吴俊杰：中国交通环境情况对ADAS系统开发的挑战

2016中国汽车工程学会年会暨展览会（SAECCE 2016）于10月26-28日举办,本次论坛以“技术升级、产业发展、协同创新”为主题，携手150余位行业领导、学会领导、院士，100余位汽车及相关行业权威专家，800余位国内外业界嘉宾共同探讨汽车产业车厂与零部件协同创新和技术发展路径。下面是德尔福中国科技研发中心电子与安全工程师吴俊杰在会上的发言：

非常高兴跟大家在中国分享我们在自动驾驶领域的研究进展——发展ADAS我们面临的挑战是什么。我来自德尔福，负责主动安全和被动安全事业部，我在上海浦东外高桥有研发中心，这里集中了八九十位非常优秀的工程师，还有基于雷达、摄像头的实验室，整体开发都在我们本土可以完成。

德尔福在去年整体销售额达到150亿，全球有超过2万名工程师，我们在研发方面的投入相对于我们销售额的比例也是非常高的，达到了两位数，基本上占到10%左右，这方面的投入主要集中在现在比较热门的自动驾驶，我们将来的SAE的LEB3、LEB4，及其他一些比较前沿的技术开发上面。

我们公司的核心价值是安全、绿色以及互联，围绕三个核心价值，我们形成了四个产品事业部，我所在的是电子与安全部门，这个部门主要负责车上所有的电子控制器，包括我负责的安全气囊控制器、雷达、摄像头以及将来在自动驾驶上方面的控制器。

我们具体会牵涉到哪些产品呢？我们和ADAS相关的，会有一系列的视频和雷达方面的产品，按照不同的应用有前向智能摄像头，长距离、中距离雷达，其中比较具有开创型的产品，我们称之为雷达和摄像头共生体——RACam，在沃尔沃的车上得到了广泛的应用，目前欧洲五星也拿到满分。

今天要谈中国道路对我们ADAS的挑战，谈这个之前，刚才我们几位专家包括几位同行都谈到了一些，C-NCAP和Euro-NCAP遇到一些挑战，比如怎么利用我们仿真环境和数据链进行开发。这方面我们德尔福和业界比较类似，第一个层面在台架上做，台架上更多的是利用我们实际采的一些数据，算法在台架上重复，不需要在外界做很多路试，不同版本更改的模型做多次回放，来看模型的更改，对我们路试采到有问题的现象有没有改进。在台架层面立刻就可以知道模型的可靠性怎么样。同时我们有固定场景的测试，固定场景更多的针对我们既定场景的考核项C-NCAP和Euro-NCAP场景典型工况，我们为什么要花人力、物力、时间来探讨这个事情，因为实际驾驶当中，有太多太多的情况，C-NCAP和Euro-NCAP没有谈到。

我们德尔福中国团队，在去年一年做的实际路测超过25万公里，这副图刚才大家稍微有一点印象，徐工报告里面有一点体现，合作不单单是泛亚，还有各大主机厂，主要在我们中国从南到北，从沿海到中间内路部分，在我们西藏这边会少一点，但是至少在我们中国版图的右版块有我们实验车车轮碾过的痕迹。我们实验车目的是规范我们设计过程当中的问题，让我们知道不管是感知系统，还是整车控制算法，还是对于目标识别当中没有考虑到的方方面面，这些东西是我们需要花很多的工程力量和时间来一项项克服。

简单介绍一下我们在中国路测中碰到的问题，分三个方面：

一、关于传感器。德尔福的产品线覆盖了我们目前ADAS所用的绝大多数的传感器，每一种传感器都有它的特点，刚才我们蔡博士也分享过我们摄像头在什么情况下不行，雷达在什么情况下非常好。德尔福也非常清楚。

区分于我们北美、欧洲，不管道路情况也好，还是我们驾驶员行为也好，它的一些不一样的地方，大家都是在路上开车，路有什么不一样，车的环境有什么不一样等等。

下面看一下传感器。我们这个数据是mobile系统采集出来的，都是一些工程实践当中的真实数据。前置摄像头为了提高动态范围，做成黑白的有利于我们场景的识别。这里第一个场景告诉大家是低照度，是晚上，摄像头系统在晴天的时候，通过识别我们车辆的外型，判断是不是一辆车，到晚上摄像头又不行了，我们要克服这一点。mobile在晚上的时候利用了车辆后面的试宽灯做识别，在夜晚，或者在傍晚，我们系统还能进行一定程度的工作，这个时候挑战来了，大家能看清楚这是什么东西吗？事实上在美国车辆交通灯如果有坏掉一个，或者有一些问题的话，警察会把你拦下来，在中国车坏掉一个灯情况太多了，这种情况下目前固有摄像头固件或者软件没有办法设计成一辆车，ACC、AEB的时候就不会有制动，像这种情况我们碰到过蛮多例，碰到之后，我们把这些情景做归总，对于我们的算法要去提炼出来，再把它放到算法里面识别，这是机器学习的过程，要提炼特征，把大量数据放进去让它自我学习，这是第一个跟大家分享的情况。

第二个情况有一点类似也是夜晚，可以通过大灯或者示宽灯进行识别，这是一个封闭的厢式火车，后面贴了反光条，这是高速公路或者国道上比较多见的情况，这个时候系统有一些问题，这边有反光物，那边有反光物，对面来车大光灯有干扰，这个时候并没有对它有非常好的识别，低照度的情况我们需要采集大量数据，来提炼它的特征，使得目标识别有广泛性和可靠性。