美國東(dong) 部時間3月19日晚間，一輛 Uber 的自動駕駛汽車在亞(ya) 利桑那州坦佩市的公共道路上與(yu) 一名行人相撞，該行人在送往醫院後不治身亡。

警方在一份聲明中稱：“當時該車輛正往北行駛，一名女性在人行道外穿過一條四車道道路時被它撞倒。”

坦佩市警察局長西爾維婭·莫伊爾（Sylvia Moir）在接受采訪時稱：“基於(yu) 受害人是從(cong) 陰影中突然出現在馬路上的，很明顯，在任何一種模式（無人駕駛或人為(wei) 駕駛）下，都很難避免這種碰撞。”

這起意外事故將不僅(jin) 影響Uber的自動駕駛的計劃，還將影響到整個(ge) 無人駕駛行業(ye) 最終發布能在公共道路上行駛的無人汽車的計劃。

這則新聞將“無人駕駛技術”推向熱搜。

現有無人駕駛技術路線優(you) 缺點

目前，國際上自動駕駛環境感知的技術路線主要有兩(liang) 種：一種是以特斯拉為(wei) 代表的毫米波雷達主導的多傳(chuan) 感器融合方案，另一種以高成本激光雷達為(wei) 主導，典型代表如穀歌Waymo。我們(men) 來分析一下這兩(liang) 條線路對前方路況分析所使用的傳(chuan) 感器：

特斯拉的無人駕駛方案以毫米波雷達＋可見光攝像頭為(wei) 主，最開始有mobilesEye的參與(yu) ，以可見光攝像頭為(wei) 主，毫米波雷達作為(wei) 輔助。出現撞卡車事件後，Tesla改為(wei) 毫米波雷達為(wei) 主，可見光攝像頭為(wei) 輔。

穀歌的方案基本上是以激光雷達為(wei) 主，毫米波雷達為(wei) 輔，可見光攝像頭幾乎不參與(yu) 。穀歌似乎對可見光攝像頭一直不感冒，即使涉及到物體(ti) ／行為(wei) 識別，穀歌仍傾(qing) 向於(yu) 用三維激光雷達。

從(cong) 上麵我們(men) 可以看出目前市麵上主流的前向路況檢測主要依靠以下三種傳(chuan) 感器：毫米波雷達、激光雷達以及可見光攝像頭，且隻是兩(liang) 個(ge) 傳(chuan) 感器融合。下麵我們(men) 來分析一下這三種傳(chuan) 感器的優(you) 劣勢：

上表中可以看出，目前主流的針對前向的傳(chuan) 感器融合方案都有一個(ge) 顯著的缺點：在惡劣天氣情況下，隻有毫米波雷達一個(ge) 單傳(chuan) 感器可以起到作用，而毫米波雷達自身又難以識別行人。故現有的技術方案隻能在正常天氣下工作，在惡劣天氣環境下（特別是光線不好的情況）會(hui) 對路上行人的生命會(hui) 造成極大的威脅。

所以麵對這種既要能在夜晚和惡劣的天氣情況下，解決(jue) 視覺和行人識別的問題。看似無人駕駛未能找到解決(jue) 方案，但其實我們(men) 忽略了，夜視傳(chuan) 感器中的遠紅外傳(chuan) 感器。因為(wei) 遠紅外技術隻考慮觀測主體(ti) 與(yu) 環境之間溫度差，可以不受光線情況影響。

遠紅外熱成像技術成像效果

遠紅外熱成像原理，通過能夠透過紅外輻射的紅外光學係統將視場內(nei) 景物的紅外輻射聚焦到能夠將紅外輻射能轉換為(wei) 便於(yu) 測量的物理量的器件－－紅外探測器上，紅外探測器再將強弱不等的輻射信號轉換成相應的電信號，然後經過放大和視頻處理，形成可供人眼觀察的視頻圖像，最終通過顯示終端顯示、音響設備報警的夜間輔助駕駛產(chan) 品

遠紅外熱成像係統下的行人檢測效果圖