近日，美国媒体报道了人类历史上第一起无人驾驶的致死事故。美国东部时间5月7日，一辆特斯拉Model S电动汽车在途径十字路口的时候，撞上了一辆正在左转的卡车。Model S的前挡风玻璃撞进了卡车底部，然后又撞到路边栏杆，驾驶人因此死亡。

汽车自动驾驶并不是新事务，很久以前高档汽车就有定速巡航的功能。而特斯拉则利用最新的技术，做到了一定程度的自动驾驶，汽车可以自动变道，自动避让障碍物，自动停车。从技术上看，特斯拉还是依赖于第三方方案，其他厂商并不是不能推，只是更加谨慎。而特斯拉走的更远一些。

虽然特斯拉警告用户在自动驾驶状态手不能离开方向盘，但是用户未必那么听话，这次事故就是人与自动驾驶系统共同失效的结果。特斯拉的自动驾驶事实证明还不够安全，那么无人驾驶如何才能安全呢？

一、特斯拉车祸的原因

无人驾驶汽车的原理其实不复杂，我们可以把它视为是一种机器人。

从原理上来说，无人驾驶系统通过各种传感器感知路况和周边情况，然后传输到CPU，CPU根据人工智能对情况做判断，然后通知电传系统，电传系统根据信号操控机械装置，最后机械装置操控车辆做各种动作。

传统燃油车的油门、刹车、转向系统都已经实现了电子化，只要电子信号就可以控制。特斯拉这种电动车只是电机驱动，连变速箱都没有，只要控制电机的扭矩和转速以及方向盘的转向和刹车信号就可以了。

特斯拉在2014年九月以后出厂的 Model S 车型里，就已经装备上了远距离雷达、前置摄像头、12个超声波传感器。他的主要技术来自于Mobileye EyeQ3视觉系统。

这套系统是基于摄像头对于图像的采集来判断路面情况和交通标识，远距离毫米波雷达提供辅助的信息，而12个超声波传感器位于汽车周边，主要是针对汽车变道，停车防止碰撞的。

特斯拉这次出事故，按照官方的说法是“在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。由于拖挂车正在横穿公路，且车身较高，这一特殊情况导致Model S从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击。”由于事故车辆还在，特斯拉能够提取车辆记录的信息，所以我们可认为在特斯拉没有说谎的情况下，这个原因可信。

按照这个信息，有人做了分析，认为问题出在Mobileye EyeQ3对图像信息的判断与远距离毫米波雷达的识别上面。Mobileye EyeQ3的摄像头对于白色车身未能做出障碍物的判断。

有人猜测是因为当时蓝天白云，摄像头的视觉系统把白色车身判断为白云了，这个当然只是猜测。我们可以确认的是按照特斯拉的说法，Mobileye EyeQ3对于穿过公路的白色车身判断错误，未能识别出是障碍物。

在车身前方除了摄像头判定，还有一个毫米波的远程雷达。这个雷达应该是可以探测到的。但是这次事故显然雷达没有发挥作用。

对此有两种猜测，一种是雷达位置太低，而拖车太高，雷达未能捕捉到障碍物信息；还有一种是因为拖车太高，雷达判断错误，认为拖车是道路上方的标志牌，从而未做反映。

无论是哪一种，都说明特斯拉的雷达传感器对于路面障碍物的感知是有问题的。

而特斯拉的超声波传感器探测距离都很短，对于高速行驶来说，区区几米的距离根本无法反映。

特斯拉尽管准备了三种传感器，但是依然无法阻止事故的发生。

就是说，如果特斯拉没说谎的话(事故原因还有无人驾驶软件故障或者干脆电传部分失灵)，是传感器的问题导致了特斯拉的这次事故。

二、误判可以不发生

按照特斯拉官方的说法，这次事故是特斯拉所配备三种传感器失效。而这些传感器其实是可以不失效的。

首先，摄像头方面，特斯拉用的是Mobileye第三代技术。用了一枚长焦的摄像头。当白色拖挂卡车进入视觉区域内的时候，长焦摄像头只能看到悬浮在地面上的卡车中部，而无法看见整个车辆。而漂浮物体检测对于机器视觉来说是一个比较困难的识别。

而大面积的纯白色没有纹理，摄像头很难找到特征点，Mobileye以单目摄像头进行障碍物检测的技术虽然牛，但是对于大面积白色物体的障碍物检测很难处理，相机姿态求解没有足够的数据输入，漏检率非常高。

就是说，特斯拉用的Mobileye第三代技术，单目长焦摄像头实际上在一些特殊情况下是存在检测失败的。

而Mobileye第四代技术已经可以支持多个摄像头，广角摄像头的信息。如果有多个摄像头共同采集，或者广角摄像头能够捕捉大卡车的全貌，这些低级的判断失误都不会发生。

其次，是雷达的问题。

特斯拉只用了一个77G的毫米波雷达，这个雷达安装的位置又比较低，单个雷达的判定误判很正常。而未来的标配会是五个毫米波雷达(一个77G长距离雷达，加上4个短距离雷达)。多个雷达共同检测，误判的概率就会少很多。

关于雷达问题，还是多说一句。其实就无人驾驶的发展阶段来看，依靠毫米波雷达与摄像头实现全自动无人驾驶是很难的。因为毫米波雷达的准确性不够，而依靠摄像头对人工智能算法和计算能力要求太高。

目前机器视觉识别动态图像与视频的识别率还不是很高，所需要的计算资源也是超算级别，远不是汽车电子能承受的。所以特斯拉走的路线其实到不了完全无人驾驶的阶段。

真正靠谱是激光雷达方案，相比毫米波雷达，激光雷达精度更高。可以获得极高的角度、距离和速度分辨率。激光雷达可在300m距离上分辨相距3cm的两个目标。

激光雷达也不会像微波雷达那样易受自然界广泛存在的电磁波影响，有很强的抗干扰能力。激光雷达的缺点是是恶劣天气会有一定影响，成本也比较昂贵。

如果，特斯拉能带一个激光雷达，或者多带几个毫米波雷达，也不会有这种低级的误判。

至于超声波传感器，本来就是近距离探测，这个不会有什么太大进步。

就是说，传感器技术本身是可以避免特斯拉这种事故的，特斯拉的问题是出于成本考虑，摄像头用得太少，雷达用的太少而且没有用激光雷达，才出现了这种误判。

三、安全的无人驾驶需要什么？

对于无人驾驶来说，靠谱的传感器只是一部分，真正要实现安全的，可以替代人类的无人驾驶，要做的其实还有很多。

在传感器方面，我们刚才已经说过不少，而传感器真正的问题在于要多种传感器共同作用，互为备份。

譬如摄像头，仅仅有一个单目前置的长焦摄像头是不够的。前置摄像头至少要有两个形成立体视觉才能准确的判断物体和距离。单目靠算法，风险太大。而车是四个方向的，后置同样应该有两个才能准确判断后车，左右还有需要各一个才能形成360度视觉，这就至少需要8个摄像头。

同样，毫米波雷达未来的标配是一长四短五个雷达，长距离雷达的位置还要合适，要能够尽可能准确的感知障碍物。

激光雷达具有360度扫描能力，有一个就够了。超声波传感器是辅助，车身周围有几个就够了。

一辆车要配备了足够多的传感器，互为备份，出问题的概率才会小一些，摄像头机器视觉不够准，还有激光雷达，激光雷达恶劣天气探测距离受限，还有毫米波雷达补充。多种传感器互为备份是无人驾驶安全的第一步。此外，要处理多路传感器提供的信息，还需要强大的计算能力。

Mobileye的EyeQ4芯片采用了四个CPU处理器内核，每个内核又拥有四个硬件线程，两个多线程处理集群(MPC)内核，两个可编程宏阵列(PMA)内核。所有内核都是完全可编程的，并支持不同类型的算法。EyeQ4芯片需要满足每秒超过2.5万亿次浮点运算的超高强度要求，还要符合车用系统芯片3瓦左右的低能量消耗标准。能以每秒36帧的速度，同时处理8个摄像头的影像信息。

而nVIDIA的“NVIDIA drive px 2”有两颗Pascal架构GPU，共12核心、相当于150台Macbook Pro的8T Flops运算能力，号称车上的超级计算机。不过它的功耗达到了250W，要用水冷对汽车来说是不算小的负担。

有计算能力，还得有算法，这一块原本是难点，靠人穷举无数种现实情况编程处理太难。而近年来深度学习与神经网络的发展，让无人驾驶的算法有大的突破。

人类可以通过大量的实际道路情况训练计算机，让计算机自己学习驾驶，应对各种意外。所以谷歌无人汽车才到处跑，百度才和芜湖政府签订协议专门划出一块区域让百度试车。

需要说明的是，不同的传感器解决方案算法是不能互相使用的，特斯拉基于摄像头的深度学习出来的算法无法给激光雷达用。这也是为什么说谷歌比特斯拉距离无人驾驶更近的原因。

最后，还要有各种辅助大数据。无人驾驶的计算资源有限，不能什么东西都靠实时计算。所以，精确到厘米高精度3D地图，路况，交通标识等信息数据就很重要。实时路况，各种信息可以帮助无人驾驶系统把更多的计算资源放到实时路况的处理，保证安全。

此外，还需要相应的政策法规，譬如特斯拉无人驾驶这个事情原本是要求人手不能离开方向盘，随时警惕，特斯拉知道自己的东西几斤几两。而驾驶员偏偏在看哈利波特……。这就需要有法律法规规定，无人驾驶在什么情况下可以离开人，什么情况下不行？什么道路上可以开，什么道路上不行。(譬如危险路段，事故多发路段)，什么气候可以，什么气候不行。无人驾驶系统也应该有子系统的失灵警告提升人类，让人类及时掌控控制权。还应该有安全系统，在安全得不到保证的路况时要自动安全停车……

从目前的技术看，无人驾驶距离安全使用还有几年的时间，等到技术成熟以后，也要有一个政策法规的磨合。特斯拉的问题是操之过急，在技术还没有足够可靠的时候就给了用户太多的自由。无人驾驶未来一定是安全的，但是我们还要做很多。

【点击阅读相关文章】

1.5月7日发生的自动驾驶死亡事故，为何特斯拉现在才对外宣布？

2.从特斯拉事故说起，被超前消费的“自动驾驶”

3.特斯拉Model S自动驾驶惊爆致命事故，车主注意：感知巡航控制≠完全自动驾驶

4.特斯拉事故下的思考，自动驾驶是智能汽车的终极目标?

关于这起特斯拉自动驾驶意外事故，欢迎在大牛说频道投稿，说出你的看法！

返回第一电动网首页 >