当前位置:经济频道首页 > 国内经济新闻 > 正文

Uber自动驾驶汽车为何会撞死行人?识别系统有无漏看可能(2)

2018-03-21 09:25:38    澎湃新闻  参与评论()人

前置雷达传感器:这个传感器可以像激光雷达一样发出信号并等待其反弹,但它使用无线电波而不是光。这使得它更能抵抗干扰,因为无线电可以穿过雪和雾,不过在恶劣天气下其分辨率也会降低并改变其射程曲线。

根据Uber此前公开的资料显示,它在车前车后均配置有雷达传感器,可实现360度视野的范围覆盖,这套装置更多地被用于识别其他汽车和较大的障碍物。

长焦和短焦摄像头:激光雷达和雷达传感器非常适合定位形状,但它们不善于阅读标志,以及弄清楚物体的颜色等等。这部分工作就是交给摄像头来完成的。自动驾驶车辆的摄像头会与先进的计算机视觉算法相匹配,能够实时地形成图像数据。

Uber车辆上的摄像头可以识别道路标志、交通信号灯等信号图案。尤其是在汽车的前端,会使用多个角度和类型的摄像头,以便全面监测汽车驾驶的环境。检测行人是最常见的计算机视觉问题之一,并且实现它的算法已经比较成熟。

晚上对于道路环境的识别会比白天的难度更大,但即便在漆黑的夜晚,一个穿着全黑的人也应当会被激光雷达和雷达传感器监测到,继而警告汽车应该减速并通过车前灯看到前方的行人。

值得一提的是,激光雷达、传感器、摄像头采集到的信息都会输入给自动驾驶汽车的中央计算机。中央计算机的作用已经超越了简单的对象识别,而是要起到“大脑”的作用,为车辆的行动作出决策,包括预测已经识别和监测到的对象的行为等。

对于上述硬件收集来的信息,自动驾驶汽车又是怎样应用和处理的呢?事实上,这是自动驾驶系统中最复杂的一个部分,就是筛选出数据并对其作出响应。

在某些情况下,工程师会写一些具体的规则来定义汽车在特定情况下应该如何应对。例如,如果一辆谷歌的Waymo汽车检测到红灯,它的程序就会命令车辆停止。

但一个显而易见的问题是,任何工程师团队都不可能穷举汽车可能遇到的道路情况,也就不可能提前写好所有的应对程序。

因此,Waymo和Uber等公司开始依赖“机器学习”系统,通过分析描述道路的海量数据,让机器学习行为。譬如Waymo现在使用的一种系统,通过分析数千张照片来识别行人,这些照片的内容包括行人在马路上或马路附近行走或奔跑。

为您推荐: