为什么ADAS车辆的AEB功能在行人检测时就弱爆了？
2020-02-14 08:18:06 来源：麦姆斯咨询评论：0 点击：

据麦姆斯咨询介绍，在保障驾驶员安全方面，自动驾驶开发人员取得的进展确实令人鼓舞。但是，沉浸于自动驾驶技术现状的人员应该清醒地认识到：自动驾驶汽车对确保车外人员安全方面还存在重大问题。

AEB（自动紧急制动）是ADAS（高级驾驶辅助系统）的基本功能。曾有一位专家说过，“要让AEB适用于行人，比AEB本身要难上一个数量级”。

去年秋天，美国汽车协会中大西洋分会（AAA）对AEB-P系统进行了测试。提供汽车红外热像仪的供应商FLIR，根据AAA提供的视频片段进行了巧妙的剪辑。该剪辑视频展示了，在封闭路段进行测试时，配备有AEB-P（pedestrian detection AEB，自动紧急制动行人检测系统）的ADAS车辆会接二连三地撞上测试假人。

ADAS的目的是辅助驾驶员提高道路安全性。但是，如果汽车制造商真正意识到了这一点，就应该在需要的地方投入更多的资金。首先是安全，其次才是自动？正如法国著名咨询公司Yole的首席分析师Pierre Cambou在LinkedIn文章中所述，“我同意FLIR的观点，行人安全才是ADAS的主要关注点。”

AAA的发现

去年，AAA对ADAS车辆进行了测试，特别是针对行人检测功能。最后是，AAA发布了灾难性的测试结果。通过深入分析，我们可以了解为什么现有ADAS车辆的AEB-P功能如此无效！

AAA于去年秋天对四款2019年款车型的AEB-P功能进行了测试：雪佛兰迈锐宝的行人预碰撞系统（Front Pedestrian Braking）、本田雅阁的碰撞感知制动系统（Sensing-Collision Braking System）、特斯拉Model 3的AEB系统和丰田凯美瑞的规避碰撞辅助套装Toyota Safety Sense。

测试发现：在阳光明媚的白天，汽车行驶速度为每小时20英里/小时（约32公里/小时），一名成年人横穿马路，则该汽车有60%的概率撞到行人；更糟糕的是，如果车辆以同样的速度行驶，在两辆汽车之间突然出现一个孩子，那么这个孩子被撞的概率高达89%；当车速提高至30英里/小时（约48公里/小时）时，没有一辆测试车辆能够避免碰撞。

那么，当这位成年人过马路的时间点是夜晚，情况又会怎样？结果是AEB-P系统几乎“瘫痪”！

基于上述测试结果，AAA提出了以下建议：“切勿依赖AEB-P系统来避免碰撞。这只是备用系统，而不是避免碰撞的主要方式。”

碰撞预警系统 PK 碰撞缓解系统

正确认识碰撞预警（Collision warning）系统和碰撞缓解（Collision Mitigation）系统之间的差异非常重要。碰撞预警系统是提醒驾驶员即将发生碰撞，但不会采取任何规避措施，例如踩刹车。碰撞缓解系统则会警告驾驶员“如果不采取任何措施，系统将踩刹车”，以避免或降低碰撞带来的后果的严重性。

AAA在“行人检测”测试中专门评估了“碰撞缓解系统”。

相信大家看到ADAS车辆没有为行人停下来时，都会感到震惊。尽管AAA的测试结果被媒体广泛报道，但FLIR的视频片段再次引发了人们对一系列未解决问题的全新思考。

AAA测试的四辆车都使用“摄像头+雷达”的环境感知传感器组合。是什么原因导致这套组合的AEB-P功能无法协同工作？摄像头或雷达的分辨率不足？与传感器融合算法有关？

FLIR提出了这样的想法，即使用热成像传感器可以帮助车辆在夜间看到行人。对此说法，我们无须质疑。但是，是否可以在现有ADAS车辆的传感器上再安装另一种（不同模式）的传感器，从而简单地解决该问题呢？

AEB-P为何难以实现？

VSI Labs的创始人Phil Magney介绍：“对于ADAS汽车来讲，AEB是至关重要的。没有AEB，自动驾驶很难实现。AEB是所有ADAS功能中最重要、最大限度降低死亡率的功能。”但是，Magney对AEB和AEB-P做出了严格的区分，并强调“要让AEB适用于行人检测，比AEB本身要难上一个数量级！”

那么，AEB为何如此举步维艰？

专家经常列举雷达产生的误报以及摄像头的有限视野。即使将雷达和摄像头组合在一起，融合后的数据仍然只能代表对车辆周围环境的有限了解。或许，最重要的是成本问题。汽车制造商倾向于为ADAS车辆使用成本更低的传感器。ADAS在车辆上的普及已经提上日程，因此汽车OEM厂商不太可能为了降低AEB-P失效率而为专用且昂贵的传感器（如激光雷达或热成像传感器）买单。

误报带来的困扰

Magney指出AEB之所以这么难，是因为“AEB的误报会带来致命危险。”

Magney解释说，“雷达能测量距离碰撞的发生时间，因此是AEB系统的关键组件。但是雷达也会受到误报的干扰，例如将停放在旁边的汽车误认为危险的物体。因此，为了控制误报，最终不得不过滤掉很多数据。”他还说，“雷达自身也有很多噪声，这也可能导致误报。这就是为什么如果您的爱车具有碰撞预警功能，您会常常收到假碰撞警告的原因。”

在此情况下，Magney解释说：“车辆必须能识别并跟踪道路上的行人，因此AEB-P大幅提高了性能要求。”他也承认雷达性能也会越来越好，“但人们在购买时仍然缺乏信心，因此通常雷达会与摄像头配合使用。”

但有个问题值得一提：“虽然在AEB-P系统中，摄像头与雷达耦合在一起带来了一些进步，但可能还无法应对所有问题。”

Magney认为，“有太多环境条件限制着摄像头的性能，这是导致当前AEB-P系统性能较差的原因。”

狭窄的视野

Yole分析师Cambou认为，基于“摄像头”、“雷达”、“摄像头+雷达”或“摄像头+激光雷达”的AEB系统对安全性的贡献已有数据可以证明。他指出，“全球追尾事故和死亡人数大约减少了50%，撞车和死亡人数减少了10%~15%”。

2019年4月，欧盟议会也投票表决在2022年前所有新车强制配备AEB系统

2016年3月，大多数汽车OEM厂商承诺于2022年之前实现在美国销售的所有新车安装AEB系统；2019年4月，欧盟议会也投票表决在2022年前所有新车强制配备AEB系统。（图片来源：《汽车成像-2019版》）

但是，当将相同的AEB技术应用于行人检测——要实现减少10%~15%碰撞和死亡人数的统计数据时，就不那么令人欣慰了！

为什么AEB-P系统很难实现？Cambou认为，问题出在车辆的第一代AEB系统前方视野“相对狭窄”。

第一代AEB系统使用视觉处理器，如英特尔的Mobileye EyQ3摄像头（用于通用、福特和大众的部分车型）或东芝的高级图像识别处理器Visconti 2（用于丰田的部分车型）。当谈及这些车型的相对狭窄视野时，Cambou说：“这是造成AEB系统对车辆前方状况无法充分理解的主要原因。”

Cambou预测，大约6%已经上路的车辆和30%的新车中已经部署了第一代AEB系统。第一代AEB系统带来的安全成效预计为10%~15%，这就是为什么2022年之前在北美地区和欧洲实施强制配备AEB系统的汽车与经常被提及的“Vision Zero”（零排放、零事故）目标相距甚远的原因。

但是随着时间的流逝，情况会得到改善。

Cambou指出：“新一代AEB系统基于英特尔Mobileye EyeQ4或Visconti 4，通过配置更多视野范围更广的摄像头，能改善视场角（FOV）参数。”（相关报告：《Mobileye EyeQ4视觉处理器系列》）

“今天，我们还不确定三目摄像头比单目摄像头更具有安全优势，但理论上应该更好。”（相关报告：《采埃孚S-Cam 4系列ADAS单目和三目摄像头》）

关于第三代AEB系统，Cambou指出，这些系统将使用全景摄像头（full-surround camera）。“这就是特斯拉将使用其全自动驾驶（FSD）计算平台做的事情。瑞典Zenuity公司也在为OEM厂商提供这种方法。通过对整体环境的了解，AEB功能会慢慢得到改善。但问题是改善的速度有多快？”

AEB为保护行人免受ADAS汽车的冲撞，必须做些什么？Cambou怀疑，汽车制造商需要迫于监管者的压力或公众的强烈抗议才会采取进一步的措施。

有效的AEB-P系统需要什么？

那么，要使AEB在行人检测时始终有效，需要做什么呢？

显然，FLIR正在将其热成像技术用于AEB-P系统。该公司描述了一种能够为RGB摄像头和雷达提供“补充数据”的热像仪。热像仪可以“看到”热量，在FLIR负责汽车业务的工程总监Chris Posch补充，“我们可以在苛刻的环境里探测到行人，比如夜晚、前方来车的前车灯炫目和大雾天气。”FLIR称其热像仪所看到的距离是在黑暗环境里汽车前大灯照明距离的四倍。

同时，巴黎的初创企业Prophesee在CES上展示了由德国一家未披露公司名称的汽车制造商制作的视频剪辑。在视频中，将使用基于常规帧的视觉摄像头的AEB系统与部署了Prophesee事件驱动摄像头的AEB系统进行比较，在发现行人方面Prophesee摄像头优势明显。

Cambou提出了三种解决AEB-P系统现有问题的方法。

首先，他指出“汽车制造商可以使用更多相同的数据，更多相同的计算”。这是与Mobileye推出的EyeQ4、EyeQ5以及东芝推出的Visconti 4、Visconti 5思路一致。Cambou说，“价格差异不大，大约在150美元左右，期待价格能随着摩尔定律逐渐下降。”

其次，汽车制造商可能会寻求“更优质的数据，相同的计算。”Cambou说，“这种方法得到FLIR、Prophesee和固态激光雷达公司的提倡。”他说，“缺点是初期成本会更高。”但是从市场营销的角度来看，“汽车制造商必须在当前市场价格的基础上提供更好的系统。”

Cambou认为第三种方法是“更优质的数据和更好的计算”，并称其为“新范式”，是将新型传感器与新的计算方式结合。“我认为这是神经传感和计算创新带来的前景。一些公司已经在传感和计算方面进行了创新……我想起了Outsight这家激光雷达企业，它将创新的高光谱激光雷达+感知算法推向市场。”（相关新闻：《Outsight为自动驾驶推出革命性3D语义相机，能够远距离识别物体材料》，相关报告：《神经传感与计算-2019版》）

如何评价FLIR的解决方案？

在现有解决方案中，热像仪的希望很大。与常规的RGB摄像头相比，VSI Labs的Magney说：“利用热传感对行人进行检测和分类更科学。”

但热像仪带来的最常见问题是成本。如果汽车制造商在ADAS车辆配置热像仪以实现有效的AEB-P系统，需要增加多少成本？FLIR的Posch介绍“价格在数百美元以内，相比动辄数千美元的激光雷达，价格还是比较亲民的。”

尽管宝马、奥迪和其它汽车厂商已经在某些车型设计中配置了FLIR的热像仪，但并非为AEB-P系统而设计或部署，主要是为了探测到夜间出没的动物等。FLIR为AEB-P应用开发了一款新的VGA热像仪，其分辨率是现有热像仪的四倍。

去年秋天，一家Tier 1汽车供应商Veoneer就宣布选择FLIR的热成像技术。该厂商与全球顶级汽车制造商签订了level-4级自动驾驶汽车生产合同，计划于2021年推出。

FLIR用实测数据证明

由FLIR签约的VSI Labs一直在进行概念验证，以证明热传感在AEB应用的优势。VSI Labs于2019年12月在底特律附近的美国移动中心（American Center for Mobility）进行了初步测试。

由FLIR签约的VSI Labs在底特律附近的美国移动中心进行了AEB-P的初步测试

Magney指出，VSI Labs用于此次AEB-P测试的模型为“一个德尔福ESR雷达+ FLIR摄像头”，“在此次测试中禁用了RGB摄像头。但是，我们确实必须融合来自CAN总线的其它传感器信息输入，例如惯性信息、车轮速度、转向角、踏板位置等。这是对AEB功能进行编程所必需的。”

除了所谓的无源传感器，没有什么传感器能比热像仪更好地检测到行人，Magney还提到了人工智能（AI）对热像仪的影响。“在VSI，我们证明了将AI应用于热成像捕获的性能优于传统的RGB摄像头。”VSI Labs使用FLIR ADK（汽车热成像系统开发套件）数据集训练其神经网络。他指出，该数据集包括大约4万多幅带注释的热图像。VSI还建立了AEB算法，并在美国移动中心完成了许多测试。

FLIR推出的汽车热成像系统开发套件（ADK）