侵權(quán)投訴
訂閱
糾錯
加入自媒體

中國ADAS突圍的差異化道路:打造更懂中國駕駛場景的感知算法

2019-12-27 17:14
來源: 粵訊

2016年特斯拉的致命事故讓人們意識到了精準(zhǔn)感知的重要性。一個關(guān)鍵目標(biāo)未識別,就會導(dǎo)致車毀人亡。

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

自動駕駛致命事故的啟示:可靠的感知是自動駕駛安全性的基石

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

圖1 Uber自動駕駛測試車事故現(xiàn)場

美國國家運(yùn)輸安全委員會近日披露,導(dǎo)致事故的主要原因是Uber自動駕駛系統(tǒng)無法準(zhǔn)確識別在人行橫道以外出現(xiàn)的行人。自動駕駛系統(tǒng)數(shù)據(jù)顯示,車輛雷達(dá)在碰撞發(fā)生前大約6秒時觀測到這名推著自行車穿過馬路的行人,當(dāng)時汽車時速69公里,系統(tǒng)反復(fù)將其識別為不明物體、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,美國一輛特斯拉Model S電動汽車在途徑十字路口的時候,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)都未能檢測到拖掛車的白色車身,因此未能及時啟動剎車系統(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,其前擋風(fēng)玻璃與掛車底部發(fā)生撞擊!

一個關(guān)鍵目標(biāo)未識別,就會導(dǎo)致車毀人亡。慘痛的教訓(xùn)讓人們意識到了精準(zhǔn)感知的重要性。

來自中國特色駕駛場景的挑戰(zhàn)

國內(nèi)的道路交通狀況,跟國外相比,有很大區(qū)別。

一方面,道路更加復(fù)雜且不規(guī)范,因此國外開發(fā)的視覺感知算法,需要針對國內(nèi)道路進(jìn)行專項的訓(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“中國化”(比如馱著奇形怪狀貨物的快遞電動車),且在規(guī)則的遵循上也缺乏共識化的路權(quán)意識,因此既要針對國內(nèi)特色的異形目標(biāo)進(jìn)行專項識別,也需要加強(qiáng)“提前”感知的能力,比如在車輛或行人目標(biāo)只暴露出一部分時就能夠識別,否則在其他司機(jī)進(jìn)行強(qiáng)行加塞等侵略性駕駛時,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維度,分析中國駕駛場景的特殊性。

國內(nèi)道路設(shè)施的特殊性

在國內(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(圖2),這些場景已經(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,對自動駕駛系統(tǒng)視覺感知算法目標(biāo)識別的全面性、實(shí)時性和準(zhǔn)確率都提出更高的要求。

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

另外,如圖2所展示的,國內(nèi)有不少的十字路口直行道有錯位設(shè)計,比如進(jìn)入路口時會多出一條車道(為了增加路口車流量,疏通交通);或者車道在進(jìn)入十字路口時為直行道,在出十字路口時對應(yīng)的竟是左拐車道。這種流行的錯位設(shè)計,會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,人為加劇國內(nèi)變道頻繁的現(xiàn)象,給感知能力帶來挑戰(zhàn)。

相比于國內(nèi)的道路交通狀況,我們再對比一下歐美在“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景復(fù)雜度(圖3)。

圖3 歐美相對簡單的道路場景

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

除此之外,國內(nèi)還存在不少國外較為少見的交通信號燈和交通標(biāo)志。上文提到國內(nèi)道路設(shè)計的問題,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,國內(nèi)的紅綠燈設(shè)計可謂五花八門,如下圖。

圖4 多樣的紅綠燈類型是對非本土感知算法的挑戰(zhàn)

除了紅綠燈和交通標(biāo)志,國內(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。這些場景的攻克很難依靠國外企業(yè),只能依靠本土企業(yè),立足國內(nèi)場景,解決本土需求。

國內(nèi)交通參與者的特殊性

國內(nèi)的一些交通參與者,在國外非常少見。典型的如城市道路中騎電動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,在識別上有一定難度,有漏檢現(xiàn)象產(chǎn)生,需針對性的訓(xùn)練。而類似的情況在國內(nèi)很多,如果能夠立足國內(nèi)場景,及時補(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)動車目標(biāo)出現(xiàn),這對行人的遠(yuǎn)距離準(zhǔn)確檢測提出了非常高的要求。如果算法在國外沒有針對這種少見的場景進(jìn)行專項訓(xùn)練,一旦實(shí)際運(yùn)行過程中出現(xiàn),是很危險的。

圖6 封閉道路上的行人和騎行者

如何打造更懂中國場景的視覺感知算法?

地平線自2015年成立以來,便積極扎根國內(nèi),基于國內(nèi)道路視覺數(shù)據(jù)構(gòu)建自己的圖像樣本庫;且針對典型中國場景進(jìn)行擴(kuò)充和訓(xùn)練,有針對性地優(yōu)化了視覺目標(biāo)感知的全面性、實(shí)時性,同時提高了關(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)時性方面,支持1080P @ 30 FPS;準(zhǔn)確率方面,關(guān)鍵區(qū)域車輛檢測率大于99.6%,尤其是行人檢測方面,檢測距離達(dá)到70米,檢測率超過99.1%,誤報率小于1次/百公里。除此之外,地平線也建立了長效機(jī)制,保證及時升級對新挑戰(zhàn)場景的感知能力。從技術(shù)角度看,依靠對國內(nèi)交通更理解的本土開發(fā)人員,再加上對本土場景庫進(jìn)行持續(xù)擴(kuò)充迭代,才能開發(fā)出更匹配中國國情的算法。具體來說,包括:

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

圖7 地平線Matrix-Mono對行人的感知結(jié)果

針對國內(nèi)非結(jié)構(gòu)化道路較多以及道路設(shè)計不合理、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;針對中國特色的交通信號燈和交通標(biāo)志方面,地平線擴(kuò)大(或本土化)對國內(nèi)道路和車道特點(diǎn)的感知識別能力。例如,增加對帶箭頭等非標(biāo)準(zhǔn)紅綠燈的感知識別;考慮地面失效箭頭仍舊由痕跡的問題,避免誤報;逐步加強(qiáng)對臨時交通標(biāo)志安裝位置歪斜、角度畸形等國內(nèi)實(shí)際場景的識別能力,避免關(guān)鍵信息的漏檢。再加上國內(nèi)道路設(shè)計不合理,交通參與者嚴(yán)重依賴交通標(biāo)志的引導(dǎo),因此對于國內(nèi)特色交通標(biāo)志的感知能力,是地平線重要努力方向,以獲取更多有價值、置信度高的交通信息,助力自動駕駛在國內(nèi)的落地進(jìn)程;

圖8 地平線感知算法對交通標(biāo)志的檢測結(jié)果

針對國內(nèi)交通參與者缺乏交通共識導(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“鬼探頭”等目標(biāo)未露出全貌時的目標(biāo)識別能力,力爭提前檢出危險關(guān)鍵目標(biāo),給車控算法(AEB-P、AEB-C等features)提供更加及時的目標(biāo)信息。同時增強(qiáng)對任意角度目標(biāo)(機(jī)動車、非機(jī)動車等)的識別。

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號