吴俊杰：中国交通环境情况对ADAS系统开发的挑战

这种情况没有把它识别出来，带来的后果是什么？ACC认为前面没有东西，如果只有摄像头就直接撞上去了。

这个图我非常喜欢，我上班每天要经过外环隧道，这种大卡车太多太多了。事实上大卡车对于摄像头最容易识别的，我为什么要拿出来讲，大卡车离我车有没有很近？如果十字路口交通灯前面我停车，停车线前面是一辆这么大的大卡车，你跟的比较近，你看得到前面交通灯是红灯、绿灯、还是黄灯吗？这时候摄像头，很难把大卡车尾部完整的形状框在摄像头区域可识别之内。卡车对我们摄像头看来，不是完整封闭的长方体，我识别区域比传感器画面稍微小一点的区域，变成不完整的，只有一部分卡车在我识别区域里面，这个时候造成摄像头系统识别不到，造成ACC或者AEB会有一些事故的发生，这个归类成对于目标识别的丢失情况。

这个是隧道里面的情况，在隧道外面没有问题，在隧道里面也没有问题，有问题的是你进入隧道一刹那，如果隧道建设不是很好，到偏僻的地方，隧道灯光比较亮的情况系，加上前面驾驶员驾驶习惯不太好，没有打开自己示宽灯的情况，单单让各位看前面有一辆车，肉眼看未必看得清楚，包括旁边也有一辆车，可能你们也未必看得清楚，这样造成隧道里面发生一些问题，如果使用ACC的功能，可能会发生一些问题。

刚才谈的都是摄像头的，现在说一下雷达的，这幅图听过泛亚徐工说的有一点印象，刚才放的第一个图片，有时候在比较拥挤的路段，非机动车和机动车有铁栅栏隔离，还有前向车道和对象车道有铁栅栏的隔离，不同厂家铁栅栏，雷达对于它的反应不一样，我们试图用同样一种雷达判断的模板识别这个栅栏，一旦栅栏特性有一点不一样，当前模板识别不到，这个时候需要采集有问题的数据，让雷达目标识别的算法进行一些优化。

当时情况雷达已经识别到前面一辆车，很不幸在雷达旁边的金属栅栏反射能量大于前面那辆车雷达提供的反射能量，雷达判断一个物体，它有一些优先原则，其中一个原则就是说，我选取能量比较大的作为感兴趣一点。这个时候系统会错误的把旁边强能量反射的栅栏识别成前面一个车，造成角度和距离判断不准确，我原先要跟着前面一个车ACC做一个跟车的，当我距离判断不准确，这时候我可能会误触发比较轻微的制动，给驾驶员带来一些困扰。

这个场景是我们上个月有一款车要量产，用雷达和摄像头数据融合的系统，我们碰到一个非常有趣的场景，可以看到这是一个下沉式的停车场，而下沉式的停车场，在这上面还有一系列的交通警示标志，这个交通警示标志，也是用金属板做的，这时候因为是下沉式的，整个车有向下的俯仰角，这时雷达错误地把建筑物的边界认为是一个卡车的外形，摄像头做了这样一个判断。我做一个系统，雷达认了摄像头没认可以工作，很不巧这前面有一系列的金属物，雷达能量的反射也是非常强的，它也把它认成是一个物体，这时候雷达和摄像头大家都做一个相互确认之后，认为前面是一个卡车，准备去停车，ACC和AEB就起作用了，一下子制动，这个是非常不舒服的，这种情况我们后期提炼了一些特征，比如说周边的一些视频边界还是有一些特征，上边沿和下边沿不是很清晰，我们做了优化，给系统做了完美的解决。

这里给大家分享的是，不同的传感器有他的优点和弱点，我们关键用它的长处，这也是为什么我们用数据融合的系统，让我们日常的行驶尤其ADAS功能的行驶，带来一些无缝的感觉，所谓无缝就是和轮胎一样的感觉，机器最大的问题，或者系统最大的问题，其实我不懂你的心，他不懂驾驶员到底要干什么，我们通过大量数据的采集和规则的提炼，让机器能知道驾驶员要干什么，这是第一部分。

二、具有中国特色的道路，我没有准备视频看上去比较单调，蔡博士准备了一个视频，韩国有一个中年妇女横穿马路，然后被车辆撞上的情况，不管哪家供应商，行人世界都已经有非常好的方案。像刚才韩国的案例已经可以非常好的可以进行制动。

这里想分享的案例是这样，中国人是世界上非常聪明的民族，他看到车来不会那么傻冲过去，而是一下子就停在路旁边，这个时候既没有进入系统规划的前进的道路，因为没有进入威胁道路，所以就这样开过去，事实上撞不到，因为他人已经停下来了。但是系统觉得旁边看到一个行人，他在进入区域初期有一定的速度，雷达和摄像头判断到它，这个时候会施加一些功能防止车撞到这个人，事实上因为它停下来了，是撞不到的，可以就这样开过去，这时候就会给驾驶员带来非常不舒适的反应，因为碰到这个情况，系统给你非常轻微的刹车，驾驶员感觉非常差的。像这种情况在比较繁忙的城镇道路上太多太多了，尤其国道，我们国道是非封闭的，很多人晃晃悠悠过来，一看到车停，车也制动一来，感受比较不好。这种情况国外非常非常少见。

农用三轮车、电动三轮车也是我们国情，问题不在于农用三轮车，在于汽车得开在机动车道上，但是我没有汽车和货车那么大，他一会儿想站在非机动车，一会儿进入预测的行进路线，一会儿出去，这个系统会频繁的识别或者丢失，然后又轻微的制动，会让行驶感觉不是很好。

目前我们基于系统的能力，算法在摄像头或者雷达里面做的，并没有单独有一个电脑做处理，处理能力有限的，德尔福系统，目前只能处理10个感兴趣的目标可以追踪，这种场景下，人车物非常非常多，超出系统能追踪的数目，这时候系统没有办法把它识别成一个目标，怎么能有安全的操作呢，这也是我们的一个挑战，这种挑战更多的是将来ADAS系统成为集中式的控制系统，车上有很多传感器，控制策略还在做，这时候控制器可以用到非常强大的比如英特尔或者NVD的一些技术，类似于电脑CPU的处理芯片，处理这种比较复杂的情况。