对于被无人驾驶汽车(av)的前景所吸引的爱好者来说，一个已经很受欢迎的视频剪辑(如下所示) ，最初在 ces 上的 flir 展台上播放，应该是一个唤醒电话。
AV开发人员在自动驾驶系统上取得的进步，让我们完全有理由受到鼓励。自动驾驶系统可以保证司机的安全，但是任何一个对目前的自动驾驶技术过于着迷的人都应该点击下面的视频，这说明AVs在保证车外人员安全方面存在重大问题。
为什么ADAS的车辆，据说配备了行人进行检测系统自动控制紧急刹车（AEB），在一个中国封闭的过程中，割掉了自己一个企业又一个碰撞试验假人？
Flir是一家为汽车服务行业提供热系统成像进行相机的供应商，它利用AAA提供的视频教学片段制作了中国这个问题巧妙的剪辑。去年秋天，AAA对AEB进行了研究行人通过检测（AEB-P）测试。
ADAS 的目的是帮助驾驶员改善道路安全。但是，如果汽车制造商真的这么认为，他们应该把更多的钱放在他们需要的地方。安全和自主怎么样？"我同意Flir的观点，即行人安全应该是ADAS的首要任务，"Yole Dédéd开发公司首席分析师皮埃尔·坎布（Pierre Cambou）在一篇LinkedIn帖子中说，"我认为行人安全应该是ADAS的首要任务。
AAA发现了什么？
去年AAA进行的测试在ADAS车辆上，特别关注行人检测。测试结果导致AAA公布了毁灭性的结果。
剥开一层层的洋葱皮，我们就能理解为什么 aeb-p 功能，在当今的汽车中是如此的无效。
美国汽车协会进行了AEB-珀试验。去年秋季，2019年款的四款车:雪佛兰马里布及前身刹车，本田雅阁及本田诱导碰撞刹车系统，特斯拉3自动紧急刹车及丰田凯美瑞及丰田安全感。
以下是主要发现：
如果我们一辆测试车在白天以每小时20英里的速度横穿马路时遇到这样一名中国成年人，那么这辆车只有40%的时间可以避免撞到行人。更糟糕的是，如果进行测试通过车辆以每小时20英里的速度以及行驶时遇到问题一个教育孩子从两辆车中间冲进车流，那么对于这个发展孩子89%的时候可能会被钉死。在时速30英里时，没有得到一辆测试分析车辆避免了碰撞。
如果一个成年人在晚上过马路呢？没关系。行人检测系统被证明是无效的。
因此，美国汽车协会提出了一些建议，包括："永远不要依赖行人检测系统来避免碰撞。这些系统用作备份，而不是主要避免工具。"
碰撞警告与碰撞缓解
重要的是要注意碰撞警告和碰撞缓解系统之间的区别。警告系统将提醒驾驶员即将发生碰撞，但不会采取诸如踩刹车等规避措施。缓解系统将提醒驾驶员，如果没有采取行动，系统将踩下刹车，以避免或减轻碰撞的严重程度。
“缓解”是由AAA在“行人检测”测试中具体评估的。
对于任何一个外行人来说，看到 adas 的车不停下来让行人走，都是令人震惊的。虽然 aaa 的结果在新闻中被广泛报道，但 flir 的视频片段引发了人们对大量未解问题的新思考。
AAA测试的四款车都使用“摄像头+雷达系统组件”。考虑到学生这种方式组合，是什么影响因素分析导致AEB-P功能也是如此不一致？
- 问题是否来自成像传感器和/或雷达的分辨率不足？
- 或者它与传感器融合算法有关？
- 像Flir这样的一家公司提出了这样的想法：使用像他们这样的热成像传感器可以帮助车辆在夜间看到行人。我们对此毫不怀疑。但是，那么，这是一个问题，我们可以很容易地解决简单地添加另一个传感器（不同形态）的传感器上已经安装在这些ADAS汽车？
是什么让AEB-P如此难以实现？
VSI实验室的创始人和负责人Phil Magney告诉《EE时报》，“AEB是ADAS的基础，如果没有它，你甚至无法考虑进行自动驾驶。此外，它是所有ADAS功能中最重要的，是有可能挽救大多数生命的应用程序。”然而，Magney对AEB和AEB-P进行了关键区分。他强调，适应行人的AEB“比AEB难一个数量级”
那么，是什么让AEB如此难以做到呢？
专家们经常引用雷达的误报和图像传感器提供的有限视野。即使将雷达和摄像头结合起来，融合后的数据也只能对车辆周围环境有有限的了解。也许最重要的问题是成本。汽车制造商倾向于使用低成本的ADAS车辆传感器。考虑到大众市场的车辆预计将具有ADAS功能，汽车原始设备制造商不太可能在专用传感器（无论是激光雷达还是热成像）上进行更多投资，以降低aeb-p故障的可能性。
假阳性
马格尼指出，AEB是困难的，因为“在AEB的情况下假阳性本身可以导致致命的危险。”
马格尼解释说，雷达是AEB系统的关键组成部分，因为它可以测量碰撞时间。然而，雷达也可能发出虚假警报，例如，将停放的汽车误认为危险物体。“所以，为了限制误报，你必须过滤掉大量数据。你的雷达也有很多噪音，这也会导致误报，”他说。“这就是为什么当你的汽车有碰撞警告功能时，它会不时收到不寻常的碰撞警告。”
在AEB的一般研究背景下，Magney解释说：“AEB-P大大提高了工作性能要求，因为我们现在你必须进行识别和跟踪路径中的人类。”他承认雷达正在逐渐变得可以更好，“但在信息处理以及人类社会问题时仍然存在缺乏学习信心，因此你通常会将其与相机结合。”
但事情是这样的。“虽然把相机和AEB-P的雷达技术连在我们一起是好的，但可能发展还不能够够好。”
在"马格尼"看来，"太多的环境条件限制了相机的性能，这导致目前AEB-P系统的性能不好。"
视野狭窄
Yole Dédeveloppement分析师坎布告诉《EE时报》，基于摄像头的AEB系统，或雷达或摄像头+雷达或摄像头+激光测距仪的成功，在安全方面是有据可查的。他指出，全世界“追尾事故和死亡人数减少了50%左右，总的来说，事故/死亡人数减少了10%到15%。”。
但当同样的 aeb 技术应用于行人检测时，看到车祸死亡人数减少10% 到15% 就不那么令人欣慰了。
当被问及为什么AEB-P难以实现时，贡布表示，问题在于第一代AEB系统中车辆前方“视野相对狭窄”。
这些第一代计算机系统可以使用的视觉处理器，如英特尔美孚EyQ3（通用、福特、大众）或东芝Visconti 2（丰田）。在谈到我们这些问题车辆进行相对比较狭窄的视野时，坎布说：“这是AEB系统工作无法通过理解比车辆前方发展情况以及更多的主要分析原因。”
坎布估计，第一代AEB系统已部署在约6%的道路车辆和30%的新车上。
但随着时间的推移，情况有望好转。
坎布说：“基于英特尔MobileEyeQ4或Visconti 4的下一代AEB系统将改进这一视野参数，通常会增加视野更广的摄像头。”
”我们还不知道三摄像头和单摄像头的安全优势，但应该会更好”
接下来是第三代AEB系统。贡布指出，这些将使用全方位摄像机。“这就是特斯拉将用它的全自动驾驶(FSD)电脑做的事情。Zenuity还为原始设备制造商提供了这种方法，”他补充道。“通过了解整个环境，AEB应该会随着时间的推移而改善。但问题是多快？”
AEB要保护以及行人不被ADAS汽车撞倒，必须应该怎么做？坎布怀疑，汽车产品制造商将需要进行监管研究机构的压力或公众的强烈社会抗议。
有效的AEB-P需要什么？
那么，需要什么让AEB始终如一地用于行人检测呢？
Flir显然在为AEB-P推销其热成像技术。该公司描述了一种能够提供“RGB相机和雷达的补充数据”的热相机负责汽车行业的工程总监，他说：“我们可以在夜间、阳光、前照灯眩光和雾气等具有挑战性的条件下检测行人。”Flir声称，它能看到比在黑暗中照亮的典型前照灯远四倍的距离。
与此同时，在国际消费电子展上，总部位于巴黎的初创公司申言展示了一段由一家未知的德国汽车制造商生产的视频剪辑。它将AEB系统与传统的基于框架的视觉摄像机和另一种事件驱动的摄像机进行了比较。视频显示，申言的摄像头在寻找行人方面一直得分很高。
约尔的 kamb 认为有三种方法攻击 aeb-p 屏障。
他指出，首先，“汽车制造商可以使用更多相同的数据和计算”。这是一种与MobileEye推出的EyeQ4和EyeQ5以及东芝推出的维斯康帝4和维斯康帝5并驾齐驱的方式。贡布说:“美元的含量大致维持在150美元左右，我们在等待摩尔定律的改善。”
第二，汽车制造商企业可以通过寻求“更好的数据，并且或多或少使用具有相同的计算。”Cambou说，这种教学方法是“由Flir、Prophesee和固态激光雷达技术公司发展倡导的。”他说，“缺点是一开始我们可能会贵一点。”但从网络营销管理角度分析来看，“这些人必须以目前的市场经济价格问题提供一个更好的系统。”
第三种方法是“更好的数据和更好的计算” ，肯布先生说。他称之为“一种新的范式”解释说这是将新的传感器和新的计算方法结合起来。我认为这是神经形态感知和计算机技术的未来。一些公司在传感器和计算机方面进行了创新... 我正在寻找将创新的高光谱激光雷达传感算法带入市场的远见卓识
弗利尔呢？
在目前可用的解决方案中，热敏相机很有希望。与普通的RGB摄像机相比，VSI实验室的Magney说：“热像仪在检测和分类行人方面要出色得多，因为分类是基于被摄体的热像特征，而不是可见光。”
但关于热敏相机，最常被问到的问题是成本。如果汽车制造商在ADAS车辆上增加了一个热摄像头，以实现有效的aeb-p，其成本是多少？”它将在数百美元的范围内，而不是数千美元-这就是激光雷达是什么样的，“弗利尔的波什告诉EE时报
虽然宝马、奥迪和其他公司已经在一些车型上设计了 flir 的热成像摄像头，但它们既不是为 aeb-p 设计的，也不是为 aeb-p 部署的。相反，他们晚上在路上做动物实验。对于 aeb-p 应用，红外探测器开发了一种新的热成像摄像机，其 vga 分辨率是现有热成像摄像机的四倍。
去年秋天，Flir的热感技术被一流的汽车供应商Veoner选中，与世界顶级汽车制造商签订四级自主汽车生产合同，合同定于2021年签订。
你能证明吗？
与Flir签约的VSI实验室一直致力于概念验证，以证明热感应在自动紧急制动中的优势。VSI实验室于2019年12月在底特律附近的美国机动中心进行了初步测试。
据马格尼介绍，VSI实验室的aeb-p测试模型使用德尔福ESR雷达和FLIR相机。”我们在这个测试中禁用了RGB。但是，我们必须集成来自can总线的其他传感器输入，如惯性、车轮转速、转向角、踏板位置等。这是编程AEB功能所必需的。”
马格尼除了声称行人最能探测到的无源传感器外，还提到人工智能对热像仪的影响。
“在VSI，我们已经证明了将人工智能应用于热图像捕获的能力优于传统的RGB相机，”他声称VSI实验室使用FLIR-ADK（Automotive Development Kit）数据集来训练其神经网络。他指出，该数据集包含约40000个带注释的热图像。他解释说，VSI还构建了AEB算法，然后在ACM上进行了大量测试。
马格尼总结道，一般来说，热感应摄像机更善于在光线昏暗、杂乱的环境中识别和分类行人。他补充说，热系统也检测到部分行人受阻。
此外，他说，“我们喜欢Flir的是他们的汽车开发套件，因为它使开发人员能够制作自己的检测算法。此外，Flir旗下的ADK也有牌照。
