何俊南 王雪穎 李偉 董曉菲 吳昊

中國汽車技術研究中心有限公司 天津市 300300

1 引言

隨著汽車智能化、網聯(lián)化的進度不斷加快，自動駕駛汽車已成為未來汽車行業(yè)的重要發(fā)展方向，對汽車產業(yè)的變革具有關鍵作用。自動駕駛汽車作為一種新興技術，需要具有公眾認可的安全水平，這是走向商業(yè)化應用必須要跨越的阻礙。尤其是在復雜的氣象條件下，自動駕駛汽車行駛的環(huán)境狀況相較于常規(guī)天氣更加惡劣，導致事故發(fā)生的風險更高，面臨的技術挑戰(zhàn)更大。

復雜氣象條件，是指降雨、降雪、霧霾、沙塵和強光等不利于自動駕駛汽車傳感器正常工作的天氣或環(huán)境。目前，尚無可以勝任全氣候條件的環(huán)境傳感器，且多種傳感器融合的技術并不成熟，導致“復雜氣象”將長期影響自動駕駛汽車的落地應用。本文針對于此，總結復雜氣象條件對自動駕駛汽車環(huán)境感知系統(tǒng)的影響，并討論潛在的解決方案。

2 環(huán)境感知系統(tǒng)

自動駕駛汽車的環(huán)境感知系統(tǒng)利用外部傳感器采集道路狀況和天氣狀況，為自動駕駛汽車的安全行駛提供可靠的決策依據(jù)。目前，現(xiàn)有的車載傳感器主要包括激光雷達、毫米波雷達、超聲波雷達和攝像頭等。

2.1 激光雷達

激光雷達是工作在光波頻段的雷達，它利用光波頻段的電磁波先向目標發(fā)射探測信號，然后將其接收到的同波信號與發(fā)射信號相比較，從而獲得目標的位置（距離、方位和高度）、運動狀態(tài)（速度、姿態(tài)）等信息，實現(xiàn)對目標的探測、跟蹤和識別。激光雷達探測范圍廣、分辨率高、信息量豐富，可探測路面場景中的其他車輛、行人和障礙物等，但不能識別交通標志和交通信號燈，多用于行人保護系統(tǒng)、自適應巡航控制系統(tǒng)、車道偏離預警系統(tǒng)、自動緊急制動系統(tǒng)等。

圖1 激光雷達

2.2 毫米波雷達

毫米波是指長度為1-10mm的電磁波，對應的頻率為30-300GHz，毫米波雷達的基本原理是發(fā)射一束電磁波，觀察回波與入射波的差異來計算距離、速度等。毫米波雷達探測距離遠，響應速度快，抗干擾能力強，但是覆蓋區(qū)域呈扇形，有盲點區(qū)域，無法識別交通標志和交通信號燈，主要用于自適應巡航控制系統(tǒng)、自動制動輔助系統(tǒng)、盲區(qū)監(jiān)測系統(tǒng)等。

圖2 毫米波雷達

2.3 超聲波雷達

超聲波雷達利用聲波的傳播來提取環(huán)境信息，首先發(fā)出高頻聲波，并且接收物體反射來的回波，最后計算從發(fā)送信號到收到回波的時間間隔，從而確定物體的距離。超聲波雷達的成本較低，重量輕，功耗低，但是探測距離較近，有盲區(qū)，對色彩、光照度不敏感，對光線和電磁場不敏感，最常見的是用在自動泊車輔助系統(tǒng)。

圖3 超聲波雷達

2.4 攝像頭

攝像頭主要由鏡頭、圖像傳感器、模/數(shù)轉換器、圖像處理器、圖像存儲器等組成，其主要功能是獲取足夠的機器視覺系統(tǒng)要處理的原始圖像。光線經過光學鏡頭和濾光片后聚焦到傳感器上，通過轉換器將光信號轉換成電信號，再由圖像處理器轉換成標準格式的數(shù)字圖像信號，傳輸?shù)接嬎銠C端。攝像頭感知信息量極為豐富，不僅包含有視野內物體的距離信息，還有該物體的顏色、紋理、深度、形狀等信息，并且可進行多任務檢測。攝像頭包括單目、雙目、三目、環(huán)視等類型，主要用來識別車道線、障礙物、交通標志牌、地面標志、和交通信號燈等。

圖4 攝像頭

3 復雜氣象條件

自動駕駛汽車的行駛場景包括車輛自身要素和外部交通環(huán)境要素兩大部分，外部交通環(huán)境要素涵蓋：靜態(tài)環(huán)境要素、動態(tài)環(huán)境要素、交通參與者要素、氣象要素等。其中，氣象要素包括行駛過程中的環(huán)境溫度、光照條件以及天氣情況等信息。

3.1 降雨天氣

降雨是指在大氣中冷凝的水汽，以不同方式下降到地球表面的天氣現(xiàn)象。降雨的形成原理是因地球上的水受到太陽光的照射后，變成水蒸氣被蒸發(fā)到空氣中，水汽在高空遇到冷空氣便凝聚成小水滴，小水滴經過凝結和凝華，降落到地面形成雨。根據(jù)降水量，降雨天氣有明確的等級劃分：微量降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨。

圖5 降雨天氣

3.2 降雪天氣

降雪是降水形式的一種，是從云中降落的結晶狀固體冰，常以雪花的形式存在。降雪的形成原理是大氣中的水蒸氣直接凝華或水滴直接凝固而成，云中的低溫使得水蒸氣結成冰晶，當氣溫夠低時，冰晶落到地面形成雪花。因為氣溫和濕度不同，形成的雪花有多種形狀和大小。根據(jù)降水量，降雪天氣有明確的等級劃分：微量降雪、小雪、中雪、大雪、暴雪、大暴雪和特大暴雪。

圖6 降雪天氣

3.3 霧霾天氣

“霧霾”由霧和霾組合而成。霧的主要成分是水，它是由于接近地面的空氣冷卻到一定程度時水和氣體凝結，形成極其細微的水滴懸浮于空中，能見度受到影響，這種現(xiàn)象稱為“霧”；霾的主要成分是固體灰塵，即漂浮在空氣中的顆粒直徑在1-2.5um之間的微小顆粒物?！办F霾天氣”指的是一種污染嚴重的災害性天氣，導致空氣的透明度和能見度均降低。

3.4 沙塵天氣

沙塵天氣是指大風將地面塵土、沙粒卷入空中，使空氣混濁、能見度低的一種天氣現(xiàn)象。北方的春季氣候干燥、降水較少，且植被覆蓋量較少，土壤表層干燥疏松，故抗風蝕能力很弱，當有大風刮過，就會將松散土壤中的大量沙塵卷入空中，形成沙塵天氣。根據(jù)水平能見度，沙塵天氣有明確的等級劃分：浮塵、揚沙、沙塵暴、強沙塵暴和特強沙塵暴。

圖8 沙塵天氣

3.5 強光環(huán)境

強光環(huán)境是一種特殊的天氣現(xiàn)象，光源為直接來自太陽的強光或間接的人造強光。其中，直接來自太陽的強光通常為直射的太陽光線，常發(fā)于夏季或清晨；間接的人造強光包括白天陽光直射路面、金屬或玻璃時產生的刺眼光線，以及晚上突如其來的汽車大燈燈光。強光會嚴重阻礙和刺激駕駛員的視線，加劇眼睛疲勞，影響其對路況的判斷，從而引發(fā)駕駛事故。

圖9 強光環(huán)境

4 復雜氣象對車輛的影響

復雜氣象條件對自動駕駛汽車的安全行駛帶來的干擾因素可歸納為：氣溫變化、路面變化和可視性變化。

4.1 氣溫變化

高溫和低溫環(huán)境均會影響傳感器的工作特性，尤其當使用環(huán)境超出設計溫度時，傳感器精度降低，并會受到暫時或永久性的損害，因此對于傳感器的溫度適應性能和耐久性能均提出了更高的要求。此外，低溫環(huán)境下外置傳感器外表面上易出現(xiàn)結霜或結冰的現(xiàn)象，導致傳感器無法正常工作。

4.2 路面變化

降雨天氣會造成路面濕滑、積水，降雪天氣會造成路面積雪、結冰，均會導致路面的附著系數(shù)大幅降低，對車輛的操控性能和制動性能有很大影響。目前，自動駕駛汽車的環(huán)境感知系統(tǒng)并不能捕捉路面信息，無法有效應對可能出現(xiàn)的輪胎打滑、制動距離增加等情況。此外，降雨天氣和降雪天氣產生的雨、雪、冰均會覆蓋車道線等路面引導標志，造成雷達傳感器和視覺傳感器識別困難，并且路面上產生的反射會使視覺傳感器發(fā)生認知混淆、物體誤判等情況。

4.3 可視化變化

降雨天氣、降雪天氣、霧霾天氣、沙塵天氣和強光環(huán)境等復雜的氣象條件嚴重降低了環(huán)境的可視性，給自動駕駛汽車行駛安全造成極大的困難。視覺傳感器受上述天氣影響最大，降落物（雨、雪）或漂浮物（霧霾、沙塵）會遮擋攝像頭的視線，導致不能正確感知行駛環(huán)境。此外，當降雨的水滴或由雪花融化的水滴附著在攝像頭上，會對光圈孔徑造成嚴重影響，造成視野遮蔽或背景虛化等現(xiàn)象。強光環(huán)境會使攝像頭的可見度降低到幾乎為零，造成汽車“失明”。雷達傳感器也會因上述天氣而受限，發(fā)射的信號如光脈沖遇到降落物或漂浮物會反射回來，信號透過率隨著降落物或漂浮物密度以及傳輸距離的增加而下降，甚至會把降落物或漂浮物誤認為是需要躲避的物體，干擾自動駕駛汽車對周圍環(huán)境的正確判斷。強光環(huán)境會使雷達傳感器不能有效識別目標物如車道線、標志牌等。

5 解決方案討論

隨著自動駕駛汽車技術的發(fā)展，相關機構已經開始著手探索應對復雜氣象條件的方案，分別從多種傳感器融合和環(huán)境感知算法優(yōu)化兩個角度出發(fā)，以增強環(huán)境感知系統(tǒng)的性能。

5.1 多傳感器融合

在復雜的氣象環(huán)境中，單憑某一種傳感器并不能保證自動駕駛汽車的行駛安全，故需要多種類型的傳感器同步融合工作，以提升感知強度，從而獲得最佳性能。多傳感器融合技術就像人的大腦綜合處理信息一樣，利用計算機技術將來自多種傳感器的氣象環(huán)境信息和數(shù)據(jù)，進行多層次、多空間的信息互補和優(yōu)化組合處理，可顯著提高系統(tǒng)的冗余度和容錯性，從而保證決策的準確性、快速性和可靠性。例如，梅賽德斯-奔馳公司提出了一種深度多模態(tài)傳感器融合策略，該策略需配備立體視覺攝像機、激光雷達、近紅外門控攝像機、遠紅外熱照相機和道路摩擦傳感器等。實車測試結果表明：在霧天條件下，該策略對環(huán)境的檢測性能明顯優(yōu)于激光雷達或攝像頭。

但是，由于多種傳感器的融合使用，需要處理的數(shù)據(jù)量激增，快速、準確地過濾無用或錯誤數(shù)據(jù)，并處理有效數(shù)據(jù)，對車輛最終做出正確的決策十分關鍵。目前，多傳感器融合在硬件層面并不難實現(xiàn)，其重點和難點在于數(shù)據(jù)處理的算法，常用的理論方法包括貝葉斯準則法、卡爾曼濾波法、模糊集理論法和人工神經網絡法等，具有很高的技術壁壘。

5.2 感知算法優(yōu)化

環(huán)境感知算法是自動駕駛汽車關鍵和共性技術之一，目前大多數(shù)算法對復雜氣象條件的適應性較低，故需通過優(yōu)化環(huán)境感知算法，降低干擾因素的影響，從而提高感知準確度。

密歇根州立大學研究提出量化降雨量引起的激光雷達性能變化，設置降雨影響的閾值，生成降雨量和傳感器性能之間的定量方程，獲得不同降雨量下激光雷達的性能水平，此舉有助于簡化決策過程。Pfennigbauer等提出一種在霧霾天氣下對激光雷達進行在線波形處理的想法，由激光雷達記錄的目標波形來識別被檢測目標性質，計算振幅衰減速率來判斷霧的密度，從而對能見度距離進行分類，過濾掉不屬于該范圍的假目標。復雜氣象條件下由攝像頭采集到的圖像會發(fā)生退化，如模糊、低對比度和顏色失真等，Sakaridis等在計算機視覺領域進行深入研究，提出通過場景訓練和深度學習，增強圖像的對比度和飽和度，可進行雨滴、雪花、霧霾和沙塵等干擾物的檢測和清除，恢復有效的圖像特征。目前，專門針對強光環(huán)境的解決方案比較有限，在計算機視覺領域，借助吸收效應和照片曝光校正技術等，有望解決該類問題。

6 結語

目前，在復雜氣象條件下實現(xiàn)自動駕駛還有很多未知的盲區(qū)，需要從業(yè)者繼續(xù)探索和研究。多種傳感器融合技術的成熟發(fā)展可以彌補單傳感器環(huán)境感知時存在的不足，環(huán)境感知算法的不斷優(yōu)化升級可以增強感知與決策的準確性。二者相輔相成，自動駕駛汽車必將逐漸開展復雜氣象條件下的專項測試，這也是檢驗自動駕駛汽車是否具備“全氣候”上路能力的必經之路。