[首發(fā)于智駕最前沿微信公眾號(hào)]如果想讓自動(dòng)駕駛汽車(chē)真正實(shí)現(xiàn)L5級(jí)，僅實(shí)現(xiàn)在城市路面行駛的能力是完全不夠的，對(duì)于一些坑洼或偏僻路段的行駛需求也會(huì)存在。對(duì)于人類駕駛員來(lái)說(shuō)，看到坑洼路面，會(huì)及時(shí)地進(jìn)行變道操作，而對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō)，想要達(dá)到人類駕駛員的水平，則需要非常多的技術(shù)支持。

在聊今天的話題之前，先聊聊為什么自動(dòng)駕駛汽車(chē)在設(shè)計(jì)過(guò)程中要考量坑洼路面的通過(guò)能力。對(duì)于小坑洼來(lái)說(shuō)，如果不及時(shí)避開(kāi)，將會(huì)給乘客或駕駛員帶來(lái)非常不舒服的“顛簸感”；而對(duì)于大的坑洼來(lái)說(shuō)，更可能損壞輪轂，因此想讓自動(dòng)駕駛汽車(chē)達(dá)到L5級(jí)，合理應(yīng)對(duì)坑洼路面是避不開(kāi)的話題。

對(duì)于人類駕駛員來(lái)說(shuō)，坑洼路面只是常見(jiàn)的駕駛環(huán)境中的一種，可以快速辨別，快速應(yīng)對(duì)，而對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō)，想要發(fā)現(xiàn)“坑洼”，其實(shí)需要多傳感器、多層次協(xié)同完成。常見(jiàn)的做法就是把攝像頭、激光雷達(dá)（LiDAR）、毫米波雷達(dá)與車(chē)身慣性測(cè)量單元（IMU）、輪速與加速度傳感器結(jié)合起來(lái)做融合感知與推斷。攝像頭擅長(zhǎng)捕捉表面細(xì)節(jié)和紋理，可以用于語(yǔ)義分割（把坑洼當(dāng)作“路面異常”來(lái)分割出來(lái)）或用深度學(xué)習(xí)識(shí)別坑洞輪廓；LiDAR提供點(diǎn)云，可以重構(gòu)路面三維形態(tài)，通過(guò)曲面擬合發(fā)現(xiàn)凹陷或高度突變；雷達(dá)對(duì)雨雪、霧等惡劣天氣下的探測(cè)更穩(wěn)健，尤其對(duì)突起或較淺的坑洼辨識(shí)有一定作用；IMU與車(chē)載加速度計(jì)則更像“事后感知”，當(dāng)車(chē)輪經(jīng)過(guò)坑洼時(shí)產(chǎn)生的垂直沖擊會(huì)在加速度信號(hào)里留下明顯特征，通過(guò)模式識(shí)別就能把“顛簸/坑洼事件”給檢測(cè)出來(lái)。近年來(lái)也有技術(shù)方案提出把視覺(jué)、LiDAR、IMU的結(jié)合方法（例如Vision+IMU的VIDAR思路）用于路面坑洼檢測(cè)，并取得較好效果。

其實(shí)對(duì)于坑洼路面的處理，并不是感覺(jué)到坑洼就要馬上去躲，更需要靈活處理，自動(dòng)駕駛汽車(chē)想完成這些操作就離不開(kāi)感知模塊和決策模塊。感知模塊會(huì)給出坑洼的相對(duì)位置（橫向與縱向）、坑洼的大小/深度/嚴(yán)重度估計(jì)，以及與車(chē)輛當(dāng)前速度和路徑的關(guān)系（例如距離多遠(yuǎn)，會(huì)在多久到達(dá)）等關(guān)鍵信息。這些信息有時(shí)來(lái)自傳感器（前方攝像頭或遠(yuǎn)距LiDAR能提前看到路面形態(tài)），有時(shí)只能依靠“接觸式”信號(hào)（加速度、振動(dòng)、輪速突變?cè)诮?jīng)過(guò)坑洼瞬間才會(huì)出現(xiàn)）。為了在可避免與不可避免之間做出合理選擇，自動(dòng)駕駛系統(tǒng)通常會(huì)把坑洼的“嚴(yán)重度”映射成風(fēng)險(xiǎn)等級(jí)，輕微的小顛簸可以忽略或把速度做小幅緩解；中等的凹陷會(huì)觸發(fā)減速并盡量避讓到同車(chē)道安全位置；嚴(yán)重的深洞或者可能導(dǎo)致車(chē)輛損傷的坑洼，系統(tǒng)會(huì)考慮變道避讓（如果可行且安全），或者在無(wú)法安全避讓時(shí)選擇減速并通過(guò)，同時(shí)把事件上報(bào)給云端或駕駛員。這一操作邏輯的核心是“風(fēng)險(xiǎn)-代價(jià)平衡”，避讓動(dòng)作本身也帶有風(fēng)險(xiǎn)（例如急轉(zhuǎn)向?qū)е潞筌?chē)追尾），所以決策模塊要把坑洼造成的潛在損害和避讓帶來(lái)的交通安全風(fēng)險(xiǎn)同時(shí)考慮進(jìn)來(lái)。

將整個(gè)流程拆解開(kāi)來(lái)，也就是前端是感知，再到中間的預(yù)測(cè)評(píng)估，最后是軌跡生成與控制。感知層會(huì)輸出一組概率化的坑洼候選（位置、深度概率、可信度），定位與同步模塊確保坑洼的地理坐標(biāo)與車(chē)輛里程、時(shí)刻對(duì)齊（時(shí)間同步很重要，否則你可能會(huì)“把坑洼放錯(cuò)地方”）。隨后風(fēng)險(xiǎn)評(píng)估器根據(jù)車(chē)輛動(dòng)力學(xué)模型（包含當(dāng)前速度、轉(zhuǎn)向角、制動(dòng)能力、軸荷等）來(lái)估算“如果不采取動(dòng)作的后果”與“采取各類動(dòng)作的成本”。如估算過(guò)坑時(shí)輪胎撞擊力可能超過(guò)某閾值，或車(chē)輛縱向減速會(huì)影響后方車(chē)輛安全車(chē)距。評(píng)估完后軌跡規(guī)劃器要生成平滑、安全的替代軌跡，這些軌跡可能是有限幅度的橫向偏移、連續(xù)的減速檔位，或在極少數(shù)情況下選擇“短暫停靠”并請(qǐng)求人工干預(yù)或遠(yuǎn)端輔助。最后控制器把路徑轉(zhuǎn)成執(zhí)行指令（轉(zhuǎn)向、油門(mén)、制動(dòng)），并在通過(guò)坑洼的同時(shí)監(jiān)控懸架與車(chē)輛響應(yīng)，必要時(shí)調(diào)節(jié)扭矩分配或懸架阻尼（如果車(chē)輛配備半主動(dòng)或主動(dòng)懸架）以減緩沖擊。這樣的端到端流程需要在毫秒到秒級(jí)完成決策與執(zhí)行，保證既能保護(hù)車(chē)輛又不制造更大安全隱患。

在感知的算法細(xì)節(jié)上，可以把坑洼檢測(cè)分成“直接觀測(cè)法”和“間接推斷法”。直接觀測(cè)法依賴攝像頭與LiDAR重建路面幾何，應(yīng)用傳統(tǒng)圖像處理加深度學(xué)習(xí)（例如語(yǔ)義分割、實(shí)例分割）來(lái)識(shí)別坑洞邊緣，或?qū)c(diǎn)云做曲面擬合并檢測(cè)異常高度差；間接推斷法則更像“從后面看人家車(chē)的反應(yīng)”，通過(guò)監(jiān)測(cè)前車(chē)的位移、加速度變化或車(chē)燈反射改變，來(lái)推斷前方路面出現(xiàn)了異常。其實(shí)結(jié)合兩類方法能彌補(bǔ)單一方法的不足，當(dāng)視覺(jué)在逆光或夜間受限時(shí)，IMU/輪速的間接信號(hào)仍能提示存在坑洼，反之有清晰視覺(jué)時(shí)直接測(cè)量更精確。值得一提的是，基于車(chē)載振動(dòng)與加速度進(jìn)行路況分類的研究結(jié)果表明，利用合適的數(shù)據(jù)表示與機(jī)器學(xué)習(xí)方法，可以把路面狀態(tài)分成多類（平整、顛簸、坑洼、減速帶等）并達(dá)到較高的準(zhǔn)確率，這對(duì)于車(chē)輛“事后識(shí)別并標(biāo)注坑洼位置”很有用，也利于形成路況數(shù)據(jù)庫(kù)。

把單車(chē)檢測(cè)放大到車(chē)隊(duì)或城市級(jí)別，就進(jìn)入了“地圖與協(xié)同”的范疇。自動(dòng)駕駛系統(tǒng)可以把遇到的坑洼事件打點(diǎn)上報(bào)到云端，和同城車(chē)輛共享形成道路異常地圖（crowdsourced road condition map）。有了這樣的共享，后續(xù)車(chē)輛可以提前得到預(yù)警，運(yùn)營(yíng)端也能統(tǒng)計(jì)坑洼頻發(fā)路段并反饋到道路養(yǎng)護(hù)單位。也有研究提出“車(chē)間合作檢測(cè)”與“基于前車(chē)運(yùn)動(dòng)預(yù)測(cè)路面異�！钡姆椒ǎ笳呱踔敛恍枰咔迓访嬷亟�，僅通過(guò)視覺(jué)跟蹤前車(chē)的振幅與位移模式，就能預(yù)測(cè)出前方路面可能存在不規(guī)則性，從而提前緩解。這種方法對(duì)于鋪裝不良、窄路或遮擋嚴(yán)重的城市道路尤其有價(jià)值。

自動(dòng)駕駛汽車(chē)對(duì)于坑洼路面的處理，除了技術(shù)方面外，其實(shí)還有很多細(xì)節(jié)要考量。首先是誤報(bào)與漏報(bào)之間需要權(quán)衡，如果系統(tǒng)太敏感，頻繁減速或無(wú)謂變道會(huì)破壞乘坐舒適性并增加交通混亂；如果太保守，真正的深洞可能大打折扣。為此就需要把感知輸出與歷史數(shù)據(jù)、地圖數(shù)據(jù)、傳感器可信度以及當(dāng)前交通環(huán)境一起納入決策，形成多重保險(xiǎn)。其次是速度與識(shí)別距離的物理限制，車(chē)速越高，需要更早識(shí)別坑洼并有更長(zhǎng)時(shí)間/距離來(lái)安全避讓；因此在高速路上，許多自動(dòng)駕駛系統(tǒng)會(huì)采用更為保守的策略（比如提前降速），或者依賴更高分辨率的傳感器陣列來(lái)提前探測(cè)。第三是傳感器標(biāo)定與機(jī)械耐久性問(wèn)題，反復(fù)的坑洼沖擊會(huì)改變傳感器相對(duì)位置或直接損壞，這就要求系統(tǒng)具備在線自檢與重新標(biāo)定能力，或者在檢測(cè)到傳感器性能下降時(shí)能退化到更安全的操作邏輯的策略。

為了更好地應(yīng)對(duì)坑洼路面，現(xiàn)在也有很多新穎的技術(shù)方案，如有一些研究就把“主動(dòng)懸架+感知”做成閉環(huán)，目標(biāo)是在探測(cè)到即將到來(lái)的坑洼時(shí)預(yù)先改變懸架阻尼或車(chē)身高度，借此吸收沖擊、減少車(chē)體擺動(dòng)，這在配備半主動(dòng)/主動(dòng)懸架的量產(chǎn)車(chē)上已經(jīng)有商業(yè)化的先例。另一個(gè)方向是用高分辨率雷達(dá)或合成孔徑雷達(dá)來(lái)重建路面形態(tài)，但這類方法成本與計(jì)算復(fù)雜度也相應(yīng)更高。還有研究把坑洼檢測(cè)的問(wèn)題當(dāng)成典型的“異常檢測(cè)”或“時(shí)序事件檢測(cè)”，使用深度學(xué)習(xí)模型對(duì)多傳感器時(shí)間序列進(jìn)行端到端判別，這在城市低速場(chǎng)景中表現(xiàn)尤為突出。

其實(shí)對(duì)于自動(dòng)駕駛車(chē)隊(duì)和城市道路管理者來(lái)說(shuō)，解決坑洼問(wèn)題不是單靠技術(shù)就能完全完成的，它還需要運(yùn)維體系、法律責(zé)任劃分與道路維護(hù)預(yù)算的配合。自動(dòng)駕駛運(yùn)營(yíng)者會(huì)把高頻的坑洼上報(bào)作為道路養(yǎng)護(hù)優(yōu)先級(jí)的輸入，城市管理方也可以用車(chē)隊(duì)數(shù)據(jù)來(lái)做路面健康監(jiān)測(cè)，從而優(yōu)化維修資源。其實(shí)乘客對(duì)“頻繁減速避坑”與“被坑晃動(dòng)”的容忍度有限，自動(dòng)駕駛系統(tǒng)必須在舒適性、效率與安全三者之間找到合理平衡。