復雜氣象條件對自動駕駛汽車行駛安全的影響研究

何俊南 王雪穎 李偉 董曉菲 吳昊

中國汽車技術研究中心有限公司 天津市 300300

1 引言

隨著汽車智能化、網聯化的進度不斷加快，自動駕駛汽車已成為未來汽車行業的重要發展方向，對汽車產業的變革具有關鍵作用。自動駕駛汽車作為一種新興技術，需要具有公眾認可的安全水平，這是走向商業化應用必須要跨越的阻礙。尤其是在復雜的氣象條件下，自動駕駛汽車行駛的環境狀況相較于常規天氣更加惡劣，導致事故發生的風險更高，面臨的技術挑戰更大。

復雜氣象條件，是指降雨、降雪、霧霾、沙塵和強光等不利于自動駕駛汽車傳感器正常工作的天氣或環境。目前，尚無可以勝任全氣候條件的環境傳感器，且多種傳感器融合的技術并不成熟，導致“復雜氣象”將長期影響自動駕駛汽車的落地應用。本文針對于此，總結復雜氣象條件對自動駕駛汽車環境感知系統的影響，并討論潛在的解決方案。

2 環境感知系統

自動駕駛汽車的環境感知系統利用外部傳感器采集道路狀況和天氣狀況，為自動駕駛汽車的安全行駛提供可靠的決策依據。目前，現有的車載傳感器主要包括激光雷達、毫米波雷達、超聲波雷達和攝像頭等。

2.1 激光雷達

激光雷達是工作在光波頻段的雷達，它利用光波頻段的電磁波先向目標發射探測信號，然后將其接收到的同波信號與發射信號相比較，從而獲得目標的位置（距離、方位和高度）、運動狀態（速度、姿態）等信息，實現對目標的探測、跟蹤和識別。激光雷達探測范圍廣、分辨率高、信息量豐富，可探測路面場景中的其他車輛、行人和障礙物等，但不能識別交通標志和交通信號燈，多用于行人保護系統、自適應巡航控制系統、車道偏離預警系統、自動緊急制動系統等。

圖1 激光雷達

2.2 毫米波雷達

毫米波是指長度為1-10mm的電磁波，對應的頻率為30-300GHz，毫米波雷達的基本原理是發射一束電磁波，觀察回波與入射波的差異來計算距離、速度等。毫米波雷達探測距離遠，響應速度快，抗干擾能力強，但是覆蓋區域呈扇形，有盲點區域，無法識別交通標志和交通信號燈，主要用于自適應巡航控制系統、自動制動輔助系統、盲區監測系統等。

圖2 毫米波雷達

2.3 超聲波雷達

超聲波雷達利用聲波的傳播來提取環境信息，首先發出高頻聲波，并且接收物體反射來的回波，最后計算從發送信號到收到回波的時間間隔，從而確定物體的距離。超聲波雷達的成本較低，重量輕，功耗低，但是探測距離較近，有盲區，對色彩、光照度不敏感，對光線和電磁場不敏感，最常見的是用在自動泊車輔助系統。

圖3 超聲波雷達

2.4 攝像頭

攝像頭主要由鏡頭、圖像傳感器、模/數轉換器、圖像處理器、圖像存儲器等組成，其主要功能是獲取足夠的機器視覺系統要處理的原始圖像。光線經過光學鏡頭和濾光片后聚焦到傳感器上，通過轉換器將光信號轉換成電信號，再由圖像處理器轉換成標準格式的數字圖像信號，傳輸到計算機端。攝像頭感知信息量極為豐富，不僅包含有視野內物體的距離信息，還有該物體的顏色、紋理、深度、形狀等信息，并且可進行多任務檢測。攝像頭包括單目、雙目、三目、環視等類型，主要用來識別車道線、障礙物、交通標志牌、地面標志、和交通信號燈等。

圖4 攝像頭

3 復雜氣象條件

自動駕駛汽車的行駛場景包括車輛自身要素和外部交通環境要素兩大部分，外部交通環境要素涵蓋：靜態環境要素、動態環境要素、交通參與者要素、氣象要素等。其中，氣象要素包括行駛過程中的環境溫度、光照條件以及天氣情況等信息。

3.1 降雨天氣

降雨是指在大氣中冷凝的水汽，以不同方式下降到地球表面的天氣現象。降雨的形成原理是因地球上的水受到太陽光的照射后，變成水蒸氣被蒸發到空氣中，水汽在高空遇到冷空氣便凝聚成小水滴，小水滴經過凝結和凝華，降落到地面形成雨。根據降水量，降雨天氣有明確的等級劃分：微量降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨。

圖5 降雨天氣

3.2 降雪天氣

降雪是降水形式的一種，是從云中降落的結晶狀固體冰，常以雪花的形式存在。降雪的形成原理是大氣中的水蒸氣直接凝華或水滴直接凝固而成，云中的低溫使得水蒸氣結成冰晶，當氣溫夠低時，冰晶落到地面形成雪花。因為氣溫和濕度不同，形成的雪花有多種形狀和大小。根據降水量，降雪天氣有明確的等級劃分：微量降雪、小雪、中雪、大雪、暴雪、大暴雪和特大暴雪。

圖6 降雪天氣

3.3 霧霾天氣

“霧霾”由霧和霾組合而成。霧的主要成分是水，它是由于接近地面的空氣冷卻到一定程度時水和氣體凝結，形成極其細微的水滴懸浮于空中，能見度受到影響，這種現象稱為“霧”；霾的主要成分是固體灰塵，即漂浮在空氣中的顆粒直徑在1-2.5um之間的微小顆粒物。“霧霾天氣”指的是一種污染嚴重的災害性天氣，導致空氣的透明度和能見度均降低。

3.4 沙塵天氣

沙塵天氣是指大風將地面塵土、沙粒卷入空中，使空氣混濁、能見度低的一種天氣現象。北方的春季氣候干燥、降水較少，且植被覆蓋量較少，土壤表層干燥疏松，故抗風蝕能力很弱，當有大風刮過，就會將松散土壤中的大量沙塵卷入空中，形成沙塵天氣。根據水平能見度，沙塵天氣有明確的等級劃分：浮塵、揚沙、沙塵暴、強沙塵暴和特強沙塵暴。

圖8 沙塵天氣

3.5 強光環境

強光環境是一種特殊的天氣現象，光源為直接來自太陽的強光或間接的人造強光。其中，直接來自太陽的強光通常為直射的太陽光線，常發于夏季或清晨；間接的人造強光包括白天陽光直射路面、金屬或玻璃時產生的刺眼光線，以及晚上突如其來的汽車大燈燈光。強光會嚴重阻礙和刺激駕駛員的視線，加劇眼睛疲勞，影響其對路況的判斷，從而引發駕駛事故。

圖9 強光環境

4 復雜氣象對車輛的影響

復雜氣象條件對自動駕駛汽車的安全行駛帶來的干擾因素可歸納為：氣溫變化、路面變化和可視性變化。

4.1 氣溫變化

高溫和低溫環境均會影響傳感器的工作特性，尤其當使用環境超出設計溫度時，傳感器精度降低，并會受到暫時或永久性的損害，因此對于傳感器的溫度適應性能和耐久性能均提出了更高的要求。此外，低溫環境下外置傳感器外表面上易出現結霜或結冰的現象，導致傳感器無法正常工作。

4.2 路面變化

降雨天氣會造成路面濕滑、積水，降雪天氣會造成路面積雪、結冰，均會導致路面的附著系數大幅降低，對車輛的操控性能和制動性能有很大影響。目前，自動駕駛汽車的環境感知系統并不能捕捉路面信息，無法有效應對可能出現的輪胎打滑、制動距離增加等情況。此外，降雨天氣和降雪天氣產生的雨、雪、冰均會覆蓋車道線等路面引導標志，造成雷達傳感器和視覺傳感器識別困難，并且路面上產生的反射會使視覺傳感器發生認知混淆、物體誤判等情況。

4.3 可視化變化

降雨天氣、降雪天氣、霧霾天氣、沙塵天氣和強光環境等復雜的氣象條件嚴重降低了環境的可視性，給自動駕駛汽車行駛安全造成極大的困難。視覺傳感器受上述天氣影響最大，降落物（雨、雪）或漂浮物（霧霾、沙塵）會遮擋攝像頭的視線，導致不能正確感知行駛環境。此外，當降雨的水滴或由雪花融化的水滴附著在攝像頭上，會對光圈孔徑造成嚴重影響，造成視野遮蔽或背景虛化等現象。強光環境會使攝像頭的可見度降低到幾乎為零，造成汽車“失明”。雷達傳感器也會因上述天氣而受限，發射的信號如光脈沖遇到降落物或漂浮物會反射回來，信號透過率隨著降落物或漂浮物密度以及傳輸距離的增加而下降，甚至會把降落物或漂浮物誤認為是需要躲避的物體，干擾自動駕駛汽車對周圍環境的正確判斷。強光環境會使雷達傳感器不能有效識別目標物如車道線、標志牌等。

5 解決方案討論

隨著自動駕駛汽車技術的發展，相關機構已經開始著手探索應對復雜氣象條件的方案，分別從多種傳感器融合和環境感知算法優化兩個角度出發，以增強環境感知系統的性能。

5.1 多傳感器融合

在復雜的氣象環境中，單憑某一種傳感器并不能保證自動駕駛汽車的行駛安全，故需要多種類型的傳感器同步融合工作，以提升感知強度，從而獲得最佳性能。多傳感器融合技術就像人的大腦綜合處理信息一樣，利用計算機技術將來自多種傳感器的氣象環境信息和數據，進行多層次、多空間的信息互補和優化組合處理，可顯著提高系統的冗余度和容錯性，從而保證決策的準確性、快速性和可靠性。例如，梅賽德斯-奔馳公司提出了一種深度多模態傳感器融合策略，該策略需配備立體視覺攝像機、激光雷達、近紅外門控攝像機、遠紅外熱照相機和道路摩擦傳感器等。實車測試結果表明：在霧天條件下，該策略對環境的檢測性能明顯優于激光雷達或攝像頭。

但是，由于多種傳感器的融合使用，需要處理的數據量激增，快速、準確地過濾無用或錯誤數據，并處理有效數據，對車輛最終做出正確的決策十分關鍵。目前，多傳感器融合在硬件層面并不難實現，其重點和難點在于數據處理的算法，常用的理論方法包括貝葉斯準則法、卡爾曼濾波法、模糊集理論法和人工神經網絡法等，具有很高的技術壁壘。

5.2 感知算法優化

環境感知算法是自動駕駛汽車關鍵和共性技術之一，目前大多數算法對復雜氣象條件的適應性較低，故需通過優化環境感知算法，降低干擾因素的影響，從而提高感知準確度。

密歇根州立大學研究提出量化降雨量引起的激光雷達性能變化，設置降雨影響的閾值，生成降雨量和傳感器性能之間的定量方程，獲得不同降雨量下激光雷達的性能水平，此舉有助于簡化決策過程。Pfennigbauer等提出一種在霧霾天氣下對激光雷達進行在線波形處理的想法，由激光雷達記錄的目標波形來識別被檢測目標性質，計算振幅衰減速率來判斷霧的密度，從而對能見度距離進行分類，過濾掉不屬于該范圍的假目標。復雜氣象條件下由攝像頭采集到的圖像會發生退化，如模糊、低對比度和顏色失真等，Sakaridis等在計算機視覺領域進行深入研究，提出通過場景訓練和深度學習，增強圖像的對比度和飽和度，可進行雨滴、雪花、霧霾和沙塵等干擾物的檢測和清除，恢復有效的圖像特征。目前，專門針對強光環境的解決方案比較有限，在計算機視覺領域，借助吸收效應和照片曝光校正技術等，有望解決該類問題。

6 結語

目前，在復雜氣象條件下實現自動駕駛還有很多未知的盲區，需要從業者繼續探索和研究。多種傳感器融合技術的成熟發展可以彌補單傳感器環境感知時存在的不足，環境感知算法的不斷優化升級可以增強感知與決策的準確性。二者相輔相成，自動駕駛汽車必將逐漸開展復雜氣象條件下的專項測試，這也是檢驗自動駕駛汽車是否具備“全氣候”上路能力的必經之路。