來源 |  侯哥工作感悟

自動駕駛的相關話題火熱了這么多年，但是世面上真正讓人放心的自動駕駛還是沒有出現，就連各個新勢力也都沒有人敢宣稱自己真正達到了 L3 及以上的自動駕駛水平。 更多的人還是在打擦邊球 ——L2.5 ， L2.9 ， L2+ ， L2++……

為 啥至今 L3 及以上的自動駕駛還沒有出現呢？ 這個問題還要從 SAE 的 關于汽車自動化等級劃分的標準 SAEJ3016 說起。

在下圖中的 SAE 關于自動駕駛等級的劃分中， L3 是一個駕駛員與車輛責任的分水嶺。 在 L3 以 下 ，駕駛員負有對車輛控制的主要責任，車輛中的自動駕駛系統僅起一個輔助的責任，而到了 L3 之后，對駕駛任務中的環境觀察、控制的責任轉移到了自動駕駛系統上。 控制的責任在哪一方，那么如果出現了事故，事故的責任也就需要哪一方來承擔。 在由車輛承擔責任的情況下，主機廠作為車輛的設計和生產方就要承擔，也就是說，主機廠要承擔所有的賠償責任，也許將來保險公司可以負擔這部分費用，但是主機廠還是要承擔由于車輛的設計缺陷導致的事故責任。 關于這一點，一直沒有明確的法律法規可以遵循，目前只能按照以前的慣例來處理了。

大家可以想象一下，如果一個人自己把車開到了河里，那么他也怪不到別人，可是如果是車輛自己開到了河里，這個車主肯定就會把責任都推到車輛的生產方那里。這對主機廠是一個極大的問題，如果不能妥善處理，主機廠必然會受到重大的打擊，絕對不只是賠錢這么簡單。

既然責任這么重大，那么在技術還不成熟、相應的法律法規還沒有明確規定的情況下，作為主機廠最好的策略就是讓駕駛的責任留在駕駛員這邊。雖然還是要把自動駕駛作為宣傳手段和增值盈利的方法，但是打死也不說責任由自己來承擔。這就是為什么現在都在打擦邊球，堅決不說自己的系統是L3，而只是無限接近L3的原因。

自動駕駛系統的架構大致如下所示。分為感知、決策和控制（或執行）。其中感知部分是決定所謂自動駕駛路線的關鍵因素，相當于人類的五官，來獲取外部的信息。決策部分可以類比為人類的大腦，用來進行判斷，決定對車輛如何進行控制。而控制（執行）部分可以想象為人類的四肢——控制車輛的速度和轉向，也就是橫向和縱向的運動。

長期以來，對于自動駕駛的技術路線有多種思路。以特斯拉為首的一派覺得純視覺就足夠了。因為人類開車的時候主要靠的還是視覺（眼睛）來感知環境信息。其他派別的人有的覺得視覺加上毫米波雷達就夠了，有的覺得視覺之外還需要毫米波加上激光雷達。總之，在現在已知的感知系統中，一共只有攝像頭、毫米波雷達、激光雷達，以及傳統的超聲波雷達，但是超聲波雷達僅適用于近距離的感知（米級），可以用于泊車場景中，最常見的用途就是倒車，所以又被稱之為倒車雷達。

下圖是一個自動駕駛的感知系統的方案，集合了所有上述的幾種感知設備，可以說是武裝到了牙齒。

無論如何，視覺系統已經成為了自動駕駛的重要組成部分。然而，純靠視覺靠譜嗎？在回答這個問題之前，我們先來看看人眼的“技術參數”。

1. 人眼能夠分辨率的最小細節折合0.59角分
2. 人眼擁有大概650萬個視錐細胞
3. 人眼擁有大概1.2億個視桿細胞
4. 人眼的視野大概為向外95° 向內60° 向上60° 向下75°
5. 人眼只能夠清晰的分辨出中央10°范圍的物體
6.  人眼的分辨率越往外越低
7. 人眼看到低于24幀的物體時會有明顯的卡頓感
8. 人眼最高大約可以分辨到75幀的高速度物體

人眼在看東西的時候，其實在某一個時間點只能夠清晰的分辨出中央10°范圍的物體，分辨率越往外越低。簡單來講就是作為人類的我們，只有盯住哪里，哪里看起來才是清楚的，我們不盯的地方基本都是模糊看不清楚的。人的單眼靜態分辨率的確不太高，單次成像只有500萬像素左右。我們覺得自己可以看清楚很大范圍內的物體，其實是人眼可以快速采樣多張圖片并通過大腦將多次采樣的數據合成出完整而清晰的圖像。最終的效果可以達到10億像素相機的效果。這是任何專業單反相機都無法達到的。

下面的4張圖按照順序看下來就是人腦一個正常的處理效果。

而且人眼相比照相機還有三大超級優勢：

1. 焦距調節速度非常快，從最遠到最近距離的對焦可以瞬間完成

2. 在一定范圍內對光線的變化反應迅速，保證始終可以看清物體

3. 方向可以隨意條件（脖子轉一下或者眼睛自己轉一下就行）

以上說的是人作為駕駛員在感知端的優勢，人類相比機器的更大優勢在大腦的處理過程的速度和對周邊情況的預測。

大腦會把所有輸入的圖像進行快速處理，并自動找出哪些才是在駕駛活動中需要重點關注的。比如識別障礙物、其它車輛與行人的趨勢等等。這些所有數據有機的結合起來，才能夠最終保障駕駛安全。

舉個例子：如果一個駕駛員在駕駛過程中發現前面有一個兒童，他大概率會變得很小心，隨時注意兒童的動向，準備采取緊急措施。而讓機器來完成這么簡單的活動卻很難。另外，如果有一個人正在橫穿馬路，如果駕駛員注意到這個人已經在盯著自己的車輛了，那么基本上這個人會自己主動的躲避車輛，駕駛員大概會根據初步判斷繼續行駛，而讓機器做決定的話，機器一定會采取緊急制動措施保障安全。對危險程度的預知能力是目前機器的一大弱點。這并不是僅僅由于圖像采集的像素數決定的，還取決于處理的速度與算法。

目前車上用來進行自動駕駛數據采集的前向攝像頭最高的像素也已經可以達到幾百萬的級別了，可是由于攝像頭本身的限制，攝像頭無法像如人眼一樣隨時變換焦距和景深來看清楚整個視野中的每個細節，以及對雨雪風霜霧等自然環境的適應性問題，導致攝像頭方案在圖像數據采集端就有天然的限制，再加上目前的人工智能算法還遠遠沒有達到接近人類視覺系統的處理能力，造成了至少目前階段純視覺方案的可靠性與適用性還是不能完全滿足各種場景的需求。

視覺系統的另外一個局限性在于對距離的精準判斷。雖然人類可以通過雙眼看出大約的相對距離，但是想精準的知道距離的數值卻非常難。即使采用雙目或者三目攝像頭也是面臨著同樣的問題。沒有精確的距離感，在規劃車輛的運動軌跡的時候就很難做好。

雖然理論上，僅靠視覺是可以覆蓋大部分駕駛場景的，而且機器不會像人一樣感到疲勞或者分神，但是目前的純視覺自動駕駛方案的局限性是非常明顯的。然而由于攝像頭低廉的價格，還是有很多堅定的擁護者存在。他們堅信將來一定可以靠攝像頭來解決大部分的自動駕駛的需求。可是未來是多久呢？這個只能是大家拍腦袋想了。

正因為視覺方案的各種局限性，所以大多數的廠家采用的方案都是多種傳感器結合的方式，于是，我們看到的大多數路上測試的自動駕駛車輛都是下面這個樣子的。

下表是幾種常見的感知設備的技術參數。僅供大家參考。由于這個行業有很多的玩家，技術在不停的的進步中，各種參數都在不斷的改善著。只是目前還沒有看到大的突破性的進展。

無論采用哪種感知方案，自動駕駛都必須有足夠的安全性與可靠性。然而，什么才是足夠高的安全性與可靠性呢？人類可以容忍自己犯錯誤，卻很難容忍機器犯錯誤。安全是無止境的，任何東西都不是絕對安全的，只可能有相對的安全。如同保險箱一樣，采取的措施越多，防盜安全性也越高，但是成本也越高。普通人如何承受高額的成本？作為崇尚自由平等的人類，我們能夠接受有錢人的車比普通人的車安全系數高很多嗎？自動駕駛事故的容忍度在哪里？這一系列問題只能留給時間去回答了。