无人驾驶首宗命案里，感知层到底出了什么问题？

有人认为是因为毫米波雷达安装过低，发射的毫米波从当前的卡车下方间隙出处穿越过去。他们低估了毫米波雷达设计者们的智慧……事实上，根据Musk本人的Tweet（见上图）来看，情况恰恰相反: 雷达精确的测算了出了前方有一个巨大的障碍物。 但是，因为卡车过大的反射面积以及过高的车身。从毫米波雷达的角度来看，它更像是一个悬挂在道路上方的交通指示牌。于是，毫米波雷达系统做出了决策: 尽管汽车前方有一个巨大的障碍物，但那是悬挂在控制的指示牌，可以安全通过。

4 、为何两个传感器会同时失效？

显然，特斯拉没有做好传感器融合的工作。视觉系统认为是一朵白云, 毫米波雷达认为是一个悬空的交通指示牌。两个传感器得出彼此矛盾的结论，但特斯拉的算法认为，尽管二者有矛盾的结果，但二者结果都是可以安全通过的，于是放心大胆的让汽车继续全速前进，悲剧就此发生。采这种融合算法的根源在于传感器无法保证高精度的识别，使得更高层的融合算法不得不采取某种折衷策略。

检测错误

5 、我们该如何避免类似的事故继续发生？

总结一下, 事故发生的几点原因在于：

1） 强烈的阳光照在白色车体上，让计算机视觉失去了提取纹理的功能；

2）巨大的白色色块与长焦摄像头，以及蓝色背景，让计算机视觉认为出现在前方是白色的云；

3） 过于巨大的反射面积，让毫米波误认为是广告牌或交通指示牌；

4） Tesla未能完善的传感器融合算法，让两个互相冲突的逻辑同时通过；

5） 车主过于相信Autopilot 系统，导致放弃了对车身控制；

幸运的是，现有的技术条件下，此类事故完全可以避免: 如果增加一个广角摄像头，采集到了车头的信息；如果毫米波雷达测量更精确，或者在前方安装了多个雷达，做雷达网络融合；如果特斯拉的传感器融合技术考虑的更全面；如果安装了冗余的激光雷达; 如果大卡车有法规规定，强制进行涂漆装饰。这起事故都可以被避免。

同时，作为国内毫米波雷达研发人员，我们也已经得知:

1）事发前Mobileye开发的下一代的计算机视觉已经加上了广角镜头，将更多的信息囊括进来；

2）新一代的毫米波雷达系统将具有更高精度的识别和反应时间。

3）毫米波雷达成本的迅速下降，也将使五个毫米波雷达（一个77G长距离雷达，加上4个短距离雷达）成为标配，而不是现在Tesla现在这样使用单个远程77G雷达。

我们有理由相信，随着技术的进步，类似的事故发生概率会被逐渐降低。但在此之前，是一个人工智能和手动驾驶长期磨合的过程，仍需要驾驶员全神贯注地参与汽车的驾驶。