新一代感測技術要讓ADAS車輛「看見」行人

作者 : Junko Yoshida,EE Times首席國際特派記者

開發人員為了保護駕駛人安全而在自動駕駛技術上取得的進展令人鼓舞,但事實證明,自駕車在保證車外人員安全方面仍存在嚴重問題。

對於自動駕駛車輛(AV)的擁護者來說,有一段最初是在美國國際消費性電子展(CES)期間於紅外線熱像儀供應商Flir的攤位上放映、現在已於YouTube廣為流傳的視訊影片(參考下方YouTube視訊)會是一記警鐘。開發人員為了保護駕駛人安全而在自動駕駛技術上取得的進展令人鼓舞,但從上述視訊片段中可以看到,自駕車在保證車外人員安全方面仍存在嚴重問題。

為何在一個封閉場域的測試中,應該擁有行人偵測自動緊急煞車(AEB)功能、配備先進駕駛輔助系統(ADAS)的車輛,會一次又一次地撞上測試用的假人?鎖定汽車應用市場的熱像儀供應商Flir是利用美國汽車產業協會(AAA)提供的視訊製作了這個巧妙的剪輯片段;AAA在去年秋天針對具有行人偵測功能的AEB (AEB-P)進行了測試。

ADAS之目的是輔助駕駛員提升行車安全,但汽車製造商若認真想做到這一點,就應該在需要的地方投入更多的資金,而且是將安全擺第一,自動駕駛次之。正如市場研究機構Yole Développement首席分析師Pierre Cambou在他的一篇LinkedIn貼文中所寫:「我認同Flir的觀點,行人安全應該是ADAS的首要任務。」

AAA發現了什麼問題?

AAA在去年針對配備ADAS的車輛進行了測試,特別聚焦於行人偵測功能;而AAA公佈的測試結果卻是完全負面的。以下讓我們抽絲剝繭,來深入了解為什麼現在的ADAS車輛中,AEB-P功能會如此無用。

去年秋天AAA進行的AEB-P測試包含四款2019年式四門房車,分別為:配備前方防撞緊急煞車系統(Front Pedestrian Braking)的雪佛蘭(Chevrolet) Malibu、配備Honda Sensing防撞煞車系統(Collision Braking System)的本田雅哥(Honda Accord)、配備自動緊急煞車系統(AEB)的特斯拉(Tesla) Model 3,以及配備Toyota Safety Sense主動式安全防護系統的豐田(Toyota) Camry。

這場測試發現了以下幾點關鍵:

  • 如果測試車輛以20英哩時速行駛,當一個成年人在白天突然穿越馬路,該車輛僅有40%機率能避開撞到此行人;更糟的是,如果測試車輛在同樣20英哩時速下遭遇突然從兩部車之間竄出的孩童,這個孩童有89%的機率會被撞上;而測試車輛如果是以30英哩時速行駛,發生碰撞的機率則是百分之百。
  • 那如果一個成年人在晚上穿越馬路會怎樣?別提了…行人偵測系統被證明根本無效。

這場測試結果讓AAA提出了以下建議:「切勿依賴行人偵測系統避免碰撞;這些系統是備用的,而非避免碰撞的主要手段。」

碰撞預警vs.碰撞減輕

區別碰撞預警(collision warning)和碰撞減輕(collision mitigation)系統的差異很重要,預警系統會警告駕駛員即將發生碰撞,但不會採取任何避免措施,例如啟動煞車;碰撞減輕系統則除了警告駕駛員,還會在駕駛員未採取任何措施時自動煞車,以避免或降低碰撞的嚴重性。

上述的AAA「行人偵測」功能測試是鎖定「碰撞減輕」系統,就算是外行人,看到ADAS汽車遇到行人沒有停下來的場景也會感到震驚。儘管AAA的測試結果獲得媒體廣泛報導,Flir剪輯的視訊片段則激發人們針對一系列未解的問題重新思考。

AAA所測試的4輛車都配備了「攝影機+雷達」的組合,既然是這種組合,究竟是哪些因素導致AEB-P功能在實際表現上與設計如此不符?

  • 是因為影像感測器和/或雷達解析度不夠嗎?
  • 或是與感測器融合演算法有關?
  • 像是Flir這樣的公司提出,採用他們的熱影像感測器可以幫助車輛在夜間看到行人;這毫無疑問是有幫助,但在ADAS車輛現有的感測器之外再添加一個不同模式的感測器,這個問題就能輕易解決了嗎?

為什麼AEB-P難實現?

自動駕駛技術顧問公司VSI Labs創辦人暨首席顧問Phil Magney接受《EE Times》訪問時表示,「AEB是ADAS的基礎,少了它甚至就不用再想實現自動駕駛,而且它是所有ADAS功能中最重要的、也是最有可能挽救大多數生命的一項應用;」但是他也強調,AEB和AEB-P之間的關鍵差異,在於「可以偵測行人的AEB-P,難度比AEB還高一個等級。」

那麼,究竟是何因素使得AEB這麼難實現?

專家們經常會將之歸咎於雷達容易產生的誤報,以及影像感測器提供的有限視野。即便以雷達搭配攝影機,融合後的資料對車輛周遭的環境仍然瞭解有限。而或許最重要的是成本因素,車廠傾向在ADAS車輛中使用平價感測器──有鑑於ADAS功能被期望應用於大眾車款,車商不太可能會花更多錢採購專用感測器(無論是光達或熱影像),以降低AEB-P的失誤率。

誤警報

Magney指出,AEB之所以難於實現是因為「該系統的誤警報會引發致命危險;」他進一步解釋,雷達是AEB系統中的關鍵元件,具有量測碰撞時間的能力,但雷達也會受到誤報的影響,例如將停放的汽車誤認為危險物體。因此為了限制誤報,最終不得不過濾掉很多資料。雷達中還有很多雜訊也可能導致誤報;「這就是為什麼如果汽車有碰撞預警功能,你就會不時收到異常碰撞警報的原因。」

不同與AEB的一般情況,「AEB-P大大提高了對性能的要求,因為它必須識別並追蹤前方路徑中的行人;」Magney認可現在的雷達技術越來越好,「但在檢測行人時仍然缺乏信心,因此雷達通常會搭配攝影機一起使用。」

但問題在於,「儘管以攝影機搭配AEB-P雷達是有用的,恐怕還不夠好;」以Magney的觀點,「有太多環境條件限制了攝影機的性能,導致當前AEB-P系統性能不佳。」

狹窄的視野

Yole Développement分析師Cambou在採訪中表示,無論是配備攝影機、雷達,或攝影機+雷達、攝影機+雷射測距儀(laser-ranger)的AEB系統,在安全性方面都已經有大量實證;統計數據顯示:「車輛後方碰撞或死亡事故減少約50%,整體碰撞/死亡事故減少了10~15%。」

2016年3月,大多數美國車廠承諾在2022年之前於所有車輛安裝AEB系統;2019年4月,歐盟議會也投票表決在2022年之前讓AEB成為車輛強制配備的系統。

(來源:Yole Développement

 

不過統計數據也顯示,將同樣的AEB技術應用於行人偵測時,碰撞/死亡事故只減少10~15%,這就讓人不太滿意。針對為何AEB-P很難實現的問題,Cambou的看法是,原因出在配備第一代AEB系統的車輛,「前方視野相對狹窄。」

第一代AEB系統使用視覺處理器,例如Intel-Mobileye EyQ3 (GM、Ford、VW等車廠都有採用)或Toshiba Visconti 2 (Toyota採用)。Cambou指出,那些車款的視野相對較狹窄,「就是AEB系統無法瞭解車輛前方情況的主要原因。」

Cambou估計,第一代AEB系統安裝於約6%的已上路車輛以及30%的新車;第一代AEB的有效性約為10~15%,因此北美和歐洲配備AEB系統的車輛若要在2020年實現經常被提及的「零傷亡」願景(Vision Zero),恐怕還差得很遠。

但隨著時間推移,情況可望越來越好。「新一代AEB系統採用Intel-Mobileye EyeQ4或Visconti 4,通常會藉由佈置更多視野範圍更廣的攝影機,來改善FOV參數;」Cambou指出:「我們還不知道三鏡頭攝影機相較與單鏡頭攝影機的安全優勢,但應該會更好。」

Cambou也表示,接下來的第三代AEB系統將採用全景攝影機;「這就是特斯拉(Tesla)會以自家開發的全自動駕駛(FSD)車用電腦來實現的,自動駕駛技術開發商Zenuity (EETT編按:Volvo旗下的合資子公司)也能為車廠提供這類方案。」

「藉由對整體環境的瞭解,AEB會隨著時間過去持續改善,只是早晚問題;」那麼要讓AEB能快一點實現保護行人免遭ADAS車輛撞擊,必備條件是什麼?Cambou認為,恐怕得讓車廠面臨來自監管機關的壓力,以及一般大眾的大聲疾呼。

實現有效的AEB-P需要什麼?

究竟要讓AEB能持續實現有效的行人偵測,還需要什麼?Flir顯然是在推動將其熱影像技術應用於AEB-P;該公司描述了一種能夠為RGB攝影機和雷達提供補充資料的熱像儀。

Flir負責汽車應用的工程總監Chris Posch表示,因為熱像儀能「看到」熱,「所以無論在陽光下、車燈眩光和霧氣中,甚至夜間等嚴酷的環境條件,我們都能偵測到行人;」該公司聲稱其熱像儀在黑暗中能看到的距離,是典型車頭燈照明距離的四倍。

總部位於法國巴黎的新創公司Prophesee則在國際消費性電子展(CES)上播放了一段由某家匿名德國車廠製作的視訊短片,比較了兩種AEB系統,一種是採用以影格為基礎的常規視覺攝影機,另一種則是配備Prophesee的事件導向(event-driven)攝影機;該視訊片段顯示,Prophesee攝影機在偵測行人方面始終更勝一籌。

對於突破AEB-P障礙,Yole的Cambou提出了三種方法。首先,「車廠可以使用更多相同資料和更多相同的運算;」也就是繼續採用Mobileye和Toshiba的方案,如Mobileye的EyeQ4和EyeQ5,以及Toshiba的Visconti 4和Visconti 5。「這些方案的成本都差不多,」他指出:「約維持在150美元左右的水準,我們也期待晶圓製程技術的持續演進。」

其次,車廠可以尋求「更好的資料,並採用差不多相同的運算方法;」Cambou解釋,這種方法是Flir、Prophesee及固態光達(lidar)業者所提倡的。「缺點是一開始的成本會比較高,」但從行銷的角度來看,「這些公司不得不以當前的市場價格提供更好的系統。」

第三種方法是「更好的資料和更好的運算方法,」他稱之為「新典範」(new paradigm),也就是將新感測器技術與新運算方法結合;「我認為這應該會是神經形態(Neuromorphic)感知和運算,有些公司已經在感測器和運算方面進行創新,例如將創新的高光譜光達(hyperspectral lidar)結合感知演算法方案推向市場之法國新創公司Outsight。」

Flir的方案如何?

在市面上現有解決方案中,熱像儀前景最被看好。VSI Labs的Magney指出,與常規的RGB攝影機相較,「以熱能來偵測並分類行人要好得多,因為分類是根據物體的熱訊號而非可見光。」

但是熱像儀最常被關注的就是成本問題,如果車廠要為ADAS車款添加熱像儀以實現有效的AEB-P,得花多少錢?對此Flir的Posch給《EE Times》的答案是:「單價會在幾百美元的範圍內,不是光達的數千美元。」

不過雖然BMW、Audi等車廠已經在某些車款設計中採用Flir的熱像儀,卻不是用在AEB-P的設計或佈署,而是用來在夜間偵測動物等路況。針對AEB-P應用,Flir開發了一種配備VGA介面的新形熱像儀,解析度號稱是目前車用熱像儀的四倍。

Tier One汽車零組件供應商Veoneer去年秋天宣佈採用Flir的熱感測技術,運用於與為某家全球性汽車大廠代工生產的Level 4自動駕駛車輛上,預計2021年問世。

怎麼能證明技術是有效的?

VSI Labs受Flir委託進行概念驗證,要證明後者的熱感測技術為AEB提供的優勢;VSI Labs已於2019年12月在底特律附近的自駕車測試場域ACM (American Center for Mobility)進行了初步測試。

 

VSI Labs受Flir委託在美國底特律附近的ACM自駕車測試場進行AEB行人偵測初步測試。

(圖片來源:Flir Systems

 

Magney表示,VSI Labs用於此次AEB-P測試的車輛,以Delphi ESR雷達搭配Flir攝影機;「我們在測試將RGB攝影機關閉,但我們得融合來自CAN匯流排的其他感測器輸入,包括慣性、車輪速度、轉向角度、踏板位置等;這些都是實現AEB功能必備的。」

他指出,除了是一種被動感測器,沒有其他技術偵測行人的效果能像熱像儀那麼好,而人工智慧(AI)的導入也讓熱像儀技術加分;「VSI已經證明,將AI應用於熱影像擷取,具有超越傳統RGB攝影機的性能。」

VSI Labs利用Flir的車用開發套件(ADK)資料集來訓練神經網路;Magney解釋,該資料集包括大約4萬個標註過的熱影像。VSI還打造了AEB演算法在ACM進行大量測試,他總結指出,一般而言,熱像儀在低光線與雜亂的環境下,對於行人的辨識與分類表現更好;「熱感測還能偵測到一部份被擋住行人。」

此外,他補充指出:「我們很喜歡Flir的車用開發套件,能讓開發人員客製化檢測演算法,而且該套件提供授權許可。」

 

本文同步刊登於《電子工程專輯》雜誌2002年5月號;責編:Judith Cheng

(參考原文:Why ADAS Cars Go People-Blind,By Junko Yoshida )

 

 

發表評論