自駕車被雨潑了個冷水

Tesla 執行長馬斯克曾說，他們打算在自動駕駛時只依靠攝影機來掌握前方的路況。Tesla 與所有其他汽車業者的做法大相逕庭。自駕系統大多仰賴攝影機、雷達及光達，合力演算出汽車路徑中的物體。之所以採用這種多重感測器方法，是因為認定只有靠多種感測器技術，才能找出導致特定感測技術產生混淆的情境。

有鑑於 Tesla 對攝影機感測的立場，讓我們看看在經過多年測試研究後，依然為自駕車感測器帶來麻煩的幾個問題，我相信會很有意思。首先是攝影機。汽車在山頂上面對夕陽，是汽車攝影機出狀況的經典例子。亮光會使駕駛人一時看不清，對攝影機來說也是如此。當汽車開下陰暗的山谷，攝影機也可能暫時看不見，需要時間適應相對陰暗的環境。

另外也有一些可能會混淆攝影機、但不會混淆其他感測器類型的「邊緣案例」。邊緣案例是人工智慧的專門術語，指機器學習演算法還沒在現實生活中遇過的奇怪情況。其中一個可能擾亂攝影機感測器的經典邊緣案例，就是卡車後方風景圖畫。位於卡車後方的汽車攝影機，可能無法判斷眼前的風景只是一幅畫。

這種只使用相機技術所產生的麻煩，也許有方法能避開，為各式設備增添紅外線攝影機可能有助於解決問題。但攝影機及其他自駕感測器還會遇上另一個麻煩，那就是惡劣的天氣。

(圖片來源：Littelfuse)

光是在鏡頭上刻意地放上一滴水 (或一片雪花)，就可能使攝影機失去作用。即使雨滴未擊中鏡頭，還是有可能使影像和訊框產生強度變化，使障礙物辨識過程變得更複雜。尤其，每滴雨水會阻擋所見之物反射的一些光線。雨紋也會降低景象的整體對比度。幾年前密西根州立大學做過測試，研究人員發現在下小雨的時候，攝影機演算法無法偵測物體的比例高達 20%。雨勢較大時，視覺演算法無法偵測的比例竄升至 40%。

現今有除雨演算法能幫助攝影機式系統來偵測物體，但至今效果甚微。原因之一是：這些演算法主要是在合成的雨景中接受測試，實景比這些場景更複雜得多。

雷達和光達在穿透雨或雪方面各有其難處。原因不難理解。這兩種感測機制，都是憑藉物體的反射來定位和辨識前方物體。當從雨滴或雪花反射時，難以分辨雪和雨後方的物體。

事實上，小雨對光達無太大影響。但大雨可能會形成塊狀，光達感測器可能將其判讀為障礙物。而且根據測試顯示，暴雨後其他車輛噴出的水花，可能會產生偽光達目標。(也許雷雨天開上公路，跟在一輛 18 輪大卡車後面，就能體會是什麼滋味了。)雪也是如此。關於光達在雪中的表現的測試資料很少，但有跡象顯示，雪可能會使光達看不見物體或回傳錯誤。例如，芬蘭和瑞典的一項測試發現，當前車產生紛飛的白雪，可能會使光達讀數變成亂碼。

在雨中和雪中，雷達的效能勝過光達，而濕雪產生的問題似乎最多。面對潮濕的天氣，雷達最大的缺點似乎是較無法偵測雷達橫截面較小的物體，像是行人。

當然，自駕車在惡劣天氣下的感測能力還停留在研究階段。目前正在研究的方法是，使用兩個感測器來偵測物體，而不是一個。如果其中一個感測器未偵測到物體，但另一個感測器偵測到，系統將透過複雜的數學運算嘗試判定哪個正確。我們認為汽車製造商可能不會為這種設計感到興奮，因為這會增加汽車的感測器數量，但也有其他方法正受到矚目。

最終，無論何種天氣型態，汽車製造商也許都能找到自己的方向。至少對汽車來說，未來可能還是那句老話的改編：沒有壞天氣，只有多樣化的行車天氣。