您現(xiàn)在的位置：首頁 > 惡劣天氣下，如何保證自動駕駛的可靠性?
惡劣天氣下，如何保證自動駕駛的可靠性?
統(tǒng)計數(shù)據(jù)顯示，雨雪等惡劣天氣下行車事故的發(fā)生率較正常天氣高出70%。
風(fēng)沙、濃霧、雨雪等極端天氣，對路況條件、駕駛員視野和場景判斷等帶來極大干擾。無論是初出茅廬的新手司機，亦或是駕齡豐富的老司機，雨雪天行車均無異于一場噩夢。
而對于“模仿”有人駕駛的自動駕駛汽車，惡劣天氣條件對環(huán)境感知系統(tǒng)的影響則更為嚴(yán)重。是否具備惡劣天氣條件下的正常行駛能力，是檢驗自動駕駛汽車能否上路的終極“試金石”。
天氣對感知系統(tǒng)的影響
為了確保自動駕駛車輛在不同場景下均可以做出正確判斷，需要對周圍環(huán)境信息進行實時動態(tài)獲取和識別，這些信息包括但不限于自車的狀態(tài)、交通流信息、道路狀況、交通標(biāo)志等，以滿足車輛決策系統(tǒng)的需求。
換言之，環(huán)境感知起著類似人類駕駛員“眼睛”、“耳朵”的作用，是實現(xiàn)自動駕駛的前提條件。
目前，環(huán)境感知技術(shù)有兩種技術(shù)路線，一種是以攝像機為主導(dǎo)的多傳感器融合方案，另一種是以激光雷達(dá)為主導(dǎo)，其他傳感器為輔助的技術(shù)方案，這兩種方案常用的傳感器種類包括但不限于激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、攝像頭等。
不同傳感器在面對不同天氣時，所受到的影響是不同的，目前暫時沒有任何一種傳感器可以完美應(yīng)對任何天氣。
激光雷達(dá)
激光雷達(dá)+高精地圖，是目前自動駕駛一種主流傳感器組合方案。
激光雷達(dá)精度高、穿透力強，可以實時掃描周圍環(huán)境建立三維模型，擁有很高的可靠性和精確性，但對惡劣天氣的適應(yīng)性則稍微差一些。
雨天對激光雷達(dá)的影響相對較小，除暴雨等極端降雨條件下，激光雷達(dá)基本不會受到任何影響。
雪天和風(fēng)沙天則會對激光雷達(dá)造成明顯影響。與降雨不同，雪由固體物和雪花組成，很容易堆積形成障礙物(風(fēng)沙天也容易形成堆積物)，從而影響激光雷達(dá)的掃描距離，或者導(dǎo)致激光雷達(dá)的錯誤探測。
毫米波雷達(dá)
毫米波雷達(dá)探測距離遠(yuǎn)，精度雖沒有激光雷達(dá)高，但在眾多傳感器類別中仍處于較高水準(zhǔn)，主要作為測距和測速傳感器而存在。
毫米波雷達(dá)對霧、煙、灰塵的穿透能力極強，在惡劣天氣條件下，整體表現(xiàn)更好。但毫米波雷達(dá)也并非全無缺點，其在有雨有霧或大雨的天氣下表現(xiàn)欠佳，性能會出現(xiàn)大幅下降，且毫米波雷達(dá)也存在對行人識別不足的問題。
超聲波雷達(dá)
超聲波雷達(dá)具有頻率高、波長短、繞射現(xiàn)象小、方向性好、能夠成為射線而定向傳播等優(yōu)點，但探測距離很短，因此常用于短距離測量，如泊車場景。
超聲波雷達(dá)受天氣情況影響大，不同溫度情況下，測量的距離也不盡相同，在測量較遠(yuǎn)距離目標(biāo)時，其回波信號會比較弱，無法精確描述障礙物的位置。
攝像頭
攝像頭是受天氣影響最為嚴(yán)重的一種傳感器。一滴雨、一粒沙子、一片雪花都會對攝像頭造成遮擋，無法正確感知周圍環(huán)境。
此外，攝像頭也是少有的在正常天氣下，也會出現(xiàn)被干擾的傳感器。晴天陽光的照射、玻璃的反射都會使攝像頭的可見度降低到幾乎為零，光引起的表面反射也會出現(xiàn)混淆視野，從而造成誤判的情況。
如何保證惡劣天氣下的可靠性
自動駕駛一項重要潛在應(yīng)用優(yōu)勢就是提高行車安全性。
理想狀態(tài)下，通過應(yīng)用車聯(lián)網(wǎng)等技術(shù)，自動駕駛汽車可以有效感知路況信息，自動控制與周圍車輛間距，交通事故發(fā)生率會維持在一個非常低的水準(zhǔn)。
為了達(dá)到理想狀態(tài)下的自動駕駛，當(dāng)前仍需解決各種技術(shù)問題，自然也包括惡劣天氣下的行車安全性。
目前，提升惡劣天氣下自動駕駛汽車行車安全性的方式主要有多傳感器融合、惡劣天氣訓(xùn)練數(shù)據(jù)集、模擬仿真等多種方式。
多傳感器融合
單一傳感器在面對惡劣天氣時會出現(xiàn)各種各樣的問題，但通過多傳感器融合的方式，可以做到優(yōu)勢互補，揚長避短。
此外，多傳感器融合也可以在某些狀態(tài)下，如某一種傳感器出現(xiàn)故障的環(huán)境下，額外提供一定安全冗余度。這種錯誤或故障可能是由天氣原因或是人為原因(例如，對攝像頭或雷達(dá)的電子干擾或人為干擾)導(dǎo)致。
訓(xùn)練數(shù)據(jù)集
感知算法的訓(xùn)練與調(diào)優(yōu)離不開各種數(shù)據(jù)集。
為了讓自動駕駛汽車能在各種環(huán)境下均能準(zhǔn)確識別路況信息，并做出正確判斷，就需要為算法投喂種類多樣的路況數(shù)據(jù)。
目前，用于感知算法訓(xùn)練的數(shù)據(jù)集多以良好天氣場景為主，如晴天或陰天。惡劣天氣場景下的數(shù)據(jù)集不僅總量少，場景覆蓋度也同樣不足。出現(xiàn)這種狀況的原因一方面是因為惡劣天氣出現(xiàn)的概率相對較小，實現(xiàn)自動駕駛是一個循序漸進的過程，優(yōu)先解決大場景，后續(xù)逐漸解決小場景是一種現(xiàn)實且行之有效的方案。
另一方面原因則是惡劣天氣數(shù)據(jù)的采集離不開有人駕駛采集車。惡劣天氣下，有人采集車上路行駛同樣會面臨較高的行車安全風(fēng)險，采集存在一定難度。
事實上，除了采集存在難度以外，惡劣天氣數(shù)據(jù)集的標(biāo)注處理同樣也是一個難題。不同于良好天氣下采集的數(shù)據(jù)，惡劣天氣下采集得到的數(shù)據(jù)集往往存在圖像模糊、無法準(zhǔn)確分辨物體等問題，處理效率和數(shù)據(jù)質(zhì)量均較難以滿足實際需求。
曼孚科技深諳惡劣天氣數(shù)據(jù)集的標(biāo)注處理之道。無論是雨天、雪天還是風(fēng)沙天等，曼孚科技均積累了較為豐厚的經(jīng)驗，MindFlow SEED數(shù)據(jù)服務(wù)平臺也針對惡劣天氣場景做出優(yōu)化，AI預(yù)識別算法加持下，模糊圖像的識別處理準(zhǔn)確率得到有效提升。
無論是數(shù)據(jù)處理效率亦或是數(shù)據(jù)產(chǎn)出質(zhì)量，均可以滿足大規(guī)模惡劣天氣感知算法的訓(xùn)練需求。
數(shù)據(jù)來源：MindFlow SEED數(shù)據(jù)服務(wù)平臺
仿真與模擬
風(fēng)沙、雨雪等惡劣天氣受季節(jié)、地域等因素影響較大，熱帶地區(qū)無法采集到降雪環(huán)境相關(guān)數(shù)據(jù)集，水草豐茂地區(qū)也很難出現(xiàn)風(fēng)沙天氣。
然而哪怕是在合適的區(qū)域，惡劣天氣的出現(xiàn)也是一件小概率事件。為了采集得到足夠多的數(shù)據(jù)集，需要付出的時間成本與人力成本均十分高昂。
另外，正如上文所述，惡劣天氣對采集車的行車安全也是一項考驗，有人駕駛的數(shù)據(jù)采集車在惡劣天氣下并不能做到百分百安全。
仿真與模擬平臺的出現(xiàn)則很好地解決了此類問題。實驗室可以代替實際環(huán)境做測試。通過在封閉環(huán)境下模擬雨雪、霧霾、風(fēng)沙等天氣，既與真實環(huán)境相差無幾，又高度可控，對人員或設(shè)施的安全危害可以降低到一個很低的水平。
除以上三種方式以外，V2X、路面檢測、先驗地圖等也是解決惡劣天氣自動駕駛安全行駛的有效方式。伴隨著眾多解決方案的應(yīng)用，自動駕駛汽車在惡劣天氣下的表現(xiàn)愈發(fā)穩(wěn)健，全場景、完全自動駕駛未來可期。
成員中心
- 北京超核電子科技有限公司
- 東莞法法易新能源科技有限公...
- 河北雄安奧咨達(dá)工程咨詢有限...
- 東莞派歌銳電氣有限公司
- 廈門星創(chuàng)易聯(lián)科技有限公司
- 青島智騰微電子有限公司
- 巨視慧行(武漢）科技有限公司
- 墨翟科技（上海）有限公司
- 深圳市乾思迪電子科技有限公...
- 廣州市杜格科技有限公司
- 西安海格電氣技術(shù)有限公司
- 深圳市三旺通信股份有限公司
- 深圳市百年星科技有限公司
- 禾純展覽(上海）有限公司
- 華為技術(shù)有限公司
- 上海兆越通訊技術(shù)有限公司
- 玖新文化傳媒（上海）有限公...
- 北京銘世博展覽有限公司
- 北京銘世博國際展覽有限公司
- 恒興國際會展（北京）有限公...