蘑菇說：交通錐是一種常見的道路隔離警戒標志。日常行車中，遇到前方有交通錐，人類司機大多能自如繞行。但為何對自動駕駛車來說，小小的交通錐卻能帶來大大的麻煩？本期蘑菇說為你解讀。

讓我們假設一個畫面：一輛自動駕駛汽車剛剛進入路口，準備右轉。但是右轉的雙車道由于放置了交通錐，變成了單車道。

自動駕駛程序探測到之后，不知為何，停在路口不走了。停了幾分鐘后，這輛車接著右轉，但在轉過去的瞬間又一頭扎進封閉車道，卡在兩個交通錐中間。

這是自動駕駛汽車在測試中經常發生的一幕。 交通錐是一種用來警示司機，前方路障、請繞行的錐形路標，又稱“雪糕筒”。因而這種現象又被稱為“雪糕筒“難題。

相比汽車和行人，雪糕筒對“自動駕駛之眼”——高精度攝像頭的識別帶來的挑戰確實更大。

原因之一是，雪糕筒體積相對較小，擺放位置低。而自動駕駛汽車通常處于高速移動狀態，攝像頭在遠處難以捕捉到，在近處又往往將其遺失在可拍攝范圍之外。 另一種可能性是，攝像頭成功地拍攝到了交通錐的畫面，但嵌入其內的深度學習軟件對“TA是誰“的判斷出現了錯誤。

深度學習的作用原理是基于已有場景庫數據的算法模型訓練。機器必須在系統里見過TA，才能識別TA。 交通錐恰好代表了一類讓深度學習工程師頭疼的道路障礙。這類路障還包括三角錐、巖石、封路警示錐等警示物，以及快遞箱、盒子，突然躍上公路的麋鹿。它們很少出現在現成的自動駕駛開源場景庫或數據集里（因為實在太罕見了）。

即使曾經出現過，在現實世界中，也會有各種不規則的變體或替代形態出現。對攝像頭來說，這是額外的、風險非常高的工作量。攝像頭需要重新感光，記錄一組新的像素值，并反饋至深度學習軟件中。 更大的挑戰是，真實世界物體幾乎都是立體的。自然生物有兩只或兩只以上對等排列的眼睛，能夠適應物體的深度感知，生物學家又把這稱為“立體視覺（Stereo Vision）”。

然而，大多數攝像頭是沒有立體視覺的，這是限制攝像頭在自動駕駛駕駛領域應用的最大問題之一。

攝像頭根據像素網格里的光線強度捕捉信息，把三維數據世界轉化成簡潔的二維格式。但捕捉過程中，會遺漏一則深度感知的關鍵信息：物體與攝像頭之間的距離。雪糕筒就是典型的三維物體。這也是自動駕駛汽車對雪糕筒識別錯誤的一個原因。

科學家研究了多項不同技術來克服這固有的限制。解決方案之一是在同一輛車內放置多個攝像頭。

一輛自動駕駛汽車通常有8-16個攝像頭，它們分布在車身不同角落，用來捕捉同一個物體。每臺機器的角度有細微差別，以此幫助計算機重建縫合3D場景，對周圍環境和相對距離有立體的計算結果。 蘑菇車聯的“單車智能+車路協同”是另一種解決方案。它相當于在路燈桿上為自動駕駛安裝另一雙眼睛。

這更接近“上帝之眼”的形態。市政道路的燈桿通常高8-14米，高空俯視的天然視角優勢，讓自動駕駛檢測系統在規避盲區的同時，也把道路上的交通標識和各種意外闖入，自如地盡收眼底。畢竟，只要時間充裕，就沒有意外之說。

編輯：jq