據TechCrunch報道，叫車服務巨頭Uber的一輛無人駕駛汽車在美國亞利桑那州坦佩市撞人致死。這是首次發生類似事件，肯定會比過去與無人駕駛汽車進行互動受到更仔細的審查。但從表面上看，我們很難理解，當整個汽車設計都是圍繞著加強駕駛安全而進行的時候，這種事卻偏偏發生了。
車道上突然出現障礙，這幾乎是無人駕駛汽車工程師遇到的第一個緊急事件。這種情況似乎很多，包括停著的汽車、一只鹿或一個行人。而且，這些系統的所有設計都是為了盡早發現他們，識別出他們，并采取適當行動。這可能會促使汽車減速、停止、轉向，或采取其他措施。
Uber的無人駕駛汽車配備了數套不同的成像系統，這些系統既可以正常工作，包括監視附近的車輛、標識和車道標記，還有像剛剛描述的那樣執行特殊任務。在坦佩的交通意外中，Uber的無人駕駛系統至少有四種不同的方法能夠發現受害者。
1.安裝在車頂的激光雷達
在這些汽車頂部的斗形物體是激光雷達，或者是光探測和測距系統，它可以每秒多次產生汽車周圍環境的三維圖像。激光雷達利用紅外激光脈沖反射物體，并將其信號傳給傳感器，它可以在白天或晚上以相當詳細的方式探測到靜止和移動的物體。
圖2：這是激光雷達創建圖像的例子，雖然不是特別確定Uber車輛會看到什么
暴雪或濃霧會導致激光雷達模糊，其準確率也會隨著距離的延伸而降低，但從幾米到幾十米的范圍內，激光雷達是非常棒的成像工具，幾乎每輛無人駕駛汽車上都能找到它的身影。
如果操作正確，激光雷達裝置應該能夠辨認出引發問題的人，如果它們沒有被完全遮擋住，即使在距離汽車幾十米遠的地方，并將障礙物的存在傳遞給“大腦”來整理圖像。
2.前置雷達
雷達就像激光雷達那樣，可以發射信號并等待它反彈回來，但是它使用的是無線電波而不是光。這使得雷達抵抗干擾的能力更強，因為無線電可以穿過雪和霧的阻礙，但這也降低了它的分辨率，并改變了它的覆蓋范圍。
圖3：特斯拉的自動駕駛系統(Autopilot)主要依靠雷達
根據不同位置的雷達裝置，Uber的無人駕駛系統在前后兩側都可以提供360度覆蓋范圍。如果它是用來補充激光雷達的，很有可能會有很大的覆蓋重疊，但是更多時候它們是用來識別其他車輛和更大障礙物的。
一個人的雷達信號不是那么容易辨認，但是它至少會有所顯示，證實激光雷達的確探測到東西。
3.短程和遠程光學攝像頭
激光雷達和雷達對定位形狀很有幫助，但它們在讀取信號、判斷顏色等方面則稍遜一籌。這就是可見光攝像頭被引入的原因，它擁有復雜的計算機視覺算法，可實時在圖像上運行。
Uber無人駕駛汽車上的攝像頭處于報警模式，即可以觀察到制動車輛(突然的紅燈)、紅綠燈、過路行人等的。尤其是在汽車的前端，會使用多種角度和類型的攝像頭，從而可以獲得汽車行駛場景的完整畫面。
檢測行人是最常見的計算機視覺問題之一，而且算法已經變得相當不錯了。“分割”圖像通常還包括識別符號、樹木、人行道等。
話雖如此，無人駕駛汽車晚上分辨障礙物依然很難。但這是一個明顯的問題，前兩個系統已經提供解決方案，它們可以日夜工作。即使是在漆黑的環境中，穿著黑色衣服的人也會出現在激光雷達和雷達上，警告這輛車應該減速，并準備在車燈里看到那個人。這可能就是夜視系統在無人駕駛汽車中普遍存在的原因(我不能肯定Uber的車上沒有這樣的系統，但似乎不太可能)。
4.安全監督司機
把人稱為系統可能聽起來讓我們感覺有點兒不舒服，但是這些坐在無人駕駛汽車中負責監督安全的人類駕駛員，卻被視為“萬能人類”。人們十分擅長發現事物，即使我們的眼睛里沒有激光。我們的反應時間并不是最好的，但如果在明顯情況下，汽車無法做出反應，或者做出了錯誤反應，受過嚴格訓練的安全駕駛員會做出正確的反應。
值得一提的是，無人駕駛汽車中還有中央計算單元，它從上述來源獲得輸入信息，并在汽車周圍創建更完整的世界場景。舉例來說，某人可能會在系統傳感器前消失在汽車后面，而汽車在一兩秒內無法看到他，但這并不意味著他已經停止了存在。這不同于簡單的對象識別，并開始引入更廣泛的智能概念，如對象持久性、預測行為等。中央計算單元也可以說是任何無人駕駛汽車系統中最先進、最嚴密保護的部分。
目前尚不清楚這一悲劇發生的具體情況，但Uber的這輛車確實配備了諸多技術，應該可以提前發現行人，并讓汽車做出適當的反應。此外，如果某個系統不起作用，其他系統應該已經能提供足夠多的信息，多重故障反饋在高風險環境中非常實用，比如在公共道路上行駛。(小小)
責任編輯：
