很多人以為的邏輯：

現在自動泊車都出來了，在雷達和攝像頭的幫助下，車輛都能直接入庫了，而且遇到障礙物都會先判斷，再預警，再自動調整位置避開障礙。

如果不是自動泊車，就是最簡單的輔助倒車，也是基本的功能，每輛車都有，在檢測到后面有障礙物的時候，就會蜂鳴報警，而且精度還超高，甚至憑借報警聲音，老司機都可以控制到了厘米的級別，和后面障礙物貼著停。

那么，為什么汽車不能設計成行駛的時候快撞車就自動剎車呢？

然后，懂得一些自動駕駛 AEB 的人就出來解釋了，什么 AEB 的原理啊，什么攝像頭要辨別出是什么玩意，才能剎車啊，辨別不出來就得撞上去了。

然后吃瓜群眾就更懵逼了，說啥呢，把我當傻子忽悠呢。

我倒車的時候，開著簡配的車，沒后置攝像頭的那種，但車后面放箱子，放購物車，站著人，有堵墻，隨便是啥，只要是車后面有障礙物，那個都報警。那技術不就是一個雷達，反射到了障礙物，然后雷達波回來告訴我有障礙物，管他什么障礙物，都不能倒了，隨著障礙物距離接近不斷報警（好一點的輔助駕駛還會剎停）啥的，有啥難度，要啥攝像頭。

那么把這個功能放在車輛前面，檢測到障礙物，管他什么障礙物，只要雷達檢測到有東西，直接停下就好了啊！憑什么倒車能做到，開車就不能做到了。

往往到這個時候，邏輯就卡住了，為什么不行，我看過很多大佬的高贊回答，都沒把這個簡單的問題說清楚，而是轉而去說什么智能 AI，大數據的算法，或者去科普 AEB 是啥玩意，順便扯下自動駕駛分幾個等級啥的，弄一堆英文名詞，說得大家不明覺厲，肅然起敬。但回頭一想，好像都沒說到點上啊，還是不明白啊。

但是，如果說明白了，就是簡單一句話：

輔助駕駛的單一感知設備，不能適應全路況，全環境的一個事情。

打個比方，就是人可以通過手去觸碰某個裝菜的盤子，得知這個菜是熱是涼，但是你要人去判斷 10 米開外的一盤菜是熱菜還是涼菜，那是真的只能靠蒙了。100 米開外，還要人的觸摸去判斷，那就真的只有上超能力了……

用來自動泊車報警的感知設備，叫做超聲波雷達。而這個雷達的目前最遠探測距離（保持精度）為 5 米。

啥叫超聲波雷達？

就是一個發射超聲波的裝置，再弄一個接收超聲波的裝置，根據來回的時間差，就能估算出雷達距離障礙物的相對距離，精度可以達到 1-3CM。

現在我們常見的，也是用了幾十年的超聲波雷達叫 UPA，UPA 的探測距離一般在 15CM-250CM。通常安裝在汽車前后保險杠上，用于輔助泊車。

而自動泊車就需要裝側面雷達，這里用的則是更長距離的探測超聲波雷達 APA. APA 的探測距離在 30-500CM。

APA 用于測量側方障礙物的相對距離，因為其探測距離較遠，也可用在駕駛的時候探測后方、側面是否有來車過于靠近本車，可以用于側后方來車報警。

一輛車從檢測到障礙物到剎停，要經過感知 - 思考 - 決策的過程。而一輛 100 公里時速的車，一秒就是 28 米，指望 5 米感知距離的超聲波雷達來幫助剎停，等探測到了再到剎停，那簡直就是 100%碰撞，對于駕乘人員的生命簡直就是開玩笑。

那么為什么超聲波雷達不能檢測遠一點的位置，比如 100 米開外？

因為超聲波是機械波， 散射角大，方向性不集中，無法精準描述障礙物位置 ，離障礙物距離越遠靈敏度越差，現階段 5 米以上就無法判斷障礙物的精準相對距離。

講清楚了上述的超聲波雷達原理，我們再回來說下 AEB（Automatic Emergency Braking）的判定標準。

現有的 AEB 用的感知設備基本是由 毫米波雷達和高清攝像頭 組成的。

而毫米波雷達即便最近才開始配在某些高端車型上的 77GHZ 的，其精度也只有 10-40CM 級。

這是個什么意思呢？就是一個人，在毫米波雷達的感知里，可能就是由幾個反射點到十幾個反射點所組成。一輛比人大很多倍的面包車、卡車，倒是反射點多一些，可能會有一個大概的輪廓勾勒出來。

但從稀疏的幾個反射點里面判斷前方是個人還是個什么玩意，還要從一大堆反射點里把這幾個點給摘出來，不和其他的反射點融為一體，對于算法來說，也是個讓它頭疼的事情，反正我看過毫米波雷達反射的點云圖，我是弄不清楚左邊這十幾個點，右邊那幾個點是啥玩意的……

覺得反射點少了，想多來點那個反射點，那么我們調高毫米波雷達的靈敏度，降低探測閾值行不行呢？

也不行。因為毫米波雷達對金屬敏感度高，在高靈敏度下，這就和照相一樣，靈敏度越高，無用的噪點也會增多，這樣就會造成 大量的誤判，導致“鬼影”，“虛影”的出現。

所以，AEB 很想采納毫米波雷達的數據，但這個玩意的精度太低，而且還經常弄些“魔幻”的反射點出來，如果回回采納它的數據，那汽車很有可能在一馬平川的道路上，突然就是一個急剎，因為毫米波雷達判斷前方有個“障礙物”。然后司機一腳油門，繼續走，過一下又是一個剎停……還是誤判…………這樣的 AEB 估計會讓司機和乘客抓狂…………

所以，為了防止汽車出現這種狀況，現在 AEB 的邏輯，毫米波雷達要求剎停的要求還得經過高清攝像頭的確認把關才行，這樣就可以防止毫米波雷達誤判。只有在兩者判斷一致的情況下，比如前面有輛車停了，毫米波雷達說前面有輛車，攝像頭也說前面有輛車，那么 AEB 才會下決定開始剎車。當然，根據權重的不同，也可以調整為攝像頭說前面有輛車，毫米波雷達懵的情況下，也可以開始剎車。

說回 高清攝像頭，通過提供高分辨率的圖像，再把圖片轉為二維數據，然后進行圖像匹配進行識別。 前面這個到底是車輛，還是行人，還是電動車，摩托車，這種方式就是我們常說的神經網絡學習得來的。

（神經網絡是一種模擬大腦認知的機理，解決各種機器學習的應用任務，從海量的數據中進行深度學習。）

我們現在用的人工智能的學習，基本是采用的自下而上的方法，使用 深度神經網絡（DNN）或卷積神經網絡（CNN） 進行深度學習。（深度學習：一類機器學習算法，使用多層從原始輸入中逐步提取更高層次的特征。）

而攝像頭感知的數據，如果算法沒有見過類似的，無法解析出來，很有可能認為這是個錯誤的感知。

比如前面道路，車的前方突然出現了一棵大樹，還是枝繁葉茂的那種。

[[436867]]

我們人眼當然知道，前面是一個裝載一棵大樹的大卡車，它停下來了，我不能再開了，否則就撞了。

但毫米波雷達示警，這前面的反射點告知車前面有個龐大的物體。但這反射點的輪廓，讓雷達處于懵的狀態，這到底是個啥？天邊的一朵云彩？還是金屬反射的虛影？不會又是出現了“鬼影”的誤判吧。

攝像頭拍攝后，也是懵的，這圖片轉成的二維數據我沒學過啊，我對比了好多次，完全和我之前學過的東西不沾邊啊。不會是算法錯誤得到的吧，剛才是不是攝像頭過了坑抖動了？

然后兩個合計，估計都是錯誤感知，應該前面沒障礙物，那就別通知 AEB 了。

不用剎車了，直接開吧，反正根據深度學習經驗，之前這么判斷了好多次了，都沒出事，沒問題的，反正前面肯定不是一輛車……

然后……車輛繼續高速疾馳，而某位司機還在篤信“自動”駕駛，閉著眼休息…………

[[436868]]

所以，別相信目前階段的輔助駕駛，還是得時刻關注路況才行……