近日，美國媒體報道了人類歷史上第一起無人駕駛的致死事故。美國東部時間5月7日，一輛特斯拉Model S電動汽車在途徑十字路口的時候，撞上了一輛正在左轉的卡車。Model S的前擋風玻璃撞進了卡車底部，然后又撞到路邊欄桿，駕駛人因此死亡。

汽車自動駕駛并不是新事務，很久以前高檔汽車就有定速巡航的功能。而特斯拉則利用最新的技術，做到了一定程度的自動駕駛，汽車可以自動變道，自動避讓障礙物，自動停車。從技術上看，特斯拉還是依賴于第三方方案，其他廠商并不是不能推，只是更加謹慎。而特斯拉走的更遠一些。

雖然特斯拉警告用戶在自動駕駛狀態手不能離開方向盤，但是用戶未必那么聽話，這次事故就是人與自動駕駛系統共同失效的結果。特斯拉的自動駕駛事實證明還不夠安全，那么無人駕駛如何才能安全呢？

一、特斯拉車禍的原因

無人駕駛汽車的原理其實不復雜，我們可以把它視為是一種機器人。

從原理上來說，無人駕駛系統通過各種傳感器感知路況和周邊情況，然后傳輸到CPU，CPU根據人工智能對情況做判斷，然后通知電傳系統，電傳系統根據信號操控機械裝置，最后機械裝置操控車輛做各種動作。

傳統燃油車的油門、剎車、轉向系統都已經實現了電子化，只要電子信號就可以控制。特斯拉這種電動車只是電機驅動，連變速箱都沒有，只要控制電機的扭矩和轉速以及方向盤的轉向和剎車信號就可以了。

特斯拉在2014年九月以后出廠的 Model S 車型里，就已經裝備上了遠距離雷達、前置攝像頭、12個超聲波傳感器。他的主要技術來自于Mobileye EyeQ3視覺系統。

這套系統是基于攝像頭對于圖像的采集來判斷路面情況和交通標識，遠距離毫米波雷達提供輔助的信息，而12個超聲波傳感器位于汽車周邊，主要是針對汽車變道，停車防止碰撞的。

特斯拉這次出事故，按照官方的說法是“在強烈的日照條件下，駕駛員和自動駕駛都未能注意到拖掛車的白色車身，因此未能及時啟動剎車系統。由于拖掛車正在橫穿公路，且車身較高，這一特殊情況導致Model S從掛車底部通過時，其前擋風玻璃與掛車底部發生撞擊。”由于事故車輛還在，特斯拉能夠提取車輛記錄的信息，所以我們可認為在特斯拉沒有說謊的情況下，這個原因可信。

按照這個信息，有人做了分析，認為問題出在Mobileye EyeQ3對圖像信息的判斷與遠距離毫米波雷達的識別上面。Mobileye EyeQ3的攝像頭對于白色車身未能做出障礙物的判斷。

有人猜測是因為當時藍天白云，攝像頭的視覺系統把白色車身判斷為白云了，這個當然只是猜測。我們可以確認的是按照特斯拉的說法，Mobileye EyeQ3對于穿過公路的白色車身判斷錯誤，未能識別出是障礙物。

在車身前方除了攝像頭判定，還有一個毫米波的遠程雷達。這個雷達應該是可以探測到的。但是這次事故顯然雷達沒有發揮作用。

對此有兩種猜測，一種是雷達位置太低，而拖車太高，雷達未能捕捉到障礙物信息；還有一種是因為拖車太高，雷達判斷錯誤，認為拖車是道路上方的標志牌，從而未做反映。

無論是哪一種，都說明特斯拉的雷達傳感器對于路面障礙物的感知是有問題的。

而特斯拉的超聲波傳感器探測距離都很短，對于高速行駛來說，區區幾米的距離根本無法反映。

特斯拉盡管準備了三種傳感器，但是依然無法阻止事故的發生。

就是說，如果特斯拉沒說謊的話(事故原因還有無人駕駛軟件故障或者干脆電傳部分失靈)，是傳感器的問題導致了特斯拉的這次事故。

二、誤判可以不發生

按照特斯拉官方的說法，這次事故是特斯拉所配備三種傳感器失效。而這些傳感器其實是可以不失效的。

首先，攝像頭方面，特斯拉用的是Mobileye第三代技術。用了一枚長焦的攝像頭。當白色拖掛卡車進入視覺區域內的時候，長焦攝像頭只能看到懸浮在地面上的卡車中部，而無法看見整個車輛。而漂浮物體檢測對于機器視覺來說是一個比較困難的識別。

而大面積的純白色沒有紋理，攝像頭很難找到特征點，Mobileye以單目攝像頭進行障礙物檢測的技術雖然牛，但是對于大面積白色物體的障礙物檢測很難處理，相機姿態求解沒有足夠的數據輸入，漏檢率非常高。

就是說，特斯拉用的Mobileye第三代技術，單目長焦攝像頭實際上在一些特殊情況下是存在檢測失敗的。

而Mobileye第四代技術已經可以支持多個攝像頭，廣角攝像頭的信息。如果有多個攝像頭共同采集，或者廣角攝像頭能夠捕捉大卡車的全貌，這些低級的判斷失誤都不會發生。

其次，是雷達的問題。

特斯拉只用了一個77G的毫米波雷達，這個雷達安裝的位置又比較低，單個雷達的判定誤判很正常。而未來的標配會是五個毫米波雷達(一個77G長距離雷達，加上4個短距離雷達)。多個雷達共同檢測，誤判的概率就會少很多。

關于雷達問題，還是多說一句。其實就無人駕駛的發展階段來看，依靠毫米波雷達與攝像頭實現全自動無人駕駛是很難的。因為毫米波雷達的準確性不夠，而依靠攝像頭對人工智能算法和計算能力要求太高。

目前機器視覺識別動態圖像與視頻的識別率還不是很高，所需要的計算資源也是超算級別，遠不是汽車電子能承受的。所以特斯拉走的路線其實到不了完全無人駕駛的階段。

真正靠譜是激光雷達方案，相比毫米波雷達，激光雷達精度更高。可以獲得極高的角度、距離和速度分辨率。激光雷達可在300m距離上分辨相距3cm的兩個目標。

激光雷達也不會像微波雷達那樣易受自然界廣泛存在的電磁波影響，有很強的抗干擾能力。激光雷達的缺點是是惡劣天氣會有一定影響，成本也比較昂貴。

如果，特斯拉能帶一個激光雷達，或者多帶幾個毫米波雷達，也不會有這種低級的誤判。

至于超聲波傳感器，本來就是近距離探測，這個不會有什么太大進步。

就是說，傳感器技術本身是可以避免特斯拉這種事故的，特斯拉的問題是出于成本考慮，攝像頭用得太少，雷達用的太少而且沒有用激光雷達，才出現了這種誤判。

三、安全的無人駕駛需要什么？

對于無人駕駛來說，靠譜的傳感器只是一部分，真正要實現安全的，可以替代人類的無人駕駛，要做的其實還有很多。

在傳感器方面，我們剛才已經說過不少，而傳感器真正的問題在于要多種傳感器共同作用，互為備份。

譬如攝像頭，僅僅有一個單目前置的長焦攝像頭是不夠的。前置攝像頭至少要有兩個形成立體視覺才能準確的判斷物體和距離。單目靠算法，風險太大。而車是四個方向的，后置同樣應該有兩個才能準確判斷后車，左右還有需要各一個才能形成360度視覺，這就至少需要8個攝像頭。

同樣，毫米波雷達未來的標配是一長四短五個雷達，長距離雷達的位置還要合適，要能夠盡可能準確的感知障礙物。

激光雷達具有360度掃描能力，有一個就夠了。超聲波傳感器是輔助，車身周圍有幾個就夠了。

一輛車要配備了足夠多的傳感器，互為備份，出問題的概率才會小一些，攝像頭機器視覺不夠準，還有激光雷達，激光雷達惡劣天氣探測距離受限，還有毫米波雷達補充。多種傳感器互為備份是無人駕駛安全的第一步。此外，要處理多路傳感器提供的信息，還需要強大的計算能力。

Mobileye的EyeQ4芯片采用了四個CPU處理器內核，每個內核又擁有四個硬件線程，兩個多線程處理集群(MPC)內核，兩個可編程宏陣列(PMA)內核。所有內核都是完全可編程的，并支持不同類型的算法。EyeQ4芯片需要滿足每秒超過2.5萬億次浮點運算的超高強度要求，還要符合車用系統芯片3瓦左右的低能量消耗標準。能以每秒36幀的速度，同時處理8個攝像頭的影像信息。

而nVIDIA的“NVIDIA drive px 2”有兩顆Pascal架構GPU，共12核心、相當于150臺Macbook Pro的8T Flops運算能力，號稱車上的超級計算機。不過它的功耗達到了250W，要用水冷對汽車來說是不算小的負擔。

有計算能力，還得有算法，這一塊原本是難點，靠人窮舉無數種現實情況編程處理太難。而近年來深度學習與神經網絡的發展，讓無人駕駛的算法有大的突破。

人類可以通過大量的實際道路情況訓練計算機，讓計算機自己學習駕駛，應對各種意外。所以谷歌無人汽車才到處跑，百度才和蕪湖政府簽訂協議專門劃出一塊區域讓百度試車。

需要說明的是，不同的傳感器解決方案算法是不能互相使用的，特斯拉基于攝像頭的深度學習出來的算法無法給激光雷達用。這也是為什么說谷歌比特斯拉距離無人駕駛更近的原因。

最后，還要有各種輔助大數據。無人駕駛的計算資源有限，不能什么東西都靠實時計算。所以，精確到厘米高精度3D地圖，路況，交通標識等信息數據就很重要。實時路況，各種信息可以幫助無人駕駛系統把更多的計算資源放到實時路況的處理，保證安全。

此外，還需要相應的政策法規，譬如特斯拉無人駕駛這個事情原本是要求人手不能離開方向盤，隨時警惕，特斯拉知道自己的東西幾斤幾兩。而駕駛員偏偏在看哈利波特……。這就需要有法律法規規定，無人駕駛在什么情況下可以離開人，什么情況下不行？什么道路上可以開，什么道路上不行。(譬如危險路段，事故多發路段)，什么氣候可以，什么氣候不行。無人駕駛系統也應該有子系統的失靈警告提升人類，讓人類及時掌控控制權。還應該有安全系統，在安全得不到保證的路況時要自動安全停車……

從目前的技術看，無人駕駛距離安全使用還有幾年的時間，等到技術成熟以后，也要有一個政策法規的磨合。特斯拉的問題是操之過急，在技術還沒有足夠可靠的時候就給了用戶太多的自由。無人駕駛未來一定是安全的，但是我們還要做很多。

【點擊閱讀相關文章】

1.5月7日發生的自動駕駛死亡事故，為何特斯拉現在才對外宣布？

2.從特斯拉事故說起，被超前消費的“自動駕駛”

3.特斯拉Model S自動駕駛驚爆致命事故，車主注意：感知巡航控制≠完全自動駕駛

4.特斯拉事故下的思考，自動駕駛是智能汽車的終極目標?

關于這起特斯拉自動駕駛意外事故，歡迎在大牛說頻道投稿，說出你的看法！

返回第一電動網首頁 >