安全该不该妥协？辅助/自动驾驶的驾驶安全又如何保障？
自动驾驶产业要想真正落地，需要获得大数据、大计算能力、5G、云端，以及核心零部件、高精度地图、智慧城市、智慧道路、视觉认知道路等的支持。安全来不得半点妥协，从辅助到自动驾驶一定是一个循序渐进的过程，而且必须安全第一。
特斯拉躲了“3.15”却没能躲过上海车展，维权车主表示“不会向特斯拉妥协”；特斯拉方面却回应：“不妥协同样是我们的态度。”
新华社发文《谁给了特斯拉“不妥协”的底气》；特斯拉高管回应：“没有办法妥协，这是新产品发展必经的一个过程。”还强调：“自己调研显示，90%客户都愿意再次选择特斯拉。”
假如90%的特斯拉开得很好，当然可能还会选择，那么另外10%呢？是说随它变成“碰碰车”，失去小部分用户也无所谓吗？
近日，美国德州一辆特斯拉事故造成两人伤亡，美国监管部门正在审查特斯拉。马斯克表示：“……目前恢复的数据日志显示Autopilot没有打开，而且这辆车没有购买FSD（全自动驾驶系统）。此外，标准自动驾驶系统需要车道线才能打开，而这此次事发的街道没有车道线。”听懂了吗？驾驶者全责！
谨以特斯拉一些经典事故为例：使用自动驾驶辅助系统屡撞白色大货车、失控、突然加速等。我们没有黑匣子，不好妄下定论，只能从技术角度讨论发生事故的可能原因，以及从哪些方面入手来解决问题。
再次说明，以下讨论并不针对特定厂商，意在透过现象看本质，可能有助于发现问题的根源。同时也提醒消费者，目前的智能驾驶技术再怎么成熟，也还不及驾驶员自身的应变能力，作为高级驾驶员辅助系统（ADAS，本文自动驾驶均等同于ADAS）只能对驾驶安全起到一定辅助作用，毕竟代替不了人，因此现在还不能盲目相信四个轮子上的计算机；一旦失控，那就是2吨左右的一堆钢铁在高速行驶，谁都受不了。
参与此次讨论的包括：从事摄像头、雷达、激光雷达、汽车架构、基础设施、处理器研发和系统集成厂商的技术管理人员。他们不仅分析了问题，而且结合自己的实践给出了一些解决办法。
车辆事故是系统哪方面出了的问题？
意法半导体ADAS、ASIC和Audio（AAD）事业部副总经理兼汽车和分立器件产品部（ADG）ADAS协调专员Martin Duncan认为：“许多因素都可能引起系统故障，其中包括系统是否成熟。重要的是，在部署到现场应用之前，制造商必须先充分验证其系统功能，然后再持续监测系统上路后的性能。”
意法半导体Martin Duncan
他指出，所有开发人员必须不断研究极端情况，从现场故障中学习，并在实际应用中升级算法，以提高车辆的安全性。尽管对于驾驶员而言，这听起来可能是一件很难的事情，保持警惕且不要过度信任ADAS系统也非常重要——这才是驾驶监控系统发挥作用的地方。
安森美半导体智能感知技术应用经理张厚新则从传感器部署方面解读了这个问题，他表示：“在传感器部署上，发生事故的自动驾驶系统看来存在欠缺全面考虑的问题，传感器的不足不能以自动驾驶算法来弥补，因为在传感器遭受到攻击或者意外情况下，算法自然就失效了。”
安森美半导体张厚新
他解释说，强光或者是大面积遮挡物都会影响到前视摄像头的图像识别，这样自动驾驶就会变得不可靠。摄像头失效了，但汽车的防撞系统是基于毫米波雷达的，毫米波雷达应该在150米左右就能够识别出车辆的存在，并且提前预警。如果毫米波雷达被卡车车厢面积遮挡住了，就没有办法判断前方有几辆车。因为在毫米波雷达内部的天线矩阵发出去的信号都有回波，会造成毫米波雷达无法分辨出这是一个什么样的汽车，从而被忽略掉，危险就会发生。
大唐高鸿车联网首席专家、大唐高鸿智能网联产品事业部副总经理胡金玲说：“自动驾驶和车联网技术有很大关系，车联网通信将有助于自动驾驶实现，因为通过车与车之间可靠、高速的低时延通信，在发生状况时可以第一时间采取措施避免发生碰撞，提升交通安全性。”
大唐高鸿胡金玲
她指出，车联网通信和自动驾驶还是两个范畴，有了通信的支持，将会促进自动驾驶的普及。不同传感器，各有弱点和局限性，在某些情况下可能会失效，即使是激光雷达，在雨雪雾等恶劣天气性能会受到影响，而且其成本不菲。车在行驶当中总是会有一些盲区，车本身再智能，也无法感知到全部信息，如果要做到，成本会更高，而小范围的演示也不足以覆盖非常复杂的实际驾驶环境。
传感器的选择、融合及冗余怎么做？
对于这个问题，意法半导体Martin Duncan这样看，主传感器是一个视频摄像头；前视摄像头是一个700万像素的三目摄像头，包括3个独立的不同视场角的成像传感器。根据辅助/自动驾驶级别需求，全景环绕和后视还需要有多个低分辨率摄像头。今天，汽车的前面、后面或四面都装有探测雷达，且已从24GHz升级到77GHz。前置雷达下一步将升级到4D成像雷达。有些公司已在研发激光雷达和热成像摄像头，不过，如今应用规模还很小。精确定位结合共享压缩地图数据是意法半导体看到的增长较快的市场。
他说，意法半导体一直在在改善图像传感器的灵敏度和分辨率，同时也在增加雷达通道数量，以更好地解决高感测度问题。在算法方面，并行运行可以不同方式理解场景，目的是缩短检测时间，并减少假阳和假阴。另外还引入了其他传感器，如热成像传感器、激光雷达、SWIR红外传感器或事件传感器，以发挥各自技术在不同条件下的“视力”，能够为传感器冗余校验功能提供确认数据，增加自动驾驶的安全性。
毫末智行首席交付官CIO甄龙豹则从安全角度回答了传感器冗余的问题。他认为，对于自动驾驶汽车而言，安全是首要前提。自动驾驶只有像航空领域那样做到冗余，才能确保真正的安全。
毫末智行甄龙豹
他说：“安全冗余是实现乘用车高级别自动驾驶的先决条件。毫末智行的业界首个全冗余量产系统已搭载长城汽车，在安全方面构建了6大冗余技术体系：感知冗余、控制冗余、架构冗余、电源冗余、制动冗余和转向冗余。这样就做到了对驾乘人员的全方位守护，实现了业内领先的失效可运行功能。”他也表示，随着技术的发展，部署冗余技术的成本会快速下降，得到更多用户认可之后，厂商就可以更大范围进行部署。
胡金玲更多是从车联网的角度考虑，她认为，传感器融合目的是为了保证安全。车如果不联网，有也有很多安全功能，像安全带、车身强度，还有雷达、摄像头等等。但是，现在一些车企因为此前通信技术受限，量产成本等原因并没有使用激光雷达及V2X等，或许正是其车辆无法发现路上的某种庞然大物的重要原因之一。
车路协同通过车和车、车和路的交互可以帮助汽车更好地感知周围环境，如果两个车都装了通信模块进行交互，就可以采取一些措施，做出更快、更准确的判断。与此同时，还可以解决传感器融合成本的问题，如果路侧信息进一步完善，可能就不会需要那么贵的激光雷达。“车联网已成为自动驾驶的支撑技术，在传感器融合之余又为安全保了一道险。”她说。
安霸上海软件研发高级总监孙鲁毅则认为，视觉感知有可能超越人眼。他说：“在多种传感器融合方面，视觉感知起到了非常重要的作用，这是摄像头的核心价值。”两三年前，为了实现辅助驾驶和自动驾驶，需要有非常多的摄像头，有的负责近距离，有的负责远距离，而且要覆盖不同角度，不同摄像头之间的视角还要有叠加，目的是看到各个方位的目标物体，并以适当的冗余来提高可靠性。
安霸孙鲁毅
他指出，传统摄像头可部分取代人眼，随着视觉感知和光电技术的进步，现在的摄像头不仅可以比人眼看得更清楚，能够看可见光，还能看可热成像光。现在，视觉感知器已经在某种程度上超越了人眼看到的范围。随着技术的发展，将来一定会有更多图像传感器加入视觉处理单元以取代人眼。
安森美的张厚新表示，随着这几年技术的进步和事故的积累，大厂采取的自动驾驶技术手段已趋于一致，即采用多传感器融合来解决单一传感器的不足，并实现冗余设计。作为主要的车规级传感器供应商，安森美半导体从2014年收购Aptina开始，又逐步收购了毫米波雷达和激光雷达公司，结合自身的超声波传感器，成为首家能提供4种自动驾驶感知传感器的公司。
他说，从传感器角度看，要避免类似的事故发生，需要多传感器融合，当然也不只是这四种，还有高精度地图、V2X、5G技术的融入。这样，在某种传感器失效的情况下，系统仍然有足够的感知信息作出正确的决策，从而避免意外发生。仅就单一传感器而言，如何保证其可靠工作，当自身有问题发生时可以及时通知系统，这就是所谓的功能安全设计。对一些失效提前预警，能有效减轻平台的系统消耗，如安森美半导体已满足ASIL-C级别功能安全标准的图像传感器。
除了“眼睛”还要有很强的“大脑”
那么，AI/机器学习的处理器算力瓶颈如何解决呢？意法半导体Martin Duncan说：“每次更新换代，处理器性能都提高10倍。过去15年中，我们和Mobileye建立了长期的合作伙伴关系，一直在合作开发这方面的技术，范围涵盖全自动驾驶汽车的所有功能。”
介绍说，Mobileye今年开始生产第5代EyeQ产品，将在其汽车芯片中首次采用7nm FinFET技术；同时还按照各种功能和算法的不同需求优化定制加速器，以平衡不同的运算能力要求，其中包括既可以在本地也可以在云端完成的机器学习。预计未来还会对中央处理器性能有更高的要求，所以需要找到一种更有效的方式来传送远程传感器数据，这就是打造车载数据的高速路MIPI A-PHY（CSI-2）标准的原因，MIPI A-PHY的最大速率为16GB，可传送超过700万像素的图像传感器视频流。
安森美的张厚新指出，除了增强环境感知，当前的自动驾驶车辆在系统平台数据处理和算法能力方面还要进一步加强。随着自动驾驶级别的提高，算力也在呈指数级增长，在L3级以上，最少需要100T-200TFLOPS的算力，所以平台厂商也在推出更强算力的平台来应对。同样算法迭代也是很重要，目前也有专门做自动驾驶算法的公司，可以提供高效的算法保证。
安霸的孙鲁毅认为，好的视觉感知除了要有很好的“眼睛”，还需要很强的“大脑”。自动驾驶和智能座舱应用很难想象要跑多少算法，所以要根据客户的要求增加新的功能，不能用一种算法取代未来的需求，要兼容各种算法。安霸AI加速引擎设计方向是一种通用策略，有助于各厂商基于神经网络算法的运行，并且算法能够移植，根据需求进行调整，特别是容易使用，还可以实现网络优化。
地平线创始人及CEO余凯认为，实现自动驾驶不仅仅是软件算法、深度学习算法，也不仅仅是传感器，而是很严峻的芯片计算问题。
今天的智能汽车正经历一场历史性的变革，而其发展的核心瓶颈是算力不足，因此，追逐大算力的时代已经到来，智能化竞争的提速首先以算力军备竞赛的形式上演。
地平线余凯
那么，什么是芯片算力？什么又是大算力呢？他说，随着大数据、人工智能等计算密集的数学和加密相关操作难度的日益提升，作为底层核心技术的芯片计算能力必须不断提升，芯片的制程、乘法器数目和最高主频一次次突破自己的极限，使算力不断刷新增大。在数字经济大背景下，对算力有了爆发式需求，使之成为了新的生产力。
余凯也指出：余凯说：“算力其实并不代表汽车智能芯片的真实性能，所以我们提出了MAPS评估方法（在精度有保障范围内的平均处理速度）。今天所有的车厂都在标1000、2000、3000TOPS，第一，在摩尔定律的意义上是不可维系的，第二，对真正人工智能自动驾驶的计算并没有实际意义。”
他同时认为，就像智能手机时代一样，一些手机公司尝试过自研芯片，但都不是很成功。最后他们都用了高通和联发科的芯片。汽车也是一样，真正自研芯片的目前只有特斯拉。还是专业化的分工有助于提升效率，专业的人干专业的事。
总结一下
自动驾驶产业要想真正落地，需要获得大数据、大计算能力、5G、云端，以及核心零部件、高精度地图、智慧城市、智慧道路、视觉认知道路等的支持。安全来不得半点妥协，从辅助到自动驾驶一定是一个循序渐进的过程，而且必须安全第一。
更多信息可以来这里获取==>>电子技术应用-AET<<
