信息来源：互联网   发布时间：2023-09-16

2023年3月有一个热点事件，有个人开车到墓地，车内屏幕显示周围有十几个行人，甚至还有一个骑自行车的，而当时的墓地道路上空无一人。居然在墓地看到

 

2023年3月有一个热点事件，有个人开车到墓地，车内屏幕显示周围有十几个行人，甚至还有一个骑自行车的，而当时的墓地道路上空无一人居然在墓地看到了鬼影，这个消息一下子就火爆全网，说啥的都有汽车厂家作出了回应，称采用的是激光雷达和视觉摄像头融合感知，受限于当前市场传感器识别能力的局限性，出现了识别偏差，后续会升级改进。

那问题就来了，不同厂家使用的传感器性能相当，是否在同样情况下是也会出现鬼影呢？还是说不会？鬼影背后的技术原因是什么？如何才能解决？这些问题都值得深究现在用于辅助驾驶的车载传感器主要有三种，分别是视觉摄像头、毫米波雷达和激光雷达。

视觉摄像头类似于人的眼睛，善于识别物体的形状和颜色，但不具备测距能力，夜晚的识别能力会大幅下降毫米波雷达对目标的位置和速度非常敏感，而且抗干扰能力很强，对烟雾和尘埃穿透能力很好，但它对目标的形状和性质却无能为力。

激光雷达的测距能力强，多线激光雷达还可以描绘目标的轮廓但它不能区分颜色，而且受烟雾和尘埃的影响很大

图片来自图虫网三种传感器的原理和能力非常不同，分别适用于不同的场景，各有优长和短板将三种传感器采集到的信息进行整合，取长补短，发挥1+1+1＞3的优势，这叫做“多传感器信息融合”，是门非常高深的信息技术。

白天多依赖视觉传感器，雾霾天多依赖毫米波雷达，晚上多依赖激光雷达，这种定性说法很好理解，但如何对环境进行定量分析，三种信息的置信度和权值该如何确定，这是很复杂的系统工程好比是你戴一块手表，看时间没有问题，让你戴三块手表，就不会看时间了。

可有人精通三块手表的误差特性，通过补差校准后，能得出比戴任何一块表都更精准的时间但是，如果补差校准（即多传感器信息融合）的方法不对，把三块表的时间进行一番加减乘除，就可能得出一个远离正确时间的数据，这就悲剧了。

笔者曾从事多年的雷达相关工作，对“多传感器信息融合”的感触很深用三部雷达观测同一批空情目标，会得到三个不同的航迹，这就需要用很复杂的技术方法进行航迹融合融合好了，航迹精度会比单部雷达高，融合不好，航迹精度反而比单部雷达低。

所以说，并不是传感器越多精度就越高，“多传感器信息融合”的能力才是关键，如果能力不够，效果反而更糟某国外著名新能源车采用的是“纯视觉方案”，其实就是只戴一块表，避开了“多传感器信息融合”的难题，成本低这头先占上了，而且现阶段的识别能力更稳定。

从长远看，汽车的多传感器信息融合是必然趋势，但现阶段的能力还有待观察回到墓地鬼影事件，厂家的解释是“采用的是激光雷达和视觉摄像头融合感知，受限于当前市场传感器识别能力的局限性，出现了识别偏差”当前市场传感器的性能是一致的，激光雷达和视觉摄像头融合感知也是各厂家的普遍做法，如果其他厂家在相同场景不出现鬼影的话，那问题就出在了“多传感器信息融合”方面，而不是传感器性能本身。

通过传感器识别车外目标，并通过车载电脑显示出来，这需要对车外目标进行模式识别，“模式识别”是人工智能的重要内容，也是近年来很热门的研究方向车外环境目标大体有六种，分别为卡车、大客车、小客车、摩托车、自行车和行人。

如果传感器的探测规则是：高度1～2.5米，宽度＜1米，速度＜2米/秒，就判定为行人，而不是卡车等其他五种目标这是一个很合理的模式识别方法，但样本只有6个，空间实在是太小了如果按照上述的规则，路边的垃圾桶、邮筒都会被显示成行人。

好比是一个人只见过苹果和香蕉，你给他橘子、鸭梨、石榴，他都会判定为苹果很明显，墓地墓碑等景物，并没有被该厂家纳入到样本空间除了样本空间要大，还要增加一个“负逻辑”以行人为例，不仅要有符合哪些标准就可以判定为行人的正逻辑，还要有符合哪些标准就可以判定不是行人的负逻辑。

例如，路边有个塑料的衣服模特，高度、宽度、速度都符合行人标准，但它没有头，就可以判定它不是行人没头的就不是行人，这就是一条很重要的负逻辑那该如何改进呢？有简单和复杂两种方法？简单方法就是提高判决阈值，即在原有基础上，缩小判定为行人的数值范围，墓碑等就不会被显示成行人了，但有些正常行人就会显示不出来了。

这就是通过提高“漏报率”的方法来降低“误报率”，本质就是拆东墙补西墙，这种简单方法不是正路复杂方法，就是不断提高“多目标信息融合”和“模式识别”的能力，不断增加样本空间，不断充实正负逻辑，从而在根本上提升目标识别的能力。

这是一条艰辛的道路，但它是能获得真正技术进步的正路本文为科普中国·星空计划扶持作品

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186