中國(guó)ADAS突圍的差異化越來越大 可靠的感知是自動(dòng)駕駛安全性的基石

2016年特斯拉的致命事故讓人們意識(shí)到了精準(zhǔn)感知的重要性。一個(gè)關(guān)鍵目標(biāo)未識(shí)別，就會(huì)導(dǎo)致車毀人亡。

中國(guó)駕駛場(chǎng)景的特殊性，決定了必須有本土化的感知解決方案，才能滿足自動(dòng)駕駛的高可靠性要求。提供專門針對(duì)中國(guó)駕駛場(chǎng)景開發(fā)的視覺感知算法成為中國(guó)創(chuàng)業(yè)公司打造ADAS方案差異化競(jìng)爭(zhēng)力的一個(gè)重要切入點(diǎn)。通過全面掌握國(guó)內(nèi)駕駛場(chǎng)景，并建立最符合國(guó)情的數(shù)據(jù)樣本庫，用更懂中國(guó)駕駛場(chǎng)景的感知算法幫助自動(dòng)駕駛在國(guó)內(nèi)的落地。

自動(dòng)駕駛致命事故的啟示：可靠的感知是自動(dòng)駕駛安全性的基石

2018年3月， Uber自動(dòng)駕駛測(cè)試車在亞利桑那州測(cè)試時(shí)造成一名女子死亡（圖1）， 這是全球首起自動(dòng)駕駛致命事故。

圖1 Uber自動(dòng)駕駛測(cè)試車事故現(xiàn)場(chǎng)

美國(guó)國(guó)家運(yùn)輸安全委員會(huì)近日披露，導(dǎo)致事故的主要原因是Uber自動(dòng)駕駛系統(tǒng)無法準(zhǔn)確識(shí)別在人行橫道以外出現(xiàn)的行人。自動(dòng)駕駛系統(tǒng)數(shù)據(jù)顯示，車輛雷達(dá)在碰撞發(fā)生前大約6秒時(shí)觀測(cè)到這名推著自行車穿過馬路的行人，當(dāng)時(shí)汽車時(shí)速69公里，系統(tǒng)反復(fù)將其識(shí)別為不明物體、車輛、自行車等（圖2）。

圖2 Uber的系統(tǒng)沒有準(zhǔn)確識(shí)別到在人行橫道外的行人

特斯拉Autopilot致命事故分析

2016年，美國(guó)一輛特斯拉Model S電動(dòng)汽車在途徑十字路口的時(shí)候，撞上了一輛正在左轉(zhuǎn)的卡車，這是特斯拉Autopilot系統(tǒng)發(fā)布以來的第一起致命事故。

圖3 特斯拉Autopilot系統(tǒng)未能檢測(cè)到側(cè)面行駛過來的卡車

特斯拉指出：“在強(qiáng)烈的日照條件下，駕駛員和Autopilot系統(tǒng)都未能檢測(cè)到拖掛車的白色車身，因此未能及時(shí)啟動(dòng)剎車系統(tǒng)。由于拖掛車正在橫穿公路，且車身較高，這一特殊情況導(dǎo)致Model S從掛車底部通過時(shí)，其前擋風(fēng)玻璃與掛車底部發(fā)生撞擊?！?/p>

一個(gè)關(guān)鍵目標(biāo)未識(shí)別，就會(huì)導(dǎo)致車毀人亡。慘痛的教訓(xùn)讓人們意識(shí)到了精準(zhǔn)感知的重要性。

來自中國(guó)特色駕駛場(chǎng)景的挑戰(zhàn)

國(guó)內(nèi)的道路交通狀況，跟國(guó)外相比，有很大區(qū)別。

一方面，道路更加復(fù)雜且不規(guī)范，因此國(guó)外開發(fā)的視覺感知算法，需要針對(duì)國(guó)內(nèi)道路進(jìn)行專項(xiàng)的訓(xùn)練和加強(qiáng)，才能獲得較為理想的感知結(jié)果。

另一方面，關(guān)于交通參與者（車輛、行人、騎行者）方面，目標(biāo)類型更加“中國(guó)化”（比如馱著奇形怪狀貨物的快遞電動(dòng)車），且在規(guī)則的遵循上也缺乏共識(shí)化的路權(quán)意識(shí)，因此既要針對(duì)國(guó)內(nèi)特色的異形目標(biāo)進(jìn)行專項(xiàng)識(shí)別，也需要加強(qiáng)“提前”感知的能力，比如在車輛或行人目標(biāo)只暴露出一部分時(shí)就能夠識(shí)別，否則在其他司機(jī)進(jìn)行強(qiáng)行加塞等侵略性駕駛時(shí)，自車容易與不守規(guī)矩的目標(biāo)車輛發(fā)生碰撞。

下面我們將從道路設(shè)施和交通參與者兩個(gè)維度，分析中國(guó)駕駛場(chǎng)景的特殊性。

國(guó)內(nèi)道路設(shè)施的特殊性

在國(guó)內(nèi)，雖然現(xiàn)代化的高速路、城市高架路越來越普及，但是也存在很多老舊的、非結(jié)構(gòu)化（圖1）的甚至不合理的道路設(shè)計(jì)（圖2），這些場(chǎng)景已經(jīng)大大增加了視覺感知的復(fù)雜度。

圖1 城市中大量存在的非結(jié)構(gòu)化道路

上圖展示的非結(jié)構(gòu)化路段，再加上交通參與者頻繁地進(jìn)行道路穿插，對(duì)自動(dòng)駕駛系統(tǒng)視覺感知算法目標(biāo)識(shí)別的全面性、實(shí)時(shí)性和準(zhǔn)確率都提出更高的要求。

圖2不合理的十字路口設(shè)計(jì)及混亂的交通導(dǎo)流標(biāo)志

另外，如圖2所展示的，國(guó)內(nèi)有不少的十字路口直行道有錯(cuò)位設(shè)計(jì)，比如進(jìn)入路口時(shí)會(huì)多出一條車道（為了增加路口車流量，疏通交通）;或者車道在進(jìn)入十字路口時(shí)為直行道，在出十字路口時(shí)對(duì)應(yīng)的竟是左拐車道。這種流行的錯(cuò)位設(shè)計(jì)，會(huì)徒增許多并道匯流需求。這就更加容易導(dǎo)致車輛在十字路口進(jìn)行變道，人為加劇國(guó)內(nèi)變道頻繁的現(xiàn)象，給感知能力帶來挑戰(zhàn)。

相比于國(guó)內(nèi)的道路交通狀況，我們?cè)賹?duì)比一下歐美在“城鄉(xiāng)結(jié)合部”、繁忙十字交通路況、高速公路以及普通城市道路上的場(chǎng)景復(fù)雜度（圖3）。

圖3 歐美相對(duì)簡(jiǎn)單的道路場(chǎng)景

從上圖可以感受到，國(guó)外的所謂復(fù)雜道路場(chǎng)景，相比于國(guó)內(nèi)來講，還是相對(duì)簡(jiǎn)潔明了的。這歸功于良好的道路規(guī)劃和清晰的路權(quán)意識(shí)。如果基于這種“簡(jiǎn)化”場(chǎng)景進(jìn)行感知算法的開發(fā)，很難覆蓋國(guó)內(nèi)的極端情況。然而事實(shí)情況是，目前國(guó)內(nèi)主流的視覺感知算法，都是來自Mobileye等國(guó)外公司，且開發(fā)場(chǎng)景也基于國(guó)外駕駛場(chǎng)景。

除此之外，國(guó)內(nèi)還存在不少國(guó)外較為少見的交通信號(hào)燈和交通標(biāo)志。上文提到國(guó)內(nèi)道路設(shè)計(jì)的問題，事實(shí)上，正是由于道路問題導(dǎo)致交通疏導(dǎo)非常依賴于紅綠燈及交通標(biāo)志的支持。而為了滿足各種道路指引需求，國(guó)內(nèi)的紅綠燈設(shè)計(jì)可謂五花八門，如下圖。

圖4 多樣的紅綠燈類型是對(duì)非本土感知算法的挑戰(zhàn)

除了紅綠燈和交通標(biāo)志，國(guó)內(nèi)還常用漢字注釋來的引導(dǎo)交通秩序，比如道路旁的漢字立牌、車道中的漢字指示等。這些場(chǎng)景的攻克很難依靠國(guó)外企業(yè)，只能依靠本土企業(yè)，立足國(guó)內(nèi)場(chǎng)景，解決本土需求。

國(guó)內(nèi)交通參與者的特殊性

國(guó)內(nèi)的一些交通參與者，在國(guó)外非常少見。典型的如城市道路中騎電動(dòng)車頻繁穿插的快遞小哥，以及城鄉(xiāng)結(jié)合部存在的各種“異形”交通工具，在識(shí)別上有一定難度，有漏檢現(xiàn)象產(chǎn)生，需針對(duì)性的訓(xùn)練。而類似的情況在國(guó)內(nèi)很多，如果能夠立足國(guó)內(nèi)場(chǎng)景，及時(shí)補(bǔ)數(shù)據(jù)，就能夠更快地覆蓋并提升感知性能。

圖5 市中心和城鄉(xiāng)結(jié)合部區(qū)域的常見“異形”交通工具

另外，國(guó)內(nèi)的高速公路及城市高架路等封閉道路常有行人等非機(jī)動(dòng)車目標(biāo)出現(xiàn)，這對(duì)行人的遠(yuǎn)距離準(zhǔn)確檢測(cè)提出了非常高的要求。如果算法在國(guó)外沒有針對(duì)這種少見的場(chǎng)景進(jìn)行專項(xiàng)訓(xùn)練，一旦實(shí)際運(yùn)行過程中出現(xiàn)，是很危險(xiǎn)的。

圖6 封閉道路上的行人和騎行者

如何打造更懂中國(guó)場(chǎng)景的視覺感知算法？

地平線自2015年成立以來，便積極扎根國(guó)內(nèi)，基于國(guó)內(nèi)道路視覺數(shù)據(jù)構(gòu)建自己的圖像樣本庫;且針對(duì)典型中國(guó)場(chǎng)景進(jìn)行擴(kuò)充和訓(xùn)練，有針對(duì)性地優(yōu)化了視覺目標(biāo)感知的全面性、實(shí)時(shí)性，同時(shí)提高了關(guān)鍵特色目標(biāo)的準(zhǔn)確率。其中，全面性方面，地平線感知算法可支持10類動(dòng)態(tài)目標(biāo)感知、53類靜態(tài)目標(biāo)感知、23類語義分割;實(shí)時(shí)性方面，支持1080P @ 30 FPS;準(zhǔn)確率方面，關(guān)鍵區(qū)域車輛檢測(cè)率大于99.6%，尤其是行人檢測(cè)方面，檢測(cè)距離達(dá)到70米，檢測(cè)率超過99.1%，誤報(bào)率小于1次/百公里。除此之外，地平線也建立了長(zhǎng)效機(jī)制，保證及時(shí)升級(jí)對(duì)新挑戰(zhàn)場(chǎng)景的感知能力。從技術(shù)角度看，依靠對(duì)國(guó)內(nèi)交通更理解的本土開發(fā)人員，再加上對(duì)本土場(chǎng)景庫進(jìn)行持續(xù)擴(kuò)充迭代，才能開發(fā)出更匹配中國(guó)國(guó)情的算法。具體來說，包括：

針對(duì)國(guó)內(nèi)交通工具的特點(diǎn)，地平線擴(kuò)大（或本土化）道路目標(biāo)識(shí)別種類，加入類似老人代步車、裝滿快遞包裹的快遞電動(dòng)車/三輪車等中國(guó)特色交通工具，有效幫助城市領(lǐng)航等高級(jí)別自動(dòng)駕駛功能，以及城鄉(xiāng)結(jié)合部的十字路口預(yù)警等功能在國(guó)內(nèi)的落地;同時(shí)針對(duì)中國(guó)行人和騎行者特有的行走、騎行特點(diǎn)，有效增加了對(duì)行人的感知準(zhǔn)確率;

圖7 地平線Matrix-Mono對(duì)行人的感知結(jié)果

針對(duì)國(guó)內(nèi)非結(jié)構(gòu)化道路較多以及道路設(shè)計(jì)不合理、十字路口車道線復(fù)雜的特點(diǎn)，地平線進(jìn)行了本土化優(yōu)化，提高了車道線的感知能力，并擴(kuò)大了感知范圍;針對(duì)中國(guó)特色的交通信號(hào)燈和交通標(biāo)志方面，地平線擴(kuò)大（或本土化）對(duì)國(guó)內(nèi)道路和車道特點(diǎn)的感知識(shí)別能力。例如，增加對(duì)帶箭頭等非標(biāo)準(zhǔn)紅綠燈的感知識(shí)別;考慮地面失效箭頭仍舊由痕跡的問題，避免誤報(bào);逐步加強(qiáng)對(duì)臨時(shí)交通標(biāo)志安裝位置歪斜、角度畸形等國(guó)內(nèi)實(shí)際場(chǎng)景的識(shí)別能力，避免關(guān)鍵信息的漏檢。再加上國(guó)內(nèi)道路設(shè)計(jì)不合理，交通參與者嚴(yán)重依賴交通標(biāo)志的引導(dǎo)，因此對(duì)于國(guó)內(nèi)特色交通標(biāo)志的感知能力，是地平線重要努力方向，以獲取更多有價(jià)值、置信度高的交通信息，助力自動(dòng)駕駛在國(guó)內(nèi)的落地進(jìn)程;

圖8 地平線感知算法對(duì)交通標(biāo)志的檢測(cè)結(jié)果

針對(duì)國(guó)內(nèi)交通參與者缺乏交通共識(shí)導(dǎo)致的道路混亂、目標(biāo)運(yùn)行軌跡難以預(yù)判的情況，地平線算法加強(qiáng)了對(duì)“鬼探頭”等目標(biāo)未露出全貌時(shí)的目標(biāo)識(shí)別能力，力爭(zhēng)提前檢出危險(xiǎn)關(guān)鍵目標(biāo)，給車控算法（AEB-P、AEB-C等features）提供更加及時(shí)的目標(biāo)信息。同時(shí)增強(qiáng)對(duì)任意角度目標(biāo)（機(jī)動(dòng)車、非機(jī)動(dòng)車等）的識(shí)別。