自动驾驶想要适应中国国情需要解决哪些问题？

这里的中国国情我理解是中国的道路环境、交通参与者的丰富度要比世界大多数国家都要复杂（不包括印度）。

但其实阻碍自动驾驶落地的因素还远未到需要考虑中国国情的地步，一些世界共性问题都不能克服，比如恶劣天气。

这里的“恶劣天气”指的是不利于自动驾驶传感器使用的天气，并非气候学上定义的恶劣天气，两者有一定重叠但不完全一致。已知的不利于自动驾驶传感器使用的“恶劣天气”包括，雨、雪、雾、雾霾、沙尘暴、强光、全黑等。

目前尚未诞生出一种可以胜任全天时、全气候的全能传感器，多传感器深度融合又多处在实验室验证及企业宣称的PPT中。因此，“恶劣天气”必将长期以及深远影响自动驾驶的量产落地。

一、激光雷达

激光雷达采用近红外光（常用905nm和1050nm波长）作为探测媒介，而近红外光在大气传播过程中会发生功率衰减，面对雨、雪、雾等“恶劣天气”时具有天生怯场的弱点。在“恶劣天气”使用激光雷达，不仅大幅降低产品性能、还极易上演“烽火戏诸侯”的“虚假障碍物”故事。

（1）雨

当激光脉冲打到雨滴上时，部分发生散射，部分穿过雨滴，而部分穿过雨滴的激光脉冲会发生较大比例的功率衰减。相关人员通过对不同大小雨滴进行测试后发现，中、小雨滴造成的激光脉冲功率衰减不足以影响雨滴后面物体的测量，通过多次回波算法可以过滤掉雨滴散射后的回波脉冲。

但是当雨足够大，足够密，足够乱时，雨滴之间相互撞击会形成团状雾。激光脉冲打到团状雾后，相比中、小雨天气，反射的回波脉冲能量会变强，穿过雨滴的脉冲能量会变小，这极易导致激光雷达将其识别为虚假障碍物。团状雾导致的虚假障碍物，目前很难从算法端过滤，这也是影响激光雷达在大雨中使用的最大阻碍。

相比于中、小雨下通过多次回波过滤雨滴散射信号这种直捣黄龙的解决方案，在容易形成团状雾的暴雨中，我们可以采取一种曲线救国的方案。自动驾驶车辆实时感知降雨大小，并实时判断是否超过内部设定的降雨影响的阈值。一旦超过这个的阈值，自动驾驶车辆可以降低对对激光雷达感知结果的信任度，提高更能胜任雨天传感器感知结果的置信度。当然、雨量感知与阈值设定可能会是一个更难克服的工程难题。

（2）雪

雪是由大量白色不透明冰晶（雪晶）和其聚合物（雪团）组成，一种反射率在30%~90%的固体。因此，打到雪花上的激光脉冲绝大部分将被反射回去，雪花也被扎扎实实的识别为一个虚假障碍物。在从天而降或疾风卷起的雪花天气下，激光无能为力。

除了会形成虚假障碍物之外，在下雪这种极冷天气（<-20℃）下，激光雷达探测器的Dead Time（《激光雷达，揭开面具下的“丑陋”》详细介绍了Dead Time概念）将会增加6.8ns，这将导致盲区增加1m多，这在传感器布局设计时需要充分考虑。

（3）雾

雾是由悬浮在近地面空气中微小水滴或冰晶组成，会以更加均匀的方式影响雷达感知。当前905nm波长的激光雷达穿透雾的能力依旧有限，但是被寄予厚望的1550nm波长的激光雷达，由于可以提高几十倍的发射功率，被认为是雾天的希望之星，但是1550nm激光脉冲遇水即被吸收的特性，是其为何功率这么高还对人眼安全的关键，但也可能是其突破“恶劣天气”道路上的最大障碍。

（4）小结

面对雨、雾、雪等“恶劣天气”，回波处理是目前已经在应用的技术，而且在部分产品中也已展示了良好的效果。另外一个更神奇的技术，波形识别，也已在路上。激光脉冲回波信号中若能携带目标波形，并通过波形的唯一性来判断检测到的是雨、雪、雾还是我们关心的物体，这可能是未来研究的主攻方向。

二、感知相机

所见即所得，这是对人眼和感知相机最形象的描述。如果再为其插上事件触发和ROI（Region of Interest）的翅膀，其在感知世界的江山将更加稳固。

雨、雪、雾等“恶劣天气”对相机成像的影响相似，都将影响成像的清晰度、分辨率、饱和度等参数。因此，算法上的去雨、去雪、去雾，成为相机在“恶劣天气”下提升感知能力的重点突破方向。各种深度学习算法层出不穷，都在一定限制条件下起到一定的作用，但离上路还有漫长的一条路要走。除了相似的影响，雨、雪等还会产生一些特殊的影响。

（1）雨

但是一滴粘在相机镜头上的雨滴，会如一颗老鼠屎，无论你是200万像素的“粥”，还是800万像素的“粥”，都将难以食用。镜头上的物理除雨技术，已经引起各企业足够关注，相机镜头的“洗烘”套餐更是五花八门。

（2）雪

对于附着在镜头上的雪花来说，可能比附着在镜头上的雨滴产生更严重的影响。雪花沾上镜头后，部分融化成水，产生和雨滴遮挡类似的效果。但在寒冷的冬天，融化后的水可能会迅速在镜头上结成冰，从而相机视线上形成一个长久的不透明的障碍物。除雨的“洗烘”套装上加上一个“热吹风”功能，可能更适合雪天。

此外，当雪开始在路面积聚遮挡车道线时，基于车道线的的定位、可通行区域判断将会失效。

三、毫米波雷达

毫米波雷达采用毫米波（波长在1~10mm区间，频率在 24~300GHz区间，常用24GHz和77GHz频段）作为探测媒介，而毫米波在传播过程受环境影响较小，具有天生的雨、雪、雾等穿透能力，使其成为辅助驾驶功能不可或缺的核心传感器之一。而其饱受批评的分辨率低的缺陷，正在由一种叫做4D毫米波雷达的产品改善。4D毫米波，有潜力继激光雷达之后成为收割自动驾驶韭菜第二快的刀。