离无人驾驶就只差一个红外相机

对生命的敬畏恰恰是科技进步较大的动力。愿所有为科学献身的灵魂都能得到安息。

无人驾驶“又”闯祸了

美国东部时间3月19日晚，一辆 Uber自动驾驶汽车在亚利桑那州坦佩市的公共道路上与一名行人相撞，该行人在送往医院后不治身亡。

▲美国媒体发布的车祸现场照片。

警方在一份声明中称：当时该车辆正往北行驶，一名女性在人行道外穿过一条四车道道路时被它撞倒。基于受害人是从阴影中突然出现在马路上的，很明显，在任何一种模式（无人驾驶或人为驾驶）下，都很难避免这种碰撞。

这起意外事故将不仅影响 Uber 的自动驾驶计划，还将影响到整个无人驾驶行业最终发布能在公共道路上行驶的无人汽车计划。

这则新闻将无人驾驶技术再次推向热搜。

无人驾驶 想说爱你不容易

目前，国际上自动驾驶环境感知的技术路线主要有两种：一种是以特斯拉为代表的毫米波雷达主导的多传感器融合方案，另一种以高成本激光雷达为主导，典型代表如谷歌 Waymo。

特斯拉的无人驾驶方案以毫米波雷达+可见光摄像头为主，最开始有MobileEye的参与，以可见光摄像头为主，毫米波雷达作为辅助。出现撞卡车事件后，Tesla改为毫米波雷达为主，可见光摄像头为辅。

▲视觉主导+多传感器融合的Tesla显示屏界面。

谷歌的方案基本上是以激光雷达为主，毫米波雷达为辅，可见光摄像头几乎不参与。谷歌似乎对可见光摄像头一直不感冒，即使涉及到物体行为识别，谷歌仍倾向于用三维激光雷达。

▲激光雷达主导+多传感器融合的Google无人驾驶汽车。

从上面我们可以看出目前市面上主流的前向路况检测主要依靠以下三种传感器：毫米波雷达、激光雷达以及可见光摄像头，且只是其中两个传感器融合。

目前主流的针对前向的传感器融合方案都有一个显著的缺点：在恶劣天气情况下，只有毫米波雷达一个单传感器可以起到作用，而毫米波雷达自身又难以识别行人。故现有技术方案只能在正常天气下工作，在恶劣天气环境下（特别是光线不好的情况）会对路上行人的生命会造成较大的威胁。

而激光雷达的缺点更加显著：贵！动辄一辆豪华SUV的售价可不是什么家庭都能接受的起的。

所以面对这种既要能在夜晚和恶劣的天气情况下，解决视觉和行人识别的问题。看似无人驾驶未能找到解决方案，但其实我们忽略了夜视传感器中的长波红外相机。长波红外只考虑观测主体与环境之间温度差，而不受光线情况影响。最关键的是，它还很便宜！

▲无人驾驶传感器层面的“最后一块拼图”——长波红外成像

神奇的长波测温成像

经过实际测试，长波红外相机在恶劣天气、低光照、远光对照条件下的成像效果远超想像。

▲低光照环境下，道路整个一片漆黑。可是在长波红外相机的帮助下，近处的行人、对向的车辆、远处的建筑一切清晰了然。

▲碰见远光狗了怎么办？长波红外相机可以将它打回原形。道路形状及边界、旁边的行人、对向来车以及远处的建筑依然清晰可分辨。

▲恶劣天气下，长波红外相机继续给力，离老远就能发现道路上的行人，给后续行动留下充足的反应时间。

数十年以来，基于中长波传感器制造的各种红外相机一直广泛服务于各种人类、车辆、动物的热辐射探测中，带有温度的目标会在背景环境中凸显。

目前对于长波红外芯片而言，我们将其区分为普通非制冷型长波微测辐射热计芯片，以及更加独特的制冷型长波芯片。

非制冷型长波微测辐射热计芯片是一种专用于测温的热度传感器，通常每个像素都有一个电阻器。当热射红外辐射时，电阻器结构会被加热，其电阻值就会根据热辐射的程度而变化。然后对每个像素中的阻值变化进行测量和处理，一副热度的图像就出来了。

这种芯片通常使用非晶硅（a-Si）或者氧化钒（Vox）制造，并且在结构设计上进行一定的优化，以便芯片在8-14μm波段范围内拥有较好灵敏度。

▲比利时XenICs出品的Gobi系列长波红外相机，640×480分辨率，50Hz高帧频，17μm大像元，49×49×79mm紧凑型机身，仅重263g，功耗最低可＜2w，GigE/CameraLink接口可选，且价格实惠，实在是不能再适合了！

▲在这样神奇的长波红外相机帮助下，既可以输出可供人眼观察的视频图像，又可以输出供车辆、报警设备使用的触发信号，简直是无人驾驶技术提升的又一块阶梯！