ADAS车辆在行人安全方面得分很低

ADAS vehicles score poorly on pedestrian safety

对于热衷于自动驾驶汽车(AV)的狂热者来说,一个现在病毒性的视频片段(如下所示),最初在CES期间在Flir展台放映,应该是一个警醒。

AV开发人员在自动驾驶系统方面取得的进步让驾驶员感到鼓舞,这是一个很好的理由,但是任何对当前自主技术的现状过于着迷的人都应该冷静一下,AVs在保证车外人员安全方面存在的重大问题。

为什么ADAS车辆,假设配备了行人检测自动紧急刹车(AEB)的车辆,在一个封闭的过程中,一个接一个地撞倒碰撞试验假人?

Flir是汽车行业热成像摄像机的供应商,利用AAA提供的视频片段制作了这个聪明的剪辑。去年秋天,美国汽车协会(AAA)对带有行人检测系统(AEB-P)的AEB进行了测试。

ADAS的目的是帮助驾驶员改善道路安全。但如果汽车制造商真的这么想,应该把更多的钱放在需要的地方。安全第一,自主性如何?正如Yole Dédevelopement首席分析师皮埃尔·坎布(Pierre Cambou)在LinkedIn的帖子中指出的,“同意Flir的观点,行人安全应该是ADAS的首要关注点。”

What did AAA find?

去年,美国汽车协会对ADAS车辆进行了测试,特别侧重于行人检测。这次测试导致美国汽车协会公布了毁灭性的结果。

通过剥去洋葱皮几层,可以了解为什么今天的ADAS车辆中的AEB-P功能如此严重无效。

美国汽车协会去年秋天对四辆2019车型年的汽车进行了AEB-P测试:一辆雪佛兰Malibu配备了前行人制动系统,一辆本田雅阁配备了本田感应碰撞制动系统,一辆特斯拉model 3配备了自动紧急制动系统,一辆丰田凯美瑞配备了丰田安全感知设备。

以下是主要发现:

如果一个成年人在白天被一辆时速为20英里的测试车横穿马路,那么这辆车在40%的时间里避免了撞到行人。更糟糕的是,如果测试车辆以每小时20英里的速度行驶,遇到一个孩子从两辆车之间冲进车流中,那孩子89%的时间都会被钉死。在30英里/小时的速度下,没有一辆试验车辆避免了碰撞。

成年人晚上过马路怎么办?算了吧。行人检测系统被证明无效。

研究结果导致美国汽车协会发布了一些建议,其中包括:“永远不要依赖行人检测系统来避免碰撞。这些系统是一种备用系统,而不是避免碰撞的主要手段。”

Collision warning vs. collision mitigation

碰撞警告与碰撞缓解

注意碰撞警告和碰撞缓解系统之间的区别是很重要的。警告系统将提醒驾驶员即将发生碰撞,但不会采取任何规避措施,如踩下制动器。缓解系统将警告驾驶员,如果不采取任何措施,系统将踩下制动器,以避免或减轻碰撞的严重程度。

“缓解”是美国汽车协会在其“行人检测”测试中专门评估的。

对任何外行人来说,看到一辆ADAS汽车不停下来让行人感到震惊。虽然美国汽车协会的测试结果得到了大量的媒体报道,但Flir的视频片段引发了人对许多未回答问题的新思考。
美国汽车协会测试的四辆车都使用“摄像头+雷达组件”。鉴于这种组合,是什么因素导致AEB-P功能如此不一致?

问题是否来自成像传感器和/或雷达的分辨率不足?

还是和传感器融合算法有关?

像Flir这样的公司提出这样的想法:使用像这样的热成像传感器可以帮助车辆在夜间看到行人。对此毫无疑问。但是,那么,这是一个问题,可以很容易地解决简单地增加另一个传感器(不同的形式)在传感器已经安装在这些ADAS汽车?

What makes AEB-P so difficult to pull off?

是什么让AEB-P如此难以实现?

VSI实验室的创始人和负责人Phil
Magney告诉《EE时报》,“AEB是ADAS的基础,如果没有,甚至无法考虑进行自动驾驶。此外,是所有ADAS功能中最重要的,也是最有可能拯救大多数生命的应用程序。”然而,马格尼在AEB和AEB-P之间做了一个重要的区分。强调,AEB适应行人是“比AEB难一个数量级”

那么,是什么让AEB这么难做?

专家经常提到雷达容易出现误报,以及图像传感器提供的视野有限。即使将雷达和摄像机结合在一起,融合后的数据仍然只能提供对车辆周围环境的有限了解。也许最重要的是成本问题。汽车制造商倾向于使用成本较低的ADAS车辆传感器。鉴于ADAS功能预计将应用于大众市场车辆,汽车原始设备制造商不太可能为专业传感器(无论是激光雷达还是热成像)投入更多资金,以降低AEB-P故障的可能性。

False positives

马格尼指出,AEB很难,因为“AEB背景下的假阳性本身就可能导致致命的危险。”

马格尼解释说,雷达是AEB系统中的关键部件,因为能够测量碰撞时间。但雷达也会被误报,例如,把停着的汽车误认为危险物体。“所以,为了限制误报,不得不过滤掉很多数据。“雷达也有很多噪音,这也会导致误报,”说,“这就是为什么如果车有碰撞警告功能,会不时收到不寻常的碰撞警告。”

在AEB的一般背景下,Magney解释说:“AEB-P提高了性能要求,因为现在必须识别和跟踪路径上的人类。”承认雷达正在变得越来越好,“但在与人类打交道时仍然缺乏信心,所以通常会将其与摄像头结合起来。”

但事情是这样的。“虽然将摄像机与AEB-P的雷达耦合良好,但可能不够好。”

在马格尼看来,“有太多的环境条件限制了相机的性能,这导致了目前AEB-P系统性能不佳。”

Narrow field of view

视野狭窄

Yole Dédevelopment分析师Cambou告诉EE Times,基于摄像头或雷达或摄像头+雷达或摄像头+激光测距仪的AEB系统在安全方面的成功是有目共睹的。指出,全世界的追尾事故和死亡人数减少了大约50%,总体上减少了10%到15%。

In March 2016, most US-based OEMs pledged to install AEB in all vehicles by 2022. In April 2019, the EU parliament also voted for mandatory equipment by 2022.

但是,当同样的AEB技术应用于行人检测时,统计数据——车祸/死亡人数减少10%至15%——就不那么令人欣慰了。

当被问及为什么AEB-P难以实现时,坎布说,问题在于第一代AEB系统中车辆前方的“视野相对狭窄”。

这些第一代系统使用的是视觉处理器,如英特尔MobileEYQ3(通用、福特、大众)或东芝Visconti2(丰田)。在谈到这些车辆相对狭窄的视野时,坎布说:“这是AEB系统不能理解比车辆前方发生的事情多得多的主要原因。”

坎布估计,第一代AEB系统已经部署在大约6%的公路车辆和30%的新车上。坎布说,第一代AEB的有效性在10%到15%左右,这就是为什么到2022年在北美和欧洲配备AEB的汽车仍远未达到人常说的“零愿景”目标

但随着时间的推移,情况有望好转。

坎布指出:“新一代的AEB系统基于Intel MobileEyeQ4或Visconti 4,将改进这个FOV参数,通常通过放置更多视野更广的摄像头。”。

“今天,还不知道三重摄像头相对于单摄像头的安全优势,但应该更好。”

接下来是第三代AEB系统。坎布指出,这些将使用全方位车身摄像头。“这就是特斯拉将用全自动驾驶(FSD)电脑来做的。Zenity也在向原始设备制造商提供这种方法,”补充道。“通过了解整个环境,AEB应该随着时间的推移而改进。但问题是多快?”

AEB要保护行人不被ADAS汽车撞到,必须发生什么?坎布怀疑,汽车制造商将需要来自监管机构的压力或来自公众的强烈抗议。

What do we need for effective AEB-P?

那么,需要什么来让AEB持续地用于行人检测呢?

很明显,Flir正在为AEB-P推销其热成像技术。该公司描述了一种能够为RGB相机和雷达提供补充数据的热相机。Flir负责汽车的电子工程总监克里斯•波什(Chris Posch)说,热相机“看”热,“可以通过阳光和头灯的眩光和雾气,在包括夜间在内的恶劣条件下探测行人。”Flir声称,在黑暗中,可以看到比普通前照灯照明更远四倍的距离。

与此同时,在CES上,一家总部位于巴黎的创业公司Prophesee展示了一段由德国一家不知名汽车制造商制作的视频短片。比较了一个AEB系统使用一个常规的基于帧的视觉摄像头和另一个部署Prophesee的事件驱动摄像头。视频显示,PropheseSee的摄像头在发现行人时得分一直较高。

尤尔的坎布认为有三种方法可以接近AEB-P栏。

首先,“汽车制造商可以使用更多相同的数据,更多相同的计算,”指出。这是一种与Mobileye推出EyeQ4、EyeQ5和东芝推出Visconti 4、Visconti 5同步的方法。“美元含量基本保持不变,”坎布说,“在150美元左右,等待摩尔定律的改善。”

第二,汽车制造商可以寻求“更好的数据,或多或少使用相同的计算方法。”坎布说,这种方法“受到Flir、Prophesee和固态激光雷达公司的支持。”说,“缺点是一开始可能会花更多的钱。”但从营销的角度来看,“这些公司必须以目前的市场价格提供更好的系统。”

坎布指出,第三种方法是“更好的数据和更好的计算”。称之为“一种新的范式”,解释说这是将新的传感器与新的计算方法相结合。“认为这是神经形态感知和计算的希望。一些公司已经在传感器和计算机方面进行了创新……正在考虑Outsight,将为市场带来一种创新的高光谱激光雷达+感知算法。

Flir呢?

在目前可用的解决方案中,热敏相机前景看好。与普通的RGB相机相比,VSI实验室的Magney说,“热成像技术在探测和分类行人方面要高得多,因为分类是基于物体的热特征而不是可见光。”

但最常被问到的关于热相机的问题是成本。如果汽车制造商在ADAS车辆上增加一个热摄像头来实现有效的AEB-P,成本是多少?Flir的Posch告诉EE时报,“将在数百美元的范围内,而不是数千美元——激光雷达就是这样。”

虽然Flir的热摄像头已经被宝马、奥迪和其公司设计成一些型号,但既不是为AEB-P设计的,也不是为AEB-P而设计的,而是在夜间进行动物检测。对于AEB-P应用,Flir开发了一种带有VGA的新型热敏摄像头,其分辨率是现有热敏汽车摄像头的四倍。

去年秋天,一级汽车供应商威纳(veoner)选择了Flir的热感应技术,该公司与一家全球顶级汽车制造商签订了计划于2021年签订的四级自主汽车生产合同。

能证明吗?

与Flir签约的VSI实验室一直致力于概念验证,以证明热感应对自动紧急制动的好处。VSI实验室于2019年12月在底特律附近的美国移动中心进行了初步测试。

VSI Labs, contracted by Flir, conducted initial tests for AEB pedestrian detection, in the American Center for Mobility near Detroit.

据马格尼称,VSI实验室用于AEB-P测试的模型使用了一个与Flir相机耦合的Delphi ESR雷达。“在这次测试中禁用了RGB。但是,必须融合来自CAN总线的其传感器输入,如惯性、车轮转速、转向角、踏板位置等。这是编程AEB功能所必需的。”

除了声称作为一个被动传感器,没有什么比热摄像头更能检测到行人,马格尼还提到了人工智能对热摄像头的影响。

声称,“在VSI,已经证明了将人工智能应用于热图像采集的能力优于传统的RGB相机。”VSI实验室使用Flir ADK(汽车开发工具包)数据集训练其神经网络。指出,该数据集包括大约40000多幅带注释的热图像。解释说,VSI还开发了AEB算法,然后在ACM进行了大量测试。

马格尼总结说,总的来说,热相机在昏暗和杂乱的环境中更善于发现和分类行人。补充说:“热力系统还可以让部分闭塞的行人上车。”。

除此之外,说:“喜欢Flir的是汽车开发工具包,因为这让开发人员有能力制作自己的检测算法。更重要的是,Flir的ADK有许可证。

ADAS车辆在行人安全方面得分很低相关推荐

  1. 如何用点云对车辆和行人进行识别分类?这是MIT学生的总结

    本文来自AI新媒体量子位(QbitAI) 本文作者是MIT的大二学生Michael Gump(阿甘),内容为他在无人车公司Voyage的工作总结.本文还得到Voyage首席执行官Oliver Came ...

  2. omnet++,veins,sumo使用多应用层实现车辆和行人的模拟

    1.完成网络的搭建: 搭建一个简单的十字路口场景: 1)定义结点:新建intersection.node.xml,内容如下: NOTE1:结点属性type="traffic_light&qu ...

  3. 警告标志:警告车辆、行人注意危险地点的标志

    警告标志:警告车辆.行人注意危险地点的标志. 警1 十字交叉 警2 T形交叉 警3 T形交叉 警4 T形交叉 警5 Y形交叉 警6 环形交叉 警7 向左急弯路 警8 向右急弯路 警9 反向弯路 警10 ...

  4. 【高空无人机视角下的路口车辆与行人检测跟踪与轨迹刻画】

    [高空无人机视角下的路口车辆与行人检测跟踪与轨迹刻画] 背景需求 可参考的方法 1. opencv + python 实现目标跟踪的方法: 主要代码 ① main.py ② items.py 检测效果 ...

  5. 车辆和行人区的排水沟建筑材料英国UKCA认证—EN 1433

    英国UKCA认证的简介: 根据英国建筑产品法规要求,2023年1月1日期起,所有进入英国的建筑产品需要符合相关法规和标准.英国脱欧后,UKCA(英国符合性评定)标志是拟进入英国市场(英格兰,威尔士和苏 ...

  6. 肖八选择题不到25分,徐涛八套卷得分更低!我还有救吗?

    肖八一出,谁与争锋!作为可能是考研政治公认最牛掰的复习资料,对我们政治冲刺高分有很大的作用. 并且现在距离考研仅剩最后一个多月了,正是疯狂背诵,保底抢分的时候,尤其是考研政治这种突击学科. 目前肖八已 ...

  7. 我python写的闭包为什么效率很低_GitHub - llzhi001/interview_python_practice: interview 面试题 CS-Notes之ME-技术总结...

    Star过的Github书籍 值得一看的文章 两地书 服务发现 服务注册.服务发现作为构建微服务架构得基础设施环节,重要性不言而喻.在当下,比较热门用于做服务注册和发现的开源项目包括zookeeper ...

  8. .net门槛是否真的很低?

    .net门槛是否真的很低?最近博客上一直在关于这个问题争论. 首先本人做.NET开发5年,主要从事WINFORM相关开发,包括GIS,数据库等信息系统的开发,另外闲暇时间接点私活做做,写了几个开源的C ...

  9. 移位运算符优先级很低

    1 int main() 2 { 3 const char* str = "one"; 4 int hashValue = 0; 5 while (*str != '\0') 6 ...

最新文章

  1. 小米Max怎么刷入开发版获得root超级权限
  2. JQuery官方学习资料(译):$( document ).ready()
  3. 流媒体技术学习笔记之(九)减少VLC 延迟的方法
  4. 对那些刷抖音外放音乐的人,就这么治他!| 今日最佳
  5. 如何成为一个优秀的程序员_如何成为一名优秀的程序员
  6. win32 ipv6 bind 10014问题
  7. Packet Tracer 通过配置静态路由实现不同网段之间的通信(详细步骤)
  8. 云+X案例展 | 传播类:南方报业数据中台建设,助力“智媒”飞跃发展
  9. (05)FPGA入门条件
  10. A 附录、ResolvableType
  11. PAT 1086 就不告诉你
  12. html 压缩工具 html-minifier
  13. ndarray负值统一置0,正数不变
  14. JAVA JSP图书管理图书系统 servlet图书管理系统实现简单的图书管理系统源码
  15. TiDB 在 Cisco Webex 架构中的部署和应用
  16. ricequant股东人数数据获取方式
  17. 使用mmdetection测试图片
  18. python制作表白神器_用Python做一个520表白神器,值得收藏
  19. 【备份】使用ubuntu一个月,记录的问题和解决方案
  20. 企业中如何做好文化建设?

热门文章

  1. 百例1-10(一到三章)总结
  2. SpringCloud Alibaba微服务实战(四) - Nacos Config 配置中心
  3. jquery过滤HTML标签方法
  4. 网路摄像头技术参数介绍
  5. AI 芯片的分类及技术
  6. Action4D:人群和杂物中的在线动作识别:CVPR209论文阅读
  7. 2021年大数据Spark(二):四大特点
  8. Python:Scrapy实战项目手机App抓包爬虫
  9. docker desktop使用入门
  10. python3x 中如何使用tkMessageBox