[首發(fā)于智駕最前沿微信公眾號(hào)]在自動(dòng)駕駛領(lǐng)域，純視覺路線逐漸獲得了一部分從業(yè)者和研究者的認(rèn)可與支持。隨著雙目乃至三目攝像頭方案的應(yīng)用，通過視差計(jì)算、結(jié)構(gòu)約束和算法建模，攝像頭已經(jīng)具備了一定程度的深度感知能力，使其在自動(dòng)駕駛感知系統(tǒng)中的應(yīng)用場景不斷擴(kuò)展。

正因如此，很多人習(xí)慣將純視覺自動(dòng)駕駛類比為“人眼駕駛”。但從生物視覺的角度來看，人眼本身會(huì)受到生理?xiàng)l件限制，存在近視等視力問題，那么基于攝像頭的純視覺自動(dòng)駕駛系統(tǒng)，是否也會(huì)出現(xiàn)類似“近視”的情況？

什么叫“純視覺自動(dòng)駕駛”

所謂的純視覺自動(dòng)駕駛，就是車輛主要靠攝像頭來“看世界”，這些攝像頭就像機(jī)器的眼睛一樣，把路上的畫面、車道、行人、障礙物等信息傳給自動(dòng)駕駛系統(tǒng)，自動(dòng)駕駛系統(tǒng)再根據(jù)這些圖像來判斷、規(guī)劃和控制車輛。相較于傳感器融合方案，純視覺因其成本較低、更接近人眼“看”路，獲得了一大批廠商的支持。

從純視覺自動(dòng)駕駛的原理上看，好像它的工作原理與人眼看世界的原理很接近，這時(shí)候一定會(huì)有人好奇，既然機(jī)器視覺和人類視覺這么接近，那機(jī)器視覺會(huì)不會(huì)像人眼一樣有近視的問題？或者說，會(huì)不會(huì)在某些場景下表現(xiàn)得像近視眼一樣，看不清遠(yuǎn)處或者看不清細(xì)節(jié)？要回答這個(gè)問題，得先搞清楚人眼的結(jié)構(gòu)和機(jī)器視覺的差別。

人眼的視覺的工作原理與攝像頭工作，還是純在明顯差別的，甚至復(fù)雜很多。人眼內(nèi)部有晶狀體、視網(wǎng)膜等復(fù)雜結(jié)構(gòu)，通過肌肉調(diào)節(jié)焦距，從而實(shí)現(xiàn)對不同距離的物體成像。如果焦距調(diào)節(jié)不好就會(huì)出現(xiàn)近視、遠(yuǎn)視等問題。眼睛把二維光線信息傳給大腦，大腦再進(jìn)行重建和理解，最終才形成我們看見和理解的世界。

汽車上的攝像頭其實(shí)更像一個(gè)固定焦距的相機(jī)，它往前裝著，用鏡頭和傳感器把光學(xué)圖像轉(zhuǎn)成數(shù)字信號(hào)。這個(gè)信號(hào)傳到自動(dòng)駕駛系統(tǒng)中后，經(jīng)算法處理成對周圍環(huán)境的理解。這里沒有天然的“調(diào)節(jié)焦距”的機(jī)制，也不像人類視覺能根據(jù)經(jīng)驗(yàn)、注意力和其他感覺融合信息，它只是把圖像“看”進(jìn)去然后通過算法去處理這些像素。

機(jī)器視覺真的像人眼嗎？

機(jī)器視覺和人眼其實(shí)不是一回事。人類的視覺系統(tǒng)包括眼睛和大腦兩個(gè)部分，眼睛可以調(diào)焦，能在光線復(fù)雜的情況下靈活適應(yīng)，還會(huì)用經(jīng)驗(yàn)和常識(shí)來推理。而機(jī)器視覺的“眼睛”只是單純的圖像采集器，它的深度感知、物體識(shí)別、距離估計(jì)全靠算法來做。單個(gè)攝像頭本身不能直接給出深度信息，因此很多純視覺自動(dòng)駕駛系統(tǒng)要靠算法估計(jì)距離，或者用多攝像頭、立體視覺等方式進(jìn)行間接補(bǔ)充。

如果機(jī)器視覺看不清，不是因?yàn)椤把劬暋?，而是因?yàn)閿z像頭本身的物理局限和算法判斷能力出現(xiàn)了問題。如在光線很弱或者很強(qiáng)的情況下，攝像頭采集的畫面會(huì)有噪點(diǎn)或者過曝，這會(huì)影響后面的感知算法對物體的識(shí)別和定位。沒有深度傳感器或者高精度地圖等輔助信息時(shí)，算法在某些復(fù)雜場景下的表現(xiàn)就會(huì)像人眼近視一樣，看不清楚東西。這有點(diǎn)類似人眼視覺疲勞時(shí)看不清細(xì)節(jié)的感覺，但本質(zhì)上不是生理近視，而是技術(shù)局限。

人眼能夠快速地判斷物體距離、速度、判斷光影變化、甚至在糟糕環(huán)境下還可以憑經(jīng)驗(yàn)推測前方情況，而純視覺系統(tǒng)則要依靠算法從二維圖像里估計(jì)三維信息，這里面會(huì)有誤差和不確定性。這種不確定性可能在某些場景下表現(xiàn)得模糊不清、難以判斷甚至錯(cuò)判，從用戶的角度看起來，還真就有點(diǎn)像近視時(shí)看遠(yuǎn)處一樣。

純視覺在什么情況下會(huì)出現(xiàn)“近視”

純視覺自動(dòng)駕駛在強(qiáng)光直射、逆光、夜間弱光或者霧霾天氣下，攝像頭看到的畫面質(zhì)量會(huì)急劇下降。畫面質(zhì)量差了，后面的算法判斷也會(huì)跟著變糟，可能識(shí)別不出遠(yuǎn)處的障礙物或者錯(cuò)誤估計(jì)距離。這樣的情況在某種程度上和一個(gè)近視的人在沒有戴眼鏡時(shí)看遠(yuǎn)處模糊的體驗(yàn)有點(diǎn)相似。

同樣的，在沒有高精度地圖、沒有輔助雷達(dá)或者激光雷達(dá)等傳感器時(shí)，純視覺系統(tǒng)對于復(fù)雜街道、快速變化的交通狀況的應(yīng)對能力也會(huì)下降。在這些長尾的極端場景下，單靠攝像頭不一定能穩(wěn)定地判斷情況，這本質(zhì)上不是近視，而是缺少可靠的深度感知和補(bǔ)充信息。

還有一點(diǎn)是算法本身的學(xué)習(xí)和泛化能力問題。深度學(xué)習(xí)模型是基于大量數(shù)據(jù)訓(xùn)練出來的，它能很好地處理常見場景，但對于一些罕見情況或者數(shù)據(jù)沒覆蓋到的情況，它的判斷可能會(huì)不穩(wěn)定。就像人類在突然下雨、大霧或者隧道驟變光線時(shí)，會(huì)憑借經(jīng)驗(yàn)和其他感覺（聽覺、空間記憶）輔助下做出判斷，而純視覺系統(tǒng)只能根據(jù)畫面數(shù)據(jù)來判斷，這就增加了誤判的風(fēng)險(xiǎn)。

機(jī)器視覺的“限制”能不能被克服？

既然純視覺自動(dòng)駕駛純在諸多問題，那是否有可行的解決方案？其實(shí)從理論上來看，可通過技術(shù)升級(jí)逐步改善，但想完全像人眼一樣，其實(shí)很難。

現(xiàn)在很多自動(dòng)駕駛方案并不只用純視覺，而是融合了激光雷達(dá)、毫米波雷達(dá)等感知硬件與攝像頭一起感知，這樣在視覺弱的情況下，毫米波雷達(dá)和激光雷達(dá)可以補(bǔ)充距離信息及環(huán)境深度感知。這種融合方案比純視覺方案更穩(wěn)定。

在算法上，深度學(xué)習(xí)、三維重建、視覺深度估計(jì)等技術(shù)都在不斷進(jìn)步，現(xiàn)在很多純視覺系統(tǒng)可以通過軟件升級(jí)提升對復(fù)雜場景的理解能力。像是視覺深度估計(jì)算法，可以從單目圖像推斷出距離信息，或者通過多攝像頭構(gòu)成立體視覺來獲取更準(zhǔn)確的深度。

還有一些新方法嘗試?yán)貌煌ǘ蔚墓鈱W(xué)信息來補(bǔ)充攝像頭的感知能力，并提高視覺感知在弱光或復(fù)雜光照條件下的穩(wěn)定性。一種典型的思路是將可見光與近紅外（Near-Infrared,NIR）光譜的數(shù)據(jù)融合在一起，這樣系統(tǒng)不僅能獲取攝像頭看到的圖像，還能利用近紅外光在低光或逆光情況下的成像優(yōu)勢，實(shí)現(xiàn)對場景中的物體和結(jié)構(gòu)進(jìn)行更全面的感知。

總之，純視覺自動(dòng)駕駛的感知能力確實(shí)會(huì)不斷提高。未來可能通過更強(qiáng)的算法、更高性能的攝像頭、更智能的數(shù)據(jù)融合手段，讓它在絕大多數(shù)路況下做到跟人類一樣甚至更好的感知效果。

最后的話

回到大家最關(guān)心的問題，純視覺自動(dòng)駕駛會(huì)不會(huì)像人眼一樣近視？答案是不會(huì)從生理上“近視”，因?yàn)闄C(jī)器的攝像頭本身沒有眼球那種可調(diào)焦結(jié)構(gòu)；它的感知局限也不是眼睛近視那樣的視覺模糊，而是技術(shù)層面處理復(fù)雜畫面和深度信息的難點(diǎn)。

但是在某些光照、天氣或者極端場景下，它的感知結(jié)果可能表現(xiàn)得像“近視”，但隨著算法、硬件和系統(tǒng)融合的進(jìn)步，這些問題將逐步改善，但要完全做到像人類視覺那樣靈活、全面，目前仍然有諸多難題需要突破。

審核編輯 黃宇