转载：本文嚟自微信公众号“车嘢”（ID:chedongxi），作者：晓寒，编辑：肖涵 ，转载经授权发布。
特斯拉又出事故-！
据外媒报道，就喺几日前，美国底特律一台白色Model Y喺一个T字路口正面撞上-一台大型卡车。Model Y车头较低，其直接钻进-卡车底部车辆严重损毁。
事故发生喺当地时间凌晨3:20分左右，事发时车内一男一女两名乘客严重受伤，并被送往当地医院救治，卡车司机则并未受伤。
▲呢排特斯拉喺底特律撞上白色卡车
2016年同2019年，特斯拉喺美国出现过两次致命事故。都系喺打开L2级自动驾驶系统嘅同时，车辆以垂直方向撞上-大型卡车，最终导致车内人员丧生。
2020年，台湾一台Model 3喺高速上都撞上-一台侧翻嘅卡车。
▲2019年特斯拉事故车辆，驾驶员不幸丧生
▲2020年事故现场监控画面
这三起事故有好高嘅相似性，因此特斯拉再次发生类似事故后，都引起-强烈关注，同时又喺不断提出一个灵魂问题：
点解被称为量产车最强嘅L2级自动驾驶系统，却总是躲不开一台白色卡车？
答案其实并非是特斯拉技术不强，都根本唔系白色卡车就是特斯拉嘅“日敌”。
而是因为对静态车辆嘅检测，属于当下以“摄像头+毫米波雷达”作为主传感器嘅L2级自动驾驶方案嘅一个世界性难题，各家嘅系统对静止车辆都好头疼。
比今年2月份，一台蔚来ES8喺开启L2级自动驾驶系统巡航时，先后撞-一个行人同一台静止嘅五菱宏光。（可参考文章《蔚来ES8开L2撞人又撞车，点解装24个传感器都躲不开？》）
01. 尚未确认特斯拉系咪开启-L2
正如前文所言，这起事故之所以收到-中外一啲媒体嘅关注，核心是因为特斯拉嘅车型曾经出现过开L2撞卡车，并致驾驶员丧生嘅严重事故。
但从目前外媒嘅报道同推特上知情网友嘅消息嚟睇，目前尚无办法确认事故发生时车辆系咪开启-L2级自动驾驶系统。
▲事故现场
因此这起事故嘅原因并非同特斯拉L2级自动驾驶系统有关。
当然，就算是2016年同2019年嘅两起致命撞卡车事故，从责任划分上嚟讲都是驾驶员嘅问题。
▲2016年类似事故现场
因为特斯拉嘅Autopilot系统属于L2级自动驾驶，一是只能喺有限嘅场景下工作，二是需要驾驶员全程监控路况并随时准备接管。
比如垂直方向有大型卡车时，就属于系统不工作嘅场景，需要驾驶员及时接管车辆。
上年3月23日，美国国家运输安全委员会（NTSB）针对两起特斯拉Autopilot L2级自动驾驶系统致人死亡嘅事件发布-最终报告。报告表明，两起事故当度，驾驶员都过度依赖特斯拉L2级自动驾驶功能，从而出现注意力不集中嘅现象，最终导致事故发生。
▲NTSB喺其网站上嘅发布-最终调查报告
NTSB认为，卡车驾驶员喺路口没有停车，直接左转驶入高速公路，属于危险驾驶行为。特斯拉Model 3驾驶员过度依赖特斯拉L2级自动驾驶技术，导致注意力不集中。NTSB最终认定，事故原因是特斯拉Autopilot L2级自动驾驶系统喺驾驶员脱手时没有及时提醒，同设计使用条件不一致，最终导致发生碰撞事故。
其中一齐事故，就是2019年3月1日出现嘅Model 3撞上卡车致使驾驶员死亡嘅事故。
就算没有开启L2，噉特斯拉嘅AEB自动紧急制动系统点解都失灵-呢？
特斯拉嘅AEB系统可以手动关闭，因此如果驾驶员当时关闭-AEB，噉么系统自然就唔会工作嘎啦。
02. 事故可能性分析 传感器配置要背锅
从美国监管机构嘅报告可以睇出，垂直方向撞卡车嘅事故，明显是超过-特斯拉L2系统嘅工作范围，又加上驾驶员没有及时接管所造成嘅。
那么问题嚟嘎啦，点解被公认为“量产车最强L2”嘅Autopilot系统，就是躲不开一辆活生生嘅大卡车呢？
同车嘢之前报道蔚来ES8事故嘅结论一致：这起事故嘅根本原因是“摄像头+毫米波雷达”嘅传感器配置，好难识别静止车辆或缓行车辆。
同Model 3一样，特斯拉Model Y周身搭载-8个摄像头，1个大陆嘅毫米波雷达，同12个超声波雷达。
▲特斯拉传感器配置
喺开启L2级自动驾驶系统（Autopilot、NOA或EAP系统）时，车辆主要依靠前视摄像头同毫米波雷达探测前方物体。
特斯拉虽然是三目前视摄像头，但并没有使用立体视觉，三个摄像头主要是焦距不同，睇嘅视野范围不同。
所以总嘅嚟讲，特斯拉同目前绝大部分L2级自动驾驶系统都一样，都系视觉+毫米波雷达嘅传感器方案。
不管是使用基于规则嘅视觉算法仲是使用深度学习技术，视觉喺感知外界物体时永远做不到100%准确，甚至经常会出错。
比如笔者自己嘅特斯拉喺出地库时，就会莫名将墙壁识别为公交车。又比如最近好火嘅一个抖音视频度，特斯拉喺空无一人嘅墓地，就莫名识别出-行人。
▲特斯拉喺无人墓地识别出行人
此外，仲出现过将公交车身上嘅人物照片识别为行人、将路边广告屏幕上嘅停车标志识别为真实停车标志嘅案例。
而靠反射毫米波嚟探测目标嘅雷达唔会“见鬼”，前方有嘢就有回波，没有嘢就无回波。
正是因为视觉出错概率好高，雷达更“靠谱”，因此大部分L2系统会喺视觉嘅基础上再引入毫米波雷达嘅探测结果进行验证。
如果摄像头发现前方有车辆，雷达都确认-前车嘅位置同速度，就可以做出刹车嘅动作。
如果用呢啲误识别嘅结果嚟做驾驶决策，显然会出现更多嘅问题。特斯拉自然知道呢一点，因此喺实际中并唔会对纯视觉嘅感知结果进行反应。
所以这起事故嘅原因就好明确嘎啦，不管视觉有没有识别到前车，一定是毫米波雷达没有畀出结果，所以最终系统没有反应。
03. 毫米波雷达天生缺陷 害怕静止车辆
毫米波雷达即然唔会“见鬼”，噉么点解会识别不到前方嘅卡车呢？
东南大学国家毫米波重点实验室毫米雷达技术专家、毫米波雷达公司隼眼科技CTO张慧几次向车嘢分析-背后嘅原因。
从最底层嘅工作原理嚟讲，毫米波雷达主要是依靠多普勒效应嚟感知移动目标。多普勒效应嘅特性是，动态对动态最容易感知、动态对静态较难感知、静态对静态极难感知。
这是因为如果前方车辆静止，目标信息容易同地杂波等掺杂喺一齐，需要一定嘅算法才能从中分辨出目标。而如果是一个行驶中嘅汽车，基于其多普勒信息，从而比较好探测到目标。
所以如果卡车静止或者移动速度好慢，雷达嘅算法就无办法知道前方有物体。
但呢种可能性并不大，因为各大雷达公司已经做出-一啲感知算法，但系以识别静态物体。
真正嘅难点是，而家嘅雷达没有高度信息，并且空间分辨率不足。
没有高度信息，意味住雷达好难区分横穿马路嘅路牌同桥下嘅车；空间分辨率不足，意味住两个距离好近嘅物体，其回波会被混喺一齐，好难知道有几个目标。
所以雷达公司同一啲车企喺拿到雷达嘅反射数据后，会通过算法直接将一啲静止物体，或者疑似静止嘅物体过滤掉，以避免产生错误嘅反应。
比如本次事故场景度，因为卡车是垂直Model Y方向行驶，如果同时行驶速度又好慢嘅话，因为缺乏径向多普勒分量，雷达嘅识别算法好容易将其当成静态目标过滤掉嘎啦。
如果毫米波雷达将目标过滤掉嘎啦，所以不管视觉能否睇到这台卡车，都不起用嘎啦。
04. 结语：车企仍喺不断优化L2级自动驾驶
回到这起事故，特斯拉当时系咪开启-自动驾驶系统仲未有确定，事故原因仲需要等待当地警方同特斯拉官方调查。实际上，即便开启-L2级自动驾驶系统，白色卡车呢一场景都有啲极端。对目前量产L2级自动驾驶系统嚟讲，仲有不少场景无办法处理。
针对L2级自动驾驶系统存喺嘅种种问题，车企都畀出-自己嘅解决方案。一方面，自动驾驶算法不断优化，通过“影子模式”、上路测试等方法，等自动驾驶系统不断成熟，同时不断增加L2级自动驾驶嘅功能。另一方面，随住硬件成本嘅下降，不少车型已经规划搭载激光雷达，避免类似事故发生。
cantonese.live 足跡 粵字翻譯
2021-03-16 08:07:25
请登录之后再进行评论