蘋果造車專利更新,這套冗餘方案能否成為自動駕駛「量產標配」?

作者 | 發布日期 2021 年 04 月 15 日 8:45 | 分類 Apple , 自駕車 Telegram share ! follow us in feedly


透過多感測器融合追求更高安全性,已成為自動駕駛公司的行業共識。紅外線熱影像的加入,或許會為感知冗餘解決方案增加一項新選擇。

近日,蘋果汽車公布了一項汽車夜視系統專利。

專利描述顯示,該系統結合可見光、近紅外波感測器和長紅外波感測器,可以解決夜間或低光環境物體檢測和分類的挑戰。

而此處的長紅外波感測器,即紅外線熱影像。能入以重視安全及穩定性為基線的蘋果法眼,可見其自有高明之處。

那麼,在同樣重視行駛安全的自動駕駛汽車中,紅外線熱影像可如何應用?是否能成為自動駕駛的標配感測器呢?

何為紅外線熱影像?

任何表面溫度高於 – 273℃ 的物體都會向外輻射紅外波,透過紅外線熱影像,可以將物體溫度差異以不同顏色的圖像顯示。

溫度越高,輻射的能量越大。

紅外線的波長區間為 0.75 微公尺至 1,000 微公尺之間,透過波長的不同可分為五種類別,分別是:

  • 近紅外,波長範圍 0.75 微公尺-1.4 微公尺
  • 短紅外,波長範圍 1.4 微公尺-3 微公尺
  • 中紅外,波長範圍 3 微公尺-6 微公尺
  • 長紅外,波長範圍 6 微公尺-15 微公尺
  • 遠紅外,波長範圍 15 微公尺-1,000 微公尺

其中,由於大氣中二氧化碳、水蒸氣、臭氧、一氧化碳等各種微粒可吸收和反射光線,紅外線中僅有近紅外、中紅外及長紅外可穿透大氣。

三種红外波長不同,應用方式也不同。

近紅外成像方式主要根據室溫目標溫度與環境溫度對比,如黑白相片般呈現物體細節。

尤其在可見度低的夜間環境,星月散發的微光和大氣輝光中輻射的紅外主要集中在近紅外波段,可透過近紅外夜視增強視覺感知能力。

不過,近紅外波無法測量物體溫度,不屬於紅外線熱影像的波長。

中、長紅外根據物體溫度顯示圖像,不受光線影響並可穿透大氣,其感知範圍在幾十公尺至數千公尺之間,可幫助駕駛員在白晝夜間、霧霾雨雪天氣以及對面車燈眩光等人眼能見度較低的情況下看清路況。

因此,這兩種波長為紅外線熱影像的主要波段,廣泛應用於包括汽車在內的多個領域。

蘋果汽車專利中顯示,透過可見光提供最高的解析度,輔之以探測距離較遠的近紅外感測器,以及探測範圍較寬的長紅外感測器,可清晰顯示前燈範圍之外的行人與危險物體。

多種红外技術的融合使用,自動駕駛汽車可在多種環境下感知目前無法準確辨識的目標,獲得更清晰視野。

紅外線熱影像的使命

為了盡可能提高自動駕駛安全性,主機廠和自動駕駛方案提供商不斷為汽車增加多種感測器,以減少安全事故發生。

雷射雷達、毫公尺波雷達、光學相機等感測器悉數上陣,然而技術事故仍然層出不窮。

2018 年 3 月夜間,搭載以上感測器的一輛 Uber 自動駕駛汽車,在美國利桑那州坦佩市撞死一名橫穿馬路的婦女。

事故汽車拍攝視頻中顯示,當時 Uber 自動駕駛汽車正高速行駛在光線環境極差的路段,僅有汽車前燈照明。一名女子突然從黑暗中闖至車前,車輛沒有做出制動措施導致悲劇發生。

美國國家安全委員會對這起事故展開深入調查,報告顯示在事故發生前 5.6 秒,該車的雷射雷達就已檢測到受害者,但將其歸類為汽車。

此後的幾秒內,系統將其判斷為汽車、自行車、未知物體,始終未將受害者歸類為行人。

根據美國國家公路運輸安全管理局的數據,2016 年美國因光線問題或不良照明習慣引起撞車事故超過 700 萬起,其中近 200 萬起發生在黑暗中。而在所有夜間撞車事故中,致命車禍有 18,000 起。

假若 Uber 的自動駕駛車輛搭載紅外線熱影像,即可在檢測到人類的瞬間將其歸類為行人,並第一時間採取相應措施。

紅外線熱影像公司 FLIR 曾經重現該事故,發現紅外線熱影像比雷射雷達早 4 倍探測到行人。

事實上,紅外線熱影像做為輔助感測器出現在汽車上不是新鮮事。

據佐思汽研數據顯示, 2019 年在中國裝配夜視系統的乘用車新車銷量為 4,609 套,凱迪拉克、賓士、BMW、奧迪等豪華車型都曾搭載紅外線熱影像。

因其特性,紅外線熱影像近期也走進了無人駕駛公司的視線中。

去年,Cruise 發布了旗下首款無人汽車 Origin,可提供無安全員的出租車服務。該車搭載了 Cruise 內部命名為 Superhuman Lidar 的紅外線熱影像。

12 月,Zoox 發布的首款純電動無人駕駛汽車中也搭載這一感測器,可全天候在城市街道中對物體準確辨識和分類。

目前,紅外線熱影像在自動駕駛汽車的應用上分為兩種:整車應用及整車部件應用。

整車應用即自動駕駛汽車搭載多個紅外線熱影像,以此實現 360 度環境掃描。

整車部件應用即紅外線熱影像與汽車內外多種部件融合,透過汽車部件感知行駛環境。

在汽車外部應用上,紅外線熱影像可與汽車前燈融合,自動駕駛汽車的探測範圍更廣。

透過深度學習,系統檢測到前方物體後,車燈還可自動切換遠近光燈,並轉向物體所在方向。目前,汽車夜視廠商 Veoneer 的第三代夜視系統已具備此項功能。

汽車內部應用上,紅外線熱影像與 AEB 自動緊急制動系統結合,汽車在遇到危險時可主動剎車或減速。

除此之外,近紅外技術還應用於方向盤、前置攝影鏡頭用以檢測駕駛員是否疲勞駕駛以及身分辨識等。

紅外線熱影像與汽車深度融合,或將進一步提升汽車整體智慧化。

將會成為自動駕駛標配?

關於紅外線熱影像是否能廣泛應用於自動駕駛汽車,成為行業標配感測器的爭議長期存在。

Mobileye 的高級副總裁丹‧高維斯曾表示:「它並不是一個你真正需要的東西,因為光學相機在夜間可以很好地工作,並且你還有一個不會受到光影響的雷達系統做為備用。」

而 Seek Thermal 的副總裁提姆‧勒博反駁,現在自動駕駛汽車普遍使用的光學雷達無法探測物體熱量以判別是否為活物。

他還舉例美國國家運輸安全委員會在 Uber 事故中的報告中認為,也支持汽車使用能夠更好區分物體和人類的感測器。

從雙方的爭論中不難看出,紅外線熱影像是否能在自動駕駛汽車中廣泛應用,關鍵在於其他感測器是否能在夜間清楚辨識物體。

隨著感測器近年的不斷升級,夜間感知能力也與之提升。目前已有無人駕駛公司採用高動態範圍相機,提高無人駕駛汽車的夜間可視能力。

具體來說,高動態範圍相機即 HDR 相機,廣泛應用於智慧手機中。儘管高動態範圍相機可以提供更多細節,但是高動態範圍相機也存在其缺點,即在拍攝過程中出現運動物體與閃光時,其成像有機率模糊。在生物辨識上,其表現能力或許不能與紅外線熱影像媲美。

其根源在於,紅外線熱影像不受光線影響,透過精準測溫可更準確的判斷生物。

例如,FLIR 紅外線熱影像可測量 -80°C 至 +3,000° 的目標溫度,並辨識 0.01°C 的溫度變化。

同時,紅外線熱影像與雷達不同,熱成像不會發送信號探測附近的障礙物,而是吸收周圍生物和物體產生的熱量,比其他感測器耗電更少。

即便紅外線熱影像為冗餘方案表現優秀,但目前也存在諸多缺陷,使其遲遲無法被市場普遍接受。

奧迪發言人埃倫‧凱里表示,「夜視相機和自動駕駛領域裡的其他硬體一樣,既有好處也有它的弊端。熱成像傳感技術還需要克服成本、視野和耐用性方面的挑戰,來滿足自動化級感測器的嚴格標準。」

首先在成本方面,以美國、以色列為主的紅外線熱影像廠商經過多年研發,其成本已由 5,000 美元降低至 1,000 美元,甚至更低。

麥姆斯諮詢的數據顯示,由於製造製程改進、製造規模顯著增加,目前可以大規模生產用於 L2 級及以上級別的紅外線熱影像,未來每台價格僅需幾百美元。

儘管如此,相較於毫公尺波雷達、光學相機等感測器成本,及其為自動駕駛帶來冗餘價值,紅外線熱影像的性價比仍然較低。

在視野方面,紅外線熱影像普遍較小。即使是紅外線熱影像知名廠商 FLIR,其產品最大水平視場為 75 度,遠低於上百度、甚至 360 度的雷射雷達和毫公尺波雷達的水平視場。

另外,紅外線熱影像的耐用性也是一大問題。

紅外線熱影像在使用過程中,會因內部零件磨損老化導致精確度降低,使用數年後需要更換零部件,目前難以達到與其他車規級感測器同樣使用壽命。

儘管最近多家公司正將紅外線熱影像應用於無人駕駛汽車,但是否能成為行業主流仍存在疑問。即使其可穿透大氣,但也會因大霧、濃煙等空氣中顆粒增多導致可探測範圍縮小。

元戎啟行副總裁劉念邱告訴新智駕:「單從冗餘角度來看,熱感測器也可以做為多感測器融合的一種輸入特徵,增強效果的準確性。對於熱成像感測器是否採用,還需要根據使用場景來評估,由於熱成像感測器受環境影響較大,因此需要綜合評估。」

總結

美國自動駕駛汽車廠商 Nutonomy 首席執行長 Karl Iagnemma 認為,紅外成像能夠在黑暗環境和惡劣天氣條件下穩定工作,是其他感測器的天然互補。

當前,各主機廠和造車新勢力紛紛宣布旗下新款車型將採用雷射雷達,以多感測器融合帶來更高的安全性和高級自動駕駛做為宣傳賣點,正印證著如何為用戶帶來更好的駕駛體驗是未來汽車的發展趨勢,而紅外線熱影像的應用一定程度能夠滿足這一點。

業界普遍認為,2022年到 2023 年將是 L2 級及以上自動駕駛汽車大規模採用紅外線熱影像的時間節點。

隨著紅外線熱影像改良計畫的實施和汽車規模的逐步擴大,紅外線熱影像或將成為輔助駕駛系統和自動駕駛汽車感測器中的經濟型組件,可大規模生產使用。

儘管目前自動駕駛公司對紅外線熱影像的實用性看法不一,但能肯定的是,透過各種技術方案保證汽車行駛安全,將是無人駕駛公司和汽車廠商不變的主旋律。

(本文由 雷鋒網 授權轉載;首圖來源:shutterstock)

延伸閱讀: