算力。
我个人猜测,很多开启了智能驾驶模式(L2以上级别)的车辆,还会发生碰撞,其最重要的原因可能就是系统没有及时获得前方的距离信息(且是不远的前方)。至于这个距离信息为何没有及时得到,一个原因是那个瞬间传感器没有感知出来,另一个原因是传感器得到了原始信息,但由于计算机算力不够,没有及时处理出距离信息,导致环境感知错误。
总之,这个用图像来获得距离的方法,在获得距离信息的实时性和精确性上,比起用激光雷达来说,可靠性低于激光雷达方案,接近激光雷达方案的可靠性都难。
所以在未来什么智驾模式能让人放心,我觉得必须是带激光雷达的解决方案莫属,如果有更好的技术手段或设备,或能力相同更便宜的设备当然更好,但目前还没有看到,何况激光雷达也可以因规模效应而降低成本。当然技术上还是需要图像处理的强大能力,这并不矛盾。但仅仅靠图像处理得到距离信息(还要求有较好的精度:分米级),个人认为这种可靠性是没法让人放心的。
----------------
随便说一句,完全可靠的智能驾驶,除了提高车辆本身的感知能力和计算决策能力外。非常有效的提升无人或智能驾驶可靠性和正确性的办法,一是建立信息化、传感化的路网体系;二是让车联网系统技术落地。即:1、在每一条路的关键节点,都设置传感器,主动告诉车辆你的位置在哪里,要注意什么;2、通过车联网告诉友邻车辆我的车辆状态,其他车主动告诉本车位置和速度数据,能大大提升本车的态势感知能力,从而显著提高智能驾驶的可靠性。当然这并不否定对本车独立的态势感知能力的追求。