Uber致命事故视频公开，车顶配备激光雷达为何还会撞上行人？

热文推荐：通用的超级巡航

“近日，Uber致命事故视频公布，安全测试员在事故发生时并没有集中精力在驾驶状态，是造成这次事故的原因之一，而无人车的另一个的原因，光线较暗的情况下，为何Lidar或者Radar没有识别出行人？”

本文转自：42号车库

3 月 18 日晚十点左右，在美国亚利桑那州坦佩市，发生了一起 Uber 自动驾驶车辆碰撞行人致死事故，这不是全球第一起自动驾驶车辆引起的事故，但却是第一起导致行人死亡的事故。

目前，警方公布了最新的证据，来自肇事车辆上的视频数据，拍到了事故发生时，车内和车外两个场景的情况。

https://v.qq.com/txp/iframe/player.html?vid=v1335low83n&width=500&height=375&auto=0

根据以上的资料，我们来看一下事故发生时的具体情况：

1、光线环境：整个事故发生的时间是晚上十点，只有路灯照明，行人的位置刚好处于路灯覆盖范围的边缘处。

2、道路环境：路面是一条普通的双车道和非机动车道，没有红绿灯或者人行道，事故过程没有经过任何的岔路口。除了行人和肇事车辆以外，没有出现其他的行进中的物体。

3、车辆距离及行驶速度：行人推着自行车横穿两个车道，视频拍到了行人在穿行第二个车道的过程，第二个车道通行过程为 2 秒左右。以此推测，行人整个横穿过程可能在 4-5 秒。

据警方消息，车辆行驶速度为 38 英里/时 （ 61 公里/时 ）。根据车道 2 米及通行过程 2 秒来看，行人速度推测为 1m/s 。

所以从行人开始步入车道，车辆距离事故发生地大概 68 - 85 米范围。

4、障碍物颜色：行人身着黑色上衣，蓝色裤子，黄色帽子，推着一辆红色的自行车。

5、安全员情况：坐在前排，系着安全带，大部分时间没有看路面。在最后时刻看到路面的时候，车辆已经发生碰撞，不存在接管的问题。

6、车辆情况：Uber 改装的沃尔沃 XC90 上搭载了 Velodyne 的 HDL-64 激光雷达，还有摄像头等其他传感器。 Velodyne 官网显示  HDL-64 探测距离为 120 米，包含了事故发生距离范围。虽然行人服装颜色鲜明，但由于光线原因，摄像头可能难以检测到行人情况。

 Velodyne 官网截图

据了解，此次事故发生地区限速为每小时35英里（约56公里），但Uber汽车当时速度为每小时38英里（约61公里）。显然，超速可能也是造成这起事故发生的原因之一。

摄像头真的来不及识别吗？

根据警方的现场调查：撞击处为骑行者膝盖处到自行车前刹之间，现场未见明显的刹车痕迹，也就是说在那个黑暗的场景里，Uber的视觉根本没有识别行人。黑色相对于其他颜色在识别上确实有一定的难度，在语义分析上容易跟环境分到一起，然而死者穿了牛仔裤和一双白色的鞋，如果司机不走神，肉眼仔细观察还是可以提前看到，及时变道或者刹车的。

有人用自己的视觉算法跑了一下这个视频数据。用炜劲训练的MobileNet + SSD深度神经网过了遍警方刚发布的从Dash cam拍摄的Uber crash事故录像（coco训练集，kitti训练集，图像是否equalized，建议横屏观看）。

https://v.qq.com/txp/iframe/player.html?vid=d13356vbjnr&width=500&height=375&auto=0

他们得出的结论是：

1、即使黑夜里也可以在低质量图像中检测到前方行人，并且应该有足够制动距离，对于Uber车顶的相机阵列应该不够成挑战。

2、在这种简单场景中LiDAR和Radar应该能够比较容易检测到前方行人，从而采取制动。

3、从系统设计角度来看，无人车根据其安装的传感器会有很多独立且冗余的障碍物检测模块，它们的输出通过某种方式汇总到一个或多个决策模块，为了安全通常会采取较为保守的决策策略。我们认为多个传感器和对应的多个障碍物检测模块同时都出问题的概率太小，如果Uber不是在实验较为激进的决策策略，有可能是决策模块宕机了，同时Fault tolerance机制没有发现该问题并采取应对措施。

然而仔细的网友发现，该视频的第147帧时人眼能看出双脚，而在第212帧才有神经网络算法真正识别出了目标。车速61km/h，每秒跑16.7米，地212帧的时候恐怕制动距离已经不够16.7米。神经网络算法比肉眼识别慢了至少65帧，中间隔了2.3秒，夜间光视觉加神经网络还有很长的路要走。

视频第147帧

视频第212帧

为什么激光雷达、毫米波没有正常识别？

没有刹车痕迹，也就是说明AEB没有启动，激光雷达或者毫米波没有正常识别。毫米波并非无法感知行人，而是受限于分辨率无法分辨到底是“人”还是别的什么。目前的车载毫米波雷达分辨目标主要是基于目标对电磁波的反射能力。汽车因为是金属物体，故而对电磁波的反射能力较强，而行人对电磁波的反射能力较弱，相同距离下人的信号幅度比车大约小一个数量级。如果能感应100米的汽车， 那么对20米左右范围的行人也是能够感应得到的，只是并不清楚这是个什么目标（是人还是物）。所以毫米波识别需要车辆行驶到距离行人20米左右，且周围可能有更大的辐射信号，往往会被过滤掉。

佐思研究总监周彦武说，在这个场景下，激光雷达是能够探测到的，但是由于 Uber 算法是用摄像头的视觉优先处理行人。激光雷达探测运动行人是有一定难度的，lidar在垂直方向上的分别率很吃紧尤其是远距离。西安交通大学王小迪博士做了两种可能猜想：1、系统卡死，导致数据在那些时刻没有返回，2，融合算法出现了问题，比如radar和lidar之间的判断机制。

事故责任

3月20日，当地警方表示尚未确定事故责任。但是，当地警察局局长此前曾表示“似乎不可能是优步的责任”。该位局长做出此种猜测的原因，或许是因为事故中的行人并没有在人行道处过马路。当地警方将把调查发现上交给县区检察部门，届时检察部门将根据调查结果决定是否进行刑事诉讼。

Recode网站指出，如果优步的自动驾驶技术被认定负有责任，那么其之前的合作伙伴或者新的合作伙伴或许会对合作出现抗拒；即使自动驾驶技术不存在任何责任，那么上述情况依然有可能出现。此外，公众对于此次事故的认知和反应，就足以让汽车制造商在和优步的公开合作上有所担忧。对于计划在2019年上市的优步来说，稳定合作关系以及维护公众形象具有十分重要的意义。

推荐阅读

▼

▎本文转自42号车库，盖世智能网联汽车，其他资料来源网络，如需转载请注明来源。

更

多

精

彩

请猛戳右边二维码

公众号ID

IV_Technology