对所有自动驾驶汽车工程师来说，首先要解决的一个问题就是如何对突然闯入预定行驶线路上的目标进行反应，包括一辆急停的汽车、行人甚至是一只鹿。自动驾驶系统需要尽早的发现这种意外状况，识别之后采取最恰当应对措施，包括减速、停止或转向等等。

Uber的自动驾驶测试车配备了多种不同的成像系统，既可以完成像监视附近汽车、标志和道路标记等常规任务，还可以完成一些特殊的职责。为了躲避行人和车辆，Uber目前共有四种不同的系统可以选择。

车顶激光雷达

这些被固定在汽车顶部的桶状物是一种激光雷达，或者叫做光探测距离系统。它可以在1秒钟之内生成汽车周围环境的3D影像图，激光雷达利用红外激光脉冲遇到物体反射后返回给传感器，无论是白天还是夜晚都可以对移动或静止状态的物体进行全面探测。

但大雪和浓雾可以影响激光雷达的有效距离，准确度也随着范围的扩大而降低。但在几英尺到几百英尺的距离内，它可以非常有效的检测到任何物体，并且它的成本不高，几乎在每一辆自动驾驶汽车上都能见到。

如果算法正确，激光雷达可以辨别出潜在的目标，只要不是被完全遮挡或在一百英尺之外即可。然后系统将数据传输回“大脑”，这个“大脑”负责整理生成的图像。

前置无线电波雷达

无线电波雷达与激光雷达一样，也是发出信号，然后等待它反射回来。但这种雷达使用的是无线电波而不是红外光线。因此电波雷达具备更好的抗干扰能力，因为无线电可以穿越雨雪和大雾，但相应图像分辨率和有效范围也随之降低。

Uber在汽车的前后都安装了这种无线电波雷达，能够提供360度的覆盖范围，但它的作用只是用来作为激光雷达的一种补充，两者的检测范围有很大的重叠，但无线电波雷达更多的是为识别其它车辆以及更大的障碍物而存在。

这种雷达不太容易辨别行人，但至少可以检测出前方出现了障碍物，证明激光雷达探测的目标是准确无误的。

长短距离光学摄像机

激光雷达和无线电波雷达在定位有形状的物体和目标时效果很好，但是对读取符号、标示和颜色方面就无能为力了。因此自动驾驶汽车还需要一种可视化的光学摄像机，来通过对画面上拍摄的内容进行实时而复杂的计算机视觉算法。

Uber自动驾驶汽车的摄像头可以识别前车的刹车灯、交通信号灯、穿越的行人等。尤其是在汽车前端，在不同角度安装了多种不同类型的摄像头，用来拍摄汽车行驶过程中完整的画面场景。

检测行人是计算机视觉系统要处理最常见的任务，目前这种算法已经非常完善，能够对画面上标识符号、树木、人行横道等元素进行分割。

因此，这种技术在晚上使用起来困难很大，尤其是与前两种雷达系统能够同时在白天和晚上工作相比。即使是在晚上，出现穿着黑色外套的行人，两套雷达系统依然能够检测出状况，然后警告系统应该减速，并且注意在前方出现的行人。这就是为什么在自动驾驶汽车上并不会见到我们熟悉的夜视系统，因为有雷达可以完成这部分的工作。

安全驾驶员

将一位驾驶员归类到自动驾驶系统中，看起来有些不可思议，但驾驶员却可以非常有效的发挥自己的作用，让自动驾驶系统更完善。通常来说，人类善于利用自己的感官发现目标，甚至是一些激光雷达都无法发现的障碍物。也许人类的反应不是最快最好的，但一旦自动驾驶系统不能做出反应或者是做出错误的反应，一位训练有素的安全驾驶员就会完成最正确的操作，化险为夷。

值得一提的是，整个系统还有一个中央计算单元，能够将这些输入的信息和资源进行汇总，构建出对汽车周围环境更完整的场景。比如一位行人在出现在传感器前面后突然消失，并不意味着危险解除。这超越了简单的对象识别技术，需要引入更广泛的智能算法，比如行为预测等。

而这也是自动驾驶系统最先进、最能与对手加以区分的部分，因此各个厂商对此部分技术一直持保密的态度。

目前我们还不清楚这场悲剧的具体原因，但Uber的自动驾驶汽车肯定配备了其中的一项或者多项技术，该技术原本应该用来检测行人、并且让汽车做出最恰当的反应。就算某个系统失效，还有另外一套系统应该发挥作用。如果系统多次失效，那么就加大了自动驾驶汽车在公共道路上测试的风险。（编译/音希）

来源：腾讯新闻