夜间场景，自动驾驶值得一说的「好故事」？

作者 | 苏珊珊

编辑 | 伍文靓

起跑的发令枪早已响起，但自动驾驶并非一次短跑比赛，而是一场拉锯式的马拉松赛事：越是赛程中途，投以关注的目光与掌声越是稀少。

事实上，无论是今年以来的量产落地预告，还是一众企业集体“转道”货运的尝试，都可看作是玩家们试图重新吸引资本与外界关注的方式。

只是，当越来越多玩家加入其中，相似的信号在业内被不断地重复释放，这或许就成了再乏味不过的“老调重弹”。

要想牢牢抓住他人的视线，源源不断的好故事与新噱头不可或缺。

面向夜间场景的自动驾驶技术和落地应用，会是下一个吗？

1

夜间自动驾驶背后的“大众”需求

自动驾驶技术面世以来，无数从业者都在不断重申的其中一项技术使命即是减少交通事故、提高道路安全性。

Waymo的一项研究曾指出，当前94%的碰撞事故都是由人为失误导致，而通过使用自动驾驶系统代替人类驾驶员可以有效改善道路安全。

而夜间作为车祸事故高发的驾驶场景，无疑对自动驾驶技术有着天然的、更加旺盛的需求。

虽然夜间道路的总体交通量相比白天有所减少，但司机因此开快车或酒驾的可能性也将随之上升。叠加上夜晚能见度低、司机夜间易疲劳等因素，驾驶员在此时更容易出现误判路况、瞌睡分神的状况，夜间行驶也就因此变得更为危险。

国外统计数据显示，虽然晚上的交通量相比白天减少了约60%，但事实上有40%的致命性车祸都发生在夜间。

另有数据显示，中国近年来每年都会发生将近20万起交通事故，其中60%均发生在夜间，造成的死亡人数占比达50%。

提升夜间行驶的安全性，迫在眉睫。而这自然也成了致力于提升道路安全性的自动驾驶系统必然绕不开的应用场景。

目前，一众自动驾驶玩家集中火力猛攻的货运、矿区、港口等细分落地场景，也已经涉及到了不同程度的夜间作业刚性需求。

2

夜间应用背后的“大”难题

夜间场景一直被业内视为自动驾驶技术突破的“老大难”。

其最大的障碍就在于，作为目前自动驾驶系统主要传感器之一的摄像头，在夜间的可靠性会大幅降低。

元戎启行CEO周光曾对新智驾表示：“夜间场景的技术限制主要体现在光线不足，摄像头捕捉的图像十分模糊，因此对车辆和行人等环境变化的感知会相对较难。”

基于这一原因，车灯的夜间照明功能也会对视觉传感器带来较大的影响。

世界人工智能专家Lance B. Eliot博士在一篇文章中提到，自动驾驶车辆的车前灯在夜间环境下变得尤为重要。若是前灯形状不佳或被灰尘、污垢等遮挡，就会对图像处理产生严重影响。同时车辆后部由于直接照明条件不佳，相关的图像捕捉工作也会是一个挑战。

此外，他还指出，夜间驾驶环境中，来自路灯、车灯或其他镜子一样易反光物体的光反射和光畸变也会影响传感器的视觉识别。

除了会影响实时行驶的感知识别，夜间环境还会在图像语义分割、模型训练等环节给自动驾驶技术的优化迭代带来难题。

具体来说，与白天的图像相比，夜间采集的图像将存在更大面积的深色或阴影部分。夜间环境下捕捉到的物体形状，或许会因为光线的原因，显得与白天完全不同。

Lance B. Eliot博士表示，这一现象会影响与物体检测相关的概率：一个在白天会被100%判定为轮椅的物体，到了晚上被识别为轮椅的可能性或许只有60%。

而到了神经网络的训练环节，这一矛盾或许会更加凸显。

上述分析文章指出，如果神经网络只采用白天的物体图片进行训练，那么到了夜间环境，这些物体很可能不会再被神经网络识别出来。

因此，“神经网络的训练需要将较暗环境中的物体包含在内，这一点非常重要。”

3

夜间场景并非“无懈可击”

事实上，针对以上技术难点，业内已经尝试过了多种不同的解决方案。

为了解决摄像头在夜间较为突出的成像模糊问题，不少自动驾驶公司都选择了自研相机模块，以解决图像分辨率低、信号灯颜色校正等问题。

正在推进夜间同城货运场景商业化落地的元戎启行，其自研的车载相机据称可提供多模式高精度时间同步、曝光控制、信号灯颜色校正等核心功能，能在夜间、隧道等光线较暗的场景下提供准确的信息和更丰富的图像。

而文远知行则在一次雨天晚高峰测试中提到，其自研的相机模块，可以根据环境的变化自动调整参数，从而在光线不足、雨水反光的情况下，完成对红绿灯、车灯等交通信号的识别。

除此之外，业内还普遍采用了多传感器融合的技术方案，即借助激光雷达、超声波雷达等其他传感器，与摄像头形成互补，以完成准确度更高的感知检测。

但即便是采用了多传感器融合的办法，自动驾驶车辆夜间行驶的安全性能够因此提高多少，恐怕也没有确切的定论。

Uber路测无人车在2018年导致的一起致人死亡车祸事故就是其中一个例证。

据称，当时Uber的自动驾驶汽车已然搭载了包括摄像头、激光雷达、毫米波雷达在内的多个传感器，但在那场事故中这些优劣互补的组件似乎并没有起到关键作用。