電子發(fā)燒友網(wǎng)報道（文/程文智）今年新上的車型，大部分都配置了L2級智能駕駛輔助駕駛和網(wǎng)聯(lián)車機這兩項功能，這兩個功能不僅大大提升了行車的安全性，也的確給駕駛人帶來了更好的駕駛體驗。都說“由儉入奢易，由奢入儉難”，一旦我們體驗到了智能駕駛帶來的好處后，碰到智能輔助駕駛功能不能使用的時候就顯得異常難受。

南方8、9月份是臺風比較多的月份，在這個時間段駕駛過汽車的人應該深有體會，常常會在行車過程中，會碰到突如其來的暴雨“襲擾”。而在大雨中，L2智能輔助駕駛功能常常會受到限制。比如前幾天的深圳臺風天，就有車主發(fā)朋友圈說他的駕駛輔助系統(tǒng)在大雨中失效了（見圖1）。

圖1：大雨中智能駕駛輔助系統(tǒng)失效提示。

小編隨手在網(wǎng)上搜索了下，發(fā)現(xiàn)這位網(wǎng)友碰到的情況其實不是個案，不少車主都碰到了這樣的問題，有車主還在車質(zhì)網(wǎng)上進行了投訴。

圖2：車主在車質(zhì)網(wǎng)上投訴駕駛輔助系統(tǒng)失靈。（來源：車質(zhì)網(wǎng)）

L2級的智能駕駛輔助系統(tǒng)一般配備了哪些傳感器，為何會在大雨中就不能工作了呢？

L2級智能輔助駕駛系統(tǒng)為何會失效？

L2級智能輔助駕駛系統(tǒng)在硬件方面比較常規(guī)的硬件包括前雷達、前攝像頭和后雷達。其中后雷達實現(xiàn)的功能最主要的就是盲區(qū)檢測，即側后方既不在側窗視野中，也不在后視鏡中能看到的區(qū)域，還有開門預警（開門時，監(jiān)測候方來車）、后碰撞預警等其他功能。

圖3：毫米波雷達探測距離。

汽車前向傳感器方面有些復雜，不同的供應商的原理有些不同，主流的有單雷達、雷達+攝像頭、單攝像頭等方案。在雷達+攝像頭方案中，常規(guī)做法是前雷達主要負責障礙物和車輛識別，由于雷達受環(huán)境影響較小，目標識別準確度高，大部分車輛的主動安全碰撞預警和主動緊急制動功能都是基于雷達的目標來觸發(fā)。同時雷達還會負責ACC自適應巡航等控制。而前攝像頭主要負責車道線識別、限速標識識別、靜止目標識別、以及障礙物類型識別等功能，車輛轉向控制如車道保持、車道偏離提示、限速提示、自動遠近光等功能都是通過攝像頭實現(xiàn)。目前部分供應商嘗試通過攝像頭來實現(xiàn)雷達+攝像頭的所有功能，并通過軟件優(yōu)化來提升在多種光照條件下的攝像頭識別能力，以降低L2智能駕駛輔助系統(tǒng)的成本。

在雷達部分，目前有毫米波雷達、超聲波雷達和激光雷達幾種。不過由于毫米波穿透霧、煙、灰塵的能力強，具有全天候（大雨天除外）特性和低成本原因，在L1到L5級別的ADAS系統(tǒng)中都將有一席之地。特別是在現(xiàn)階段的L1/L2智能駕駛輔助系統(tǒng)中，主要是毫米波雷達和攝像頭組成，毫米波雷達能探測目標的距離速度和角度，而攝像頭則可以識別交通信號、車道線，對場景進行語義分割，兩者結合在一起可以實現(xiàn)比較穩(wěn)定的目標檢測、跟蹤與分類。車規(guī)認證和適用性方面都能滿足L2+級別ADAS的系統(tǒng)需求。

但是毫米波也有一個缺點，那就是雨霧對它的影響非常大，吸收很厲害，所以在有雨有霧的天氣，毫米波雷達的性能會大大下降。這也就是為什么在大雨天氣L2級別的智能駕駛輔助系統(tǒng)傳感器失效的原因所在。

英飛凌的何為指出，目前L2級別的毫米波雷達的確容易受到雨霧天氣的影響，這主要是由于成本因素考量，選擇的是滿足日常需求的毫米波雷達，如果要選擇可以應付暴風雨情況的雷達，成本會上升不少。

自動駕駛會受影響嗎？

其實隨著自動駕駛級別的提升，汽車中的傳感器數(shù)量也會逐漸增多，到L4/L5的自動駕駛階段，雷達數(shù)量將會超過10個、攝像頭數(shù)量將會超過8個、激光雷達也將不止1個，通過這些多傳感器的數(shù)據(jù)融合，來應對不同路況、不同氣候條件下的數(shù)據(jù)收集。

圖4：未來幾年，隨著自動駕駛程度的提高，汽車需要的傳感器數(shù)量也越來越多。（來源：英飛凌）

其中，激光雷達由于極高的角度分辨率，在自定位和地圖構建方面都具有較大優(yōu)勢，所以在L3以上的自動駕駛中，它將會跟毫米波雷達，攝像頭，超聲波雷達等傳感器組成互為冗余的系統(tǒng)。

根據(jù)嶺緯科技的芮明昭介紹，該公司的已經(jīng)量產(chǎn)的激光雷達不僅可以點云成像，還能在大暴雨情況下仍能實現(xiàn)400~500米范圍內(nèi)的物體檢測。

圖5：嶺緯科技的激光雷達點云成像演示。

英飛凌的專家認為，解決自動駕駛汽車應對不同路況和天氣的措施有以下三種:

一是需要建立針對特殊場景的用戶、和對這個場景理解的數(shù)據(jù)庫的積累。比如，歐洲有很多的山路，所以他們在驗證無人駕駛的天氣和道路的時候，整車廠就開始收集這方面的數(shù)據(jù)，包括通過點云的數(shù)據(jù)收集，配合用戶的反饋不斷完善。相信隨著用戶數(shù)據(jù)和場景經(jīng)驗的積累，可以有效地幫助我們收集更多數(shù)據(jù)，積累經(jīng)驗。

二是，智能駕駛不僅僅是毫米波雷達一種單一的技術。在L3甚至更高級別的智能駕駛時代，可以看到多種傳感器，包括毫米波雷達和激光雷達，越來越多不同技術類型的傳感器會被加入到ADAS系統(tǒng)當中，作為冗余或者是補充，所以傳感器類型的擴充會幫我們更有效地收集外部環(huán)境和道路狀況的信息。

三是算法的優(yōu)化。隨著數(shù)據(jù)庫和傳感器收集的信號的不斷積累，可以搭建一個新的框架。這個框架會將不同的數(shù)據(jù)進行分類，做算法的優(yōu)化和驗證。

相信通過反復的驗證和優(yōu)化下，應該可以最終解決特殊極端天氣和復雜路面的問題，從而讓自動駕駛時代能夠順利到來。

結語

其實毫米波雷達技術也在不斷進步中，據(jù)說毫米波雷達未來的制造工藝將會邁向28nm等更先進制程，性能也會更加優(yōu)秀，再加上激光雷達等其他傳感器的組合，應該足以應付自動駕駛對傳感器的需求。

本文由電子發(fā)燒友網(wǎng)原創(chuàng)，未經(jīng)授權禁止轉載。如需轉載，請?zhí)砑游⑿盘杄lecfans999。