自行车难以被发现和预测。

无人驾驶汽车最擅长的是监测其他汽车,在注意行人、松鼠和鸟类方面也做得越来越好。而它最主要的困难是探测马路上那些最轻、最安静、转弯最急的车辆。

加州大学伯克利分校的研究工程师史蒂文•施多福(Steven Shladover)说:“自行车可能是无人驾驶车辆系统面临的最困难的探测问题。”

加州大学圣迭戈分校的视觉计算专家努诺•瓦斯孔塞卢斯(Nuno Vasconcelos)表示,自行车很难探测,因为它们体积小、速度快、多种多样:“汽车基本上是都是大块头。而自行车体积小⋯⋯外形和颜色各异,而且人们还习惯在自行车上挂东西。”

这就是为什么对汽车的探测率一直高于对自行车的探测率。大多数改进是通过让系统研究标出了数千个已知对象的图像来自我训练。

想想最近由乔治梅森大学研究人员和总部位于加州门洛帕克的隐形模式机器人出租车开发商Zoox提出的Deep3DBox算法吧。在业界公认的基准视觉测试中,Deep3DBox可以识别89%的汽车,就在仅仅几年前,汽车识别率还不到70%。

此外,它还擅长更艰巨的任务——预测车辆面临的道路。采用的方法是在2D图像上发现对象,根据每个对象周围的情况推断出3D框。“深度学习通常仅用于检测像素模式。我们确定了一种有效的方法,使用相同的技术估计几何数量。” Deep3DBox的主要设计者、乔治梅森大学(位于弗吉尼亚州费尔法克斯)的计算机科学家嘉娜•蔻斯卡(Jana Košecha)解释说。

然而,当发现并定向自行车和骑自行车的人时,它的表现骤然下降。Deep3DBox已经是最好的产品了,但它只在基准测试中发现了74%的自行车。尽管它可以定向􀀙88%以上的汽车,但只能定向59%的自行车。

蔻斯卡说,商业系统的效果更好些,因为开发商收集了大量的道路图像专有数据集对系统进行训练。她还说,大多数机器人汽车通过激光定位器和雷达提高其视觉处理能力,这虽然不能确定方向,但有助于识别自行车及其相对位置。

同时,通过高清地图(如以色列Mobileye的道路体验管理系统)进一步分析处理。地图首先提供识别自行车的计算机视觉算法,从预录的街道视图中显示异常。福特汽车公司说,“高度详细的3D地图”是计划今年在道路上测试的70辆自驾车的核心。

结合这些元素,会得到一些令人印象深刻的结果,例如2016年由谷歌的车辆展示的自行车识别测试。谷歌的自动驾驶汽车项目分拆公司Waymo在今年1月份的底特律车展上推出了具有升级自行车识别功能的专有传感器。

加州大学圣迭戈分校的瓦斯孔塞卢斯不相信今天的传感和自动化技术足以取代人类驾驶员,但他认为这确实有助于避免交通事故。自行车检测的首次商业应用出现在常规车辆的自动紧急制动(AEB)系统中。沃尔沃在2013年开始提供第一个自行车感知AEB;今年将针对欧洲公共汽车推出类似的技术。

也就是说,自动驾驶车辆开发商正在努力解决AEB系统的一个严重不足之处,即预测车辆周围移动对象接下来的动向。蔻斯卡说:“自行车比汽车的可预测性差得多,因为它们更容易突然转弯或突然出现。”

美国监管机构认为,这意味着自行车骑行者还将与人为错误共存一段时间,而94%的交通事故都是由于人为错误。旧金山自行车联盟的执行董事布莱恩•维登迈尔(Brian Wiedenmeier)说:“每个骑自行车的人都对解决这一问题的承诺感到兴奋。”但他说,正确的做法是等待技术成熟。

2016年12月,维登迈尔警告说,优步科技公司部署的自动驾驶出租车违反了保护自行车骑行者的法律。对于优步公司拒绝为其车辆办理安全状态许可证,加州官员提出了车辆登记规定,他表示赞赏。“像所有新技术一样,自动驾驶汽车也需要被非常仔细地测试。”他说。

本文来源于IEEE Spectrum中文版《科技纵览》