賈浩楠 發(fā)自 副駕寺，智能車參考 | 公眾號 AI4Auto

一篇技術博客火了：

熱議幾乎一邊倒，激光雷達戰(zhàn)勝了純視覺，成了大多數網友支持的方案。

而且馬斯克又被拉出來“示眾”，特斯拉方案被總結成“省錢為核心順便吹牛X”：

智駕路線之爭到今天也沒分出高下，哪一派都有忠實擁躉，吵的不可開交。

但只有這項功能統(tǒng)一絕大多數觀點：AEB，激光雷達加持下的優(yōu)越性沒法否認。

AEB熱議，為啥多數人支持上激光雷達

支持AEB標配激光雷達的觀點，有大家非常熟悉的：

“激光雷達受雨霧等惡劣天氣影響小，而且分辨率已經精確到識別鞋盒大小的障礙物”。

也有人認為除了激光雷達本身的感知模式，在后端數據處理上，激光雷達也有優(yōu)勢：

根據目標的距離、速度等等信息，通過簡單的公式快速計算碰撞時間，然后給出決策。

全程可以理解為簡單且直接的“if else”邏輯，不會出錯且延時低。

不過也有用戶分享了特斯拉純視覺方案的一些細節(jié)：

他提到特斯拉之前的AI負責人卡帕西展示過一張?zhí)厮估?a class="article-link" target="_blank" href="/baike/482292.html">攝像頭采集的照片，特征和短波紅外相機（激光雷達同波段）相似，說明特斯拉可能是在普通相機上加了某種濾光手段，加強了紅外波段的特征，目的也是為了應對各種惡劣天氣。

但這樣的思路解決的是純視覺方案的前段感知問題，包括現(xiàn)在流行的占用網絡技術，本質是用算法“模仿”激光雷達，直接對場景進行3維描述：

但無論是攝像頭的濾光手段，還是占用網絡，從感知到決策的確全程都AI了（“馬斯克驕傲且吹噓的重點”），但還是有網友一針見血：即使端到端了，還是嚴重的數據依賴：

對于AI模型訓練來說，garbage in，garbage out，特斯拉車多數據多，也不能保證萬無一失。對于其他廠商來說，完全依賴純視覺做AEB不是好的選擇。

因為AEB本身和常規(guī)智駕不同，追求的不是體感絲滑或是復雜場景，而是危機情況下的救命兜底。

救命的AEB，不完美在哪

AEB是Autonomous Emergency Braking的縮寫，即自動緊急剎車系統(tǒng)，一種汽車主動安全技術。

駕駛員分心或者狀態(tài)不佳時，系統(tǒng)主動剎車，避免嚴重事故發(fā)生。

最早可以追溯到20世紀50年代，當時凱迪拉克推出了一款名為Cyclone的車型，從美蘇太空競賽的技術外溢汲取了大量靈感，其中就包括一套雷達傳感器，安裝車輛前部。當有障礙物靠近接近時，設備會發(fā)出聲音并且點亮警示燈。

這就是AEB技術中“預警系統(tǒng)”的前身和基本原理。

第一個現(xiàn)代AEB專利是1988年一名叫William Kelley的美國工程師申請的：

在這全球首個AEB專利中，系統(tǒng)使用的感知或者說測距手段，就是激光——Laser。

激光雷達用在AEB，不是啥創(chuàng)新，而是回歸AEB功能的初衷和的本質。

只不過因為激光器，以及后面出現(xiàn)的激光雷達在很長一段時間內成本都非常高，所以一直以來，真正用在車端的AEB系統(tǒng)都是采用毫米波雷達和攝像頭作為數據輸入，配合相應識別算法工作。

正本清源地說，視覺方案主導AEB才是一種妥協(xié)和備選，而且不知不覺中把AEB問題復雜化：簡單直接的臨界——觸發(fā)機制，搞成了一長串的感知識別決策流程。

首先就是系統(tǒng)響應延遲，使得AEB的工作區(qū)間有限，太快剎不住。

另外由于毫米波雷達、攝像頭本身特性，對低速、靜止目標識別能力差，在這樣的數據影響下，也造成AEB容易對某些特定目標漏檢錯檢。

為了應對法規(guī)要求，很多廠商會提高系統(tǒng)的靈敏性，只要檢測到異常就來一腳剎停，最大程度保證通過測試。

但這樣的系統(tǒng)投入使用，會經常出現(xiàn)“幽靈剎車”，體感不適、心里壓迫其次，高速狀態(tài)下急剎反而是造成隱患的高危行為。

所以大眾對于AEB認知存在一個誤區(qū)——“寧可錯剎一千，不可放過一個”，認為靈敏度越高越好。

車企專業(yè)工程師告訴我們，從用戶的實用、安全角度考慮，衡量AEB好壞的指標最重要的指標不是靈敏度，而是誤觸發(fā)率。

降低誤觸發(fā)率的同時，意味著正確觸發(fā)的比例提高，代表著整個AEB系統(tǒng)能力的提升。

而從數據上看，回歸激光雷達之后，AEB的表現(xiàn)的確大幅提升。

激光雷達能解決嗎

綜合各方面的信息來看，目前激光雷達的確是一個能實實在在提升AEB性能、可靠性的手段。

直接證據三個，分別來自業(yè)內專家的技術解讀、權威機構的調查數據，以及網絡上隨處可見的三方媒體實測結果。

首先是技術層面，智能車參考請教了國內激光雷達領跑玩家速騰聚創(chuàng)，總結整理一下：

從感知形式上來說，攝像頭是“被動”接收環(huán)境信息，而激光雷達是“主動”感知環(huán)境。發(fā)射出去的紅外光波，碰到障礙物一定會產生回波，100%反映在點云圖上，在感知這個層面避免了“漏檢”。

因為點云圖本身帶有深度信息，對環(huán)境進行3維重建，省去了從圖像數據重構場景的步驟。

發(fā)送脈沖，接收脈沖之后，系統(tǒng)可以直接從返回時間讀取距離，從信號調制讀取相對速度。全程沒有“識別”這個過程，純測量，低噪音，計算簡單，每秒可以完成數百次。

而圖像數據采集上來以后，要經過目標分割、識別、計算尺寸、距離、速度，然后再和自車的速度軌跡比較，才能輸出一個可供AEB做決策的結果。除了延時，AI還可能存在噪聲、誤差，連續(xù)幾個模型累積下來，對最終結果影響很大。

所以從技術特征出發(fā)，激光雷達在AEB的感知、信號處理、延時等等方面，對比純視覺方案有明顯優(yōu)勢。

禾賽科技則提供了基于搭載他們產品的車型的實測數據。

比如在夜晚環(huán)境下，有激光雷達加持的AEB，工作范圍速度上限，提升大約50%，誤觸發(fā)減少70%。

禾賽和速騰本身是賣激光雷達的，你可能會擔心他們的表態(tài)不夠客觀，但三方保險公司的真實數據，可信度應該夠高。

因為除了用戶本身，保險公司是最不希望發(fā)生事故的。

國際保險巨頭瑞士再保險，最近剛剛完成了對激光雷達安全性的量化評估，而且應該是全球首次。最后結果顯示，配備激光雷達系統(tǒng)的車輛比未配備激光雷達的同一車型，預計能多避免高達25%的碰撞事故，同時緩解事故影響的能力將提升高達29%。

網上的實測視頻就更多了，其中比較有代表性的是黑夜、逆光AEB測試：

掛一漏萬，如果有更好的測試案例，或者有反例，歡迎各位在評論區(qū)分享。

激光雷達當然不能一勞永逸解決AEB所有問題，但的確可以讓目前的AEB系統(tǒng)感知范圍更遠、覆蓋速度區(qū)間更廣、誤觸發(fā)更少。

至于“標配”的問題，其實不存在任何技術上或者用戶接受上的障礙，真正阻礙標配的，是激光雷達本身的成本價格。

不過有網友提出了一個可能的方案：入門車型可以不要任何智駕功能，但帶激光雷達的AEB必須標配。

你認為可行嗎？