设置
快速交货
免运费
国际贸易术语
支付类型
市场产品
雨水阻碍自动驾驶汽车行驶
埃隆·马斯克曾表示，特斯拉计划实现只使用摄像头观察路况的自动驾驶方案。特斯拉的做法与汽车行业其他公司的做法形成了鲜明对比。大多数自动驾驶方案会依赖于摄像头、雷达和激光雷达的组合来确定车辆行进道路上的路况。之所以采用这种多传感器方法，是因为特定传感技术难以辨清某些场景，只有采用多传感器技术，才能弥补这种短板。
鉴于特斯拉在摄像头传感方面的立场，让我们来回顾一下尽管经过多年的测试和研究但仍然困扰自动驾驶汽车传感器的几个问题。首先，考虑一下摄像头。对于车载摄像头，一个需要解决的典型场景是：当汽车面向落日爬上山顶时。明亮的阳光会让摄像头短暂“失明”，就像人类驾驶员一样。当车辆下山进入黑暗的山谷时，摄像头也可能短暂“失明”，因为需要一段时间才能适应相对的黑暗。
还有一些“边缘情况”可能会迷惑摄像头，但对于其他类型的传感器则不然。在人工智能用语中，边缘情况是指现实生活中发生，但机器学习算法没遇到过的奇怪情况。可能会让摄像头传感器感到困惑的典型边缘情况例子是卡车后面的风景画。跟在卡车后面的汽车上安装的摄像头可能无法意识到这番风景只是一幅画。
可能有方法解决此类只使用摄像头技术的困难——添加红外摄像头可能会有所帮助。但还有另一个障碍困扰着摄像头和其他自动驾驶传感器：恶劣天气。
（图片来源：Littelfuse）
在镜头上巧妙地滴上一滴水（或雪花）就能使摄像头瘫痪。雨滴即便没有击中镜头仍然会使图像和视频帧中的光强发生变化，从而使识别障碍物的过程变得复杂。特别是每滴雨都会阻挡视线内物体反射的部分光线。雨痕也会降低场景的整体对比度。几年前，在密歇根州立大学进行的测试中，研究人员发现基于摄像头的算法在小雨中无法探测到多达 20% 的物体。在大雨中，视觉算法的漏检率跃升至 40%。
有一些去雨算法旨在帮助基于摄像头的系统进行物体探测。但到目前为止，它们的效果并不好。一个原因是：这些算法主要是在人工雨景中进行测试，而真实雨景要比人工雨景复杂得多。
在雨雪天气中导航时，雷达和激光雷达也有其各自的问题。原因显而易见。这两种传感机制都依赖于物体反射信号来定位和识别前方的情况。当雨滴或雪花反射信号时，很难分辨雪和雨之外的东西。
事实证明，小雨不会对激光雷达造成太大影响。但大雨会形成团块，激光雷达传感器可能将其误判为障碍物。此外，测试表明，暴雨后其他车辆溅起的水雾会产生虚假的激光雷达目标。（想要体验这一问题的读者可以考虑雷雨天在收费高速公路上跟着一辆 18 轮大货车行驶一段时间。）雪也会造成这样的问题。关于激光雷达在雪中的表现，测试数据很少，但有迹象表明，雪会阻碍激光雷达发现物体或产生错误的返回信号。例如，在芬兰和瑞典进行的一项测试发现，所跟随的汽车产生的雪漩涡会干扰激光雷达的读数。
雷达在雨雪天气中的表现比激光雷达更好。湿雪似乎会导致最多的问题。雷达在潮湿天气中最大的缺点似乎是探测雷达截面积较小物体（如行人）的能力不足。
当然，恶劣天气下的自动驾驶汽车感测仍然是一个值得研究的课题。正在研究的一种方法是使用两个而不是一个传感器来探测物体。如果一个传感器探测到某个物体，而另一个却没有探测到，则会尝试使用复杂的数学方法来确定哪一个传感器是正确的。我们怀疑汽车制造商可能不会对这一特定方案“感冒”，因为它增加了车辆上的传感器数量，但还有其他方法也受到了关注。
最终，汽车制造商将有可能找到在各种天气中都能看清道路的方法。至少对于汽车来说，套用一句老话来说：没有所谓的坏天气，只有不同情况的驾驶天气。
关于此作者
Lee Teschler 是设计世界网站、在线资源和印刷出版物网络的执行编辑。Leland (Lee) Teschler 在 Penton Media 工作了 37 年，从 1977 年开始担任《机械设计》的编辑，并在 2006 年升任该出版物的总编辑。在此之前，他曾是联邦政府的一名通信工程师。Leland (Lee) Teschler 拥有密歇根大学的工程学士学位和电子工程学士学位，以及克利夫兰州立大学的 MBA 学位。
Have questions or comments? Continue the conversation on TechForum, Digi-Key's online community and technical resource.
Visit TechForum
