ADAS車輛在行人安全方面得分很低

ADAS vehicles score poorly on pedestrian safety

對于熱衷于自動駕駛汽車（AV）的狂熱者來說，一個現在病毒性的視頻片段（如下所示），最初在CES期間在Flir展臺放映，應該是一個警醒。

AV開發人員在自動駕駛系統方面取得的進步讓駕駛員感到鼓舞，這是一個很好的理由，但是任何對當前自主技術的現狀過于著迷的人都應該冷靜一下，AVs在保證車外人員安全方面存在的重大問題。

為什么ADAS車輛，假設配備了行人檢測自動緊急剎車（AEB）的車輛，在一個封閉的過程中，一個接一個地撞倒碰撞試驗假人？

Flir是汽車行業熱成像攝像機的供應商，利用AAA提供的視頻片段制作了這個聰明的剪輯。去年秋天，美國汽車協會（AAA）對帶有行人檢測系統（AEB-P）的AEB進行了測試。

ADAS的目的是幫助駕駛員改善道路安全。但如果汽車制造商真的這么想，應該把更多的錢放在需要的地方。安全第一，自主性如何？正如Yole Dédevelopement首席分析師皮埃爾·坎布（Pierre Cambou）在LinkedIn的帖子中指出的，“同意Flir的觀點，行人安全應該是ADAS的首要關注點。”

What did AAA find?

去年，美國汽車協會對ADAS車輛進行了測試，特別側重于行人檢測。這次測試導致美國汽車協會公布了毀滅性的結果。

通過剝去洋蔥皮幾層，可以了解為什么今天的ADAS車輛中的AEB-P功能如此嚴重無效。

美國汽車協會去年秋天對四輛2019車型年的汽車進行了AEB-P測試：一輛雪佛蘭Malibu配備了前行人制動系統，一輛本田雅閣配備了本田感應碰撞制動系統，一輛特斯拉model 3配備了自動緊急制動系統，一輛豐田凱美瑞配備了豐田安全感知設備。

以下是主要發現：

如果一個成年人在白天被一輛時速為20英里的測試車橫穿馬路，那么這輛車在40%的時間里避免了撞到行人。更糟糕的是，如果測試車輛以每小時20英里的速度行駛，遇到一個孩子從兩輛車之間沖進車流中，那孩子89%的時間都會被釘死。在30英里/小時的速度下，沒有一輛試驗車輛避免了碰撞。

成年人晚上過馬路怎么辦？算了吧。行人檢測系統被證明無效。

研究結果導致美國汽車協會發布了一些建議，其中包括：“永遠不要依賴行人檢測系統來避免碰撞。這些系統是一種備用系統，而不是避免碰撞的主要手段。”

Collision warning vs. collision mitigation

碰撞警告與碰撞緩解

注意碰撞警告和碰撞緩解系統之間的區別是很重要的。警告系統將提醒駕駛員即將發生碰撞，但不會采取任何規避措施，如踩下制動器。緩解系統將警告駕駛員，如果不采取任何措施，系統將踩下制動器，以避免或減輕碰撞的嚴重程度。

“緩解”是美國汽車協會在其“行人檢測”測試中專門評估的。

對任何外行人來說，看到一輛ADAS汽車不停下來讓行人感到震驚。雖然美國汽車協會的測試結果得到了大量的媒體報道，但Flir的視頻片段引發了人對許多未回答問題的新思考。
美國汽車協會測試的四輛車都使用“攝像頭+雷達組件”。鑒于這種組合，是什么因素導致AEB-P功能如此不一致？

問題是否來自成像傳感器和/或雷達的分辨率不足？

還是和傳感器融合算法有關？

像Flir這樣的公司提出這樣的想法：使用像這樣的熱成像傳感器可以幫助車輛在夜間看到行人。對此毫無疑問。但是，那么，這是一個問題，可以很容易地解決簡單地增加另一個傳感器（不同的形式）在傳感器已經安裝在這些ADAS汽車？

What makes AEB-P so difficult to pull off?

是什么讓AEB-P如此難以實現？

VSI實驗室的創始人和負責人Phil
Magney告訴《EE時報》，“AEB是ADAS的基礎，如果沒有，甚至無法考慮進行自動駕駛。此外，是所有ADAS功能中最重要的，也是最有可能拯救大多數生命的應用程序。”然而，馬格尼在AEB和AEB-P之間做了一個重要的區分。強調，AEB適應行人是“比AEB難一個數量級”

那么，是什么讓AEB這么難做？

專家經常提到雷達容易出現誤報，以及圖像傳感器提供的視野有限。即使將雷達和攝像機結合在一起，融合后的數據仍然只能提供對車輛周圍環境的有限了解。也許最重要的是成本問題。汽車制造商傾向于使用成本較低的ADAS車輛傳感器。鑒于ADAS功能預計將應用于大眾市場車輛，汽車原始設備制造商不太可能為專業傳感器（無論是激光雷達還是熱成像）投入更多資金，以降低AEB-P故障的可能性。

False positives

馬格尼指出，AEB很難，因為“AEB背景下的假陽性本身就可能導致致命的危險。”

馬格尼解釋說，雷達是AEB系統中的關鍵部件，因為能夠測量碰撞時間。但雷達也會被誤報，例如，把停著的汽車誤認為危險物體。“所以，為了限制誤報，不得不過濾掉很多數據。“雷達也有很多噪音，這也會導致誤報，”說，“這就是為什么如果車有碰撞警告功能，會不時收到不尋常的碰撞警告。”

在AEB的一般背景下，Magney解釋說：“AEB-P提高了性能要求，因為現在必須識別和跟蹤路徑上的人類。”承認雷達正在變得越來越好，“但在與人類打交道時仍然缺乏信心，所以通常會將其與攝像頭結合起來。”

但事情是這樣的。“雖然將攝像機與AEB-P的雷達耦合良好，但可能不夠好。”

在馬格尼看來，“有太多的環境條件限制了相機的性能，這導致了目前AEB-P系統性能不佳。”

Narrow field of view

視野狹窄

Yole Dédevelopment分析師Cambou告訴EE Times，基于攝像頭或雷達或攝像頭+雷達或攝像頭+激光測距儀的AEB系統在安全方面的成功是有目共睹的。指出，全世界的追尾事故和死亡人數減少了大約50%，總體上減少了10%到15%。

In March 2016, most US-based OEMs pledged to install AEB in all vehicles by 2022. In April 2019, the EU parliament also voted for mandatory equipment by 2022.

但是，當同樣的AEB技術應用于行人檢測時，統計數據——車禍/死亡人數減少10%至15%——就不那么令人欣慰了。

當被問及為什么AEB-P難以實現時，坎布說，問題在于第一代AEB系統中車輛前方的“視野相對狹窄”。

這些第一代系統使用的是視覺處理器，如英特爾MobileEYQ3（通用、福特、大眾）或東芝Visconti2（豐田）。在談到這些車輛相對狹窄的視野時，坎布說：“這是AEB系統不能理解比車輛前方發生的事情多得多的主要原因。”

坎布估計，第一代AEB系統已經部署在大約6%的公路車輛和30%的新車上。坎布說，第一代AEB的有效性在10%到15%左右，這就是為什么到2022年在北美和歐洲配備AEB的汽車仍遠未達到人常說的“零愿景”目標

但隨著時間的推移，情況有望好轉。

坎布指出：“新一代的AEB系統基于Intel MobileEyeQ4或Visconti 4，將改進這個FOV參數，通常通過放置更多視野更廣的攝像頭。”。

“今天，還不知道三重攝像頭相對于單攝像頭的安全優勢，但應該更好。”

接下來是第三代AEB系統。坎布指出，這些將使用全方位車身攝像頭。“這就是特斯拉將用全自動駕駛（FSD）電腦來做的。Zenity也在向原始設備制造商提供這種方法，”補充道。“通過了解整個環境，AEB應該隨著時間的推移而改進。但問題是多快？”

AEB要保護行人不被ADAS汽車撞到，必須發生什么？坎布懷疑，汽車制造商將需要來自監管機構的壓力或來自公眾的強烈抗議。

What do we need for effective AEB-P?

那么，需要什么來讓AEB持續地用于行人檢測呢？

很明顯，Flir正在為AEB-P推銷其熱成像技術。該公司描述了一種能夠為RGB相機和雷達提供補充數據的熱相機。Flir負責汽車的電子工程總監克里斯?波什（Chris Posch）說，熱相機“看”熱，“可以通過陽光和頭燈的眩光和霧氣，在包括夜間在內的惡劣條件下探測行人。”Flir聲稱，在黑暗中，可以看到比普通前照燈照明更遠四倍的距離。

與此同時，在CES上，一家總部位于巴黎的創業公司Prophesee展示了一段由德國一家不知名汽車制造商制作的視頻短片。比較了一個AEB系統使用一個常規的基于幀的視覺攝像頭和另一個部署Prophesee的事件驅動攝像頭。視頻顯示，PropheseSee的攝像頭在發現行人時得分一直較高。

尤爾的坎布認為有三種方法可以接近AEB-P欄。

首先，“汽車制造商可以使用更多相同的數據，更多相同的計算，”指出。這是一種與Mobileye推出EyeQ4、EyeQ5和東芝推出Visconti 4、Visconti 5同步的方法。“美元含量基本保持不變，”坎布說，“在150美元左右，等待摩爾定律的改善。”

第二，汽車制造商可以尋求“更好的數據，或多或少使用相同的計算方法。”坎布說，這種方法“受到Flir、Prophesee和固態激光雷達公司的支持。”說，“缺點是一開始可能會花更多的錢。”但從營銷的角度來看，“這些公司必須以目前的市場價格提供更好的系統。”

坎布指出，第三種方法是“更好的數據和更好的計算”。稱之為“一種新的范式”，解釋說這是將新的傳感器與新的計算方法相結合。“認為這是神經形態感知和計算的希望。一些公司已經在傳感器和計算機方面進行了創新……正在考慮Outsight，將為市場帶來一種創新的高光譜激光雷達+感知算法。

Flir呢？

在目前可用的解決方案中，熱敏相機前景看好。與普通的RGB相機相比，VSI實驗室的Magney說，“熱成像技術在探測和分類行人方面要高得多，因為分類是基于物體的熱特征而不是可見光。”

但最常被問到的關于熱相機的問題是成本。如果汽車制造商在ADAS車輛上增加一個熱攝像頭來實現有效的AEB-P，成本是多少？Flir的Posch告訴EE時報，“將在數百美元的范圍內，而不是數千美元——激光雷達就是這樣。”

雖然Flir的熱攝像頭已經被寶馬、奧迪和其公司設計成一些型號，但既不是為AEB-P設計的，也不是為AEB-P而設計的，而是在夜間進行動物檢測。對于AEB-P應用，Flir開發了一種帶有VGA的新型熱敏攝像頭，其分辨率是現有熱敏汽車攝像頭的四倍。

去年秋天，一級汽車供應商威納（veoner）選擇了Flir的熱感應技術，該公司與一家全球頂級汽車制造商簽訂了計劃于2021年簽訂的四級自主汽車生產合同。

能證明嗎？

與Flir簽約的VSI實驗室一直致力于概念驗證，以證明熱感應對自動緊急制動的好處。VSI實驗室于2019年12月在底特律附近的美國移動中心進行了初步測試。

VSI Labs, contracted by Flir, conducted initial tests for AEB pedestrian detection, in the American Center for Mobility near Detroit.

據馬格尼稱，VSI實驗室用于AEB-P測試的模型使用了一個與Flir相機耦合的Delphi ESR雷達。“在這次測試中禁用了RGB。但是，必須融合來自CAN總線的其傳感器輸入，如慣性、車輪轉速、轉向角、踏板位置等。這是編程AEB功能所必需的。”

除了聲稱作為一個被動傳感器，沒有什么比熱攝像頭更能檢測到行人，馬格尼還提到了人工智能對熱攝像頭的影響。

聲稱，“在VSI，已經證明了將人工智能應用于熱圖像采集的能力優于傳統的RGB相機。”VSI實驗室使用Flir ADK（汽車開發工具包）數據集訓練其神經網絡。指出，該數據集包括大約40000多幅帶注釋的熱圖像。解釋說，VSI還開發了AEB算法，然后在ACM進行了大量測試。

馬格尼總結說，總的來說，熱相機在昏暗和雜亂的環境中更善于發現和分類行人。補充說：“熱力系統還可以讓部分閉塞的行人上車。”。

除此之外，說：“喜歡Flir的是汽車開發工具包，因為這讓開發人員有能力制作自己的檢測算法。更重要的是，Flir的ADK有許可證。

總結

以上是生活随笔為你收集整理的ADAS车辆在行人安全方面得分很低的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。