自动驾驶的认知功能和认知软件评价

今年6月，台湾高速公路上行驶的一台特斯拉Model3型自动驾驶汽车撞上了一辆侧翻的大货车。面对曾以拥有最先进自动驾驶技术为傲的特斯拉汽车的这次事故，业界开始讨论自动驾驶的安全性评价。接下来让我们来看一下自动驾驶的流程以及如何评价自动驾驶认知功能的吧。

自动驾驶的流程

自动驾驶由认知，判断，控制共3个阶段组成。

首先，认知相当于人类的眼睛和耳朵等感觉器官。通过处理多种传感器收集的数据信号值来认知行驶环境及障碍物等周边所有物体的存在。根据识别的值来掌握障碍物的种类，距离，速度，方向等。

判断相当于人类的大脑。通过从眼睛和耳朵输入的信息来判断。当行驶的路线上发现障碍物时，应决定是否维持/变更目前行驶状态，并为确保安全行驶，决定适当控制刹车、转向装置等的数据值。

控制相当于人类的胳膊和腿。通过认知-判断阶段确定的数据值来变更实际自动驾驶车辆的行驶状态。执行转向(横向)控制、加/减速(纵向)控制。

自动驾驶车辆不停地反复认知-判断-控制流程。下面我们来看一下这三个阶段中，最基本而且最重要的认知阶段。

[图2]车辆传感器示例

首先摄像头和人类的眼睛非常相似。通过光学界的影像获得车线、行人等影像信息。然后通过处理过程来提取有用的信息。但是它也会受到光条件的限制，没有光线的情况下很难识别影像信息。

雷达(Radar – Radio Detection and Ranging)是为测量物体的距离、速度和角度等使用的电磁波感应传感器。与摄像头相比，在雪、雨等恶劣天气下也具有较强的优点。

激光雷达(Lidar – Light Detection and Ranging)与雷达相似，但它是利用光来探测周围环境的。这是一种以发射光线后返回的信息为基础，绘制图像，探测距离和事物轮廓的装备。因准确度很高，被称为“自动驾驶的眼睛”。但是它多少会受到天气的影响，最重要的是单价非常高，所以除研究目的以外，很难安装到一般销售用自动驾驶汽车上。

此外还会利用超声波传感器、GPS等传感器来实现自动驾驶的认知。综合这些传感器的各种信息，将车辆周边环境生成准确可靠地图的概念就叫传感器融合(Sensor Fusion)。这是考虑每个传感器的优缺点，为了能在各种天气和光线条件下，准确认知周围情况而对传感器获取的的数据进行适当组合的过程。除了传感器之间可以互补，还可以通过充分的重叠增加重复来改善安全，这也是非常重要的部分。

[图片4]BDD(Berkley Deep Drive)和KITTI

BDD提供10万个以上的可视数据，KITTI的数据量是比较小的，但是它提供认知软件KITTI 数据集的应用结果。此外，百度Apoloscape也提供各种数据集。认知软件的评价方法采用的是计算机领域中常用的传统的图像识别方法。通过比较从影像中获得的认知结果GT(Ground Truth)值与测试对象认知软件的检测结果(Predict)来判断物体检出精确度的方式，该方式以mAP(Mean Average Precision)值为指标。作为在常规目标检测中使用的测量指标，目前大多数认知软件都致力于提升此指标。

但是，mAP等基本上是聚焦于检测屏幕物体的指标。在自动驾驶的情况下，有些事项还需要进一步考虑，为此需要进一步开发评价指标，进行认知软件的明确、合理的验证。以前的功能安全标准对自动驾驶车辆的安全验证并不充分，因此国际标准化组织(IOS)正在不断颁发自动驾驶相关的标准，就像Euro NCAP性能评价程序也将会在ADAS以外，增加自动驾驶的测试程序等。

为了符合这种技术趋势，硕索福特科技有限公司也在持续进行这部分的研究。为应对即将到来的自动驾驶时代，我们正在研发自动驾驶相关的软件验证工具，也正在给相关客户提供相关解决方案（详情可以参考之前文章中提到的ADAS缺陷验证解决方案）。请继续关注我们，我们将会大家带来更多相关信息。

往期精彩内容回顾

自动驾驶模拟试验构成要素和验证

自动驾驶核心零部件——LiDAR（激光雷达）

实现自动驾驶功能-识别直车道线

迈向无人驾驶之路– ADAS技术概要

ADAS缺陷验证解决方案 ADAS Inspector 简介

何谓OTA(Over-the-air programming)/p>

何谓BMS(Battery Management System)控制器/p>

来源：Suresoft China