近日一輛 Uber 的自動(dòng)駕駛汽車在亞利桑那州坦佩市的公共道路上與一名行人相撞，該行人在送往醫(yī)院后不治身亡。這起意外事故將不僅影響Uber的自動(dòng)駕駛的計(jì)劃，還將影響到整個(gè)無(wú)人駕駛行業(yè)最終發(fā)布能在公共道路上行駛的無(wú)人汽車的計(jì)劃。這則新聞將“無(wú)人駕駛技術(shù)”推向熱搜。

　　現(xiàn)有無(wú)人駕駛技術(shù)路線優(yōu)缺點(diǎn)

　　目前，國(guó)際上自動(dòng)駕駛環(huán)境感知的技術(shù)路線主要有兩種：一種是以特斯拉為代表的毫米波雷達(dá)主導(dǎo)的多傳感器融合方案，另一種以高成本激光雷達(dá)為主導(dǎo)，典型代表如谷歌Waymo。我們來(lái)分析一下這兩條線路對(duì)前方路況分析所使用的傳感器：

　　特斯拉的無(wú)人駕駛方案以毫米波雷達(dá)+可見(jiàn)光攝像頭為主，最開(kāi)始有MobileEye的參與，以可見(jiàn)光攝像頭為主，毫米波雷達(dá)作為輔助。出現(xiàn)撞卡車事件后，Tesla改為毫米波雷達(dá)為主，可見(jiàn)光攝像頭為輔。

　　谷歌的方案基本上是以激光雷達(dá)為主，毫米波雷達(dá)為輔，可見(jiàn)光攝像頭幾乎不參與。谷歌似乎對(duì)可見(jiàn)光攝像頭一直不感冒，即使涉及到物體/行為識(shí)別，谷歌仍傾向于用三維激光雷達(dá)。

　　從上面我們可以看出目前市面上主流的前向路況檢測(cè)主要依靠以下三種傳感器：毫米波雷達(dá)、激光雷達(dá)以及可見(jiàn)光攝像頭，且只是兩個(gè)傳感器融合。下面我們來(lái)分析一下這三種傳感器的優(yōu)劣勢(shì)：

　　上表中可以看出，目前主流的針對(duì)前向的傳感器融合方案都有一個(gè)顯著的缺點(diǎn)：在惡劣天氣情況下，只有毫米波雷達(dá)一個(gè)單傳感器可以起到作用，而毫米波雷達(dá)自身又難以識(shí)別行人。故現(xiàn)有的技術(shù)方案只能在正常天氣下工作，在惡劣天氣環(huán)境下(特別是光線不好的情況)會(huì)對(duì)路上行人的生命會(huì)造成極大的威脅。

　　所以面對(duì)這種既要能在夜晚和惡劣的天氣情況下，解決視覺(jué)和行人識(shí)別的問(wèn)題。看似無(wú)人駕駛未能找到解決方案，但其實(shí)我們忽略了，夜視傳感器中的遠(yuǎn)紅外傳感器。因?yàn)檫h(yuǎn)紅外技術(shù)只考慮觀測(cè)主體與環(huán)境之間溫度差，可以不受光線情況影響。

　　遠(yuǎn)紅外熱成像原理，通過(guò)能夠透過(guò)紅外輻射的紅外光學(xué)系統(tǒng)將視場(chǎng)內(nèi)景物的紅外輻射聚焦到能夠?qū)⒓t外輻射能轉(zhuǎn)換為便于測(cè)量的物理量的器件--紅外探測(cè)器上，紅外探測(cè)器再將強(qiáng)弱不等的輻射信號(hào)轉(zhuǎn)換成相應(yīng)的電信號(hào)，然后經(jīng)過(guò)放大和視頻處理，形成可供人眼觀察的視頻圖像，最終通過(guò)顯示終端顯示、音響設(shè)備報(bào)警的夜間輔助駕駛產(chǎn)品。