【導(dǎo)讀】自動(dòng)駕駛的安全行駛離不開視覺系統(tǒng)對(duì)周圍環(huán)境的精準(zhǔn)“洞察”，而道路上突發(fā)的石頭、輪胎碎片等異常物體，恰恰是視覺感知的一大難題。本文圍繞自動(dòng)駕駛視覺系統(tǒng)的核心任務(wù)展開，先厘清目標(biāo)檢測(cè)與語(yǔ)義分割兩大基礎(chǔ)感知任務(wù)，再明確異常物體的定義與識(shí)別難點(diǎn)，最終詳解視覺系統(tǒng)通過主流檢測(cè)模型、分割技術(shù)及小目標(biāo)檢測(cè)策略應(yīng)對(duì)異常物體的具體方法。
自動(dòng)駕駛視覺系統(tǒng)都在看什么？
自動(dòng)駕駛汽車要“看見”周圍環(huán)境，是靠一系列傳感器來(lái)完成的，其中最核心的一個(gè)就是攝像頭。攝像頭采集到實(shí)時(shí)圖像之后，自動(dòng)駕駛中的視覺感知系統(tǒng)會(huì)將原始圖像變成機(jī)器可以理解的“環(huán)境模型”。
這個(gè)環(huán)境模型中會(huì)包括前方有沒有車輛、有沒有行人、車道線在哪里、交通標(biāo)志是什么，甚至還有路面上的障礙物等很多信息。視覺感知是整個(gè)自動(dòng)駕駛系統(tǒng)的基礎(chǔ)任務(wù)之一，沒有它，后續(xù)的決策和控制都無(wú)從談起。
在自動(dòng)駕駛的視覺感知體系里，有兩個(gè)非?；A(chǔ)且核心的任務(wù)，即目標(biāo)檢測(cè)（Object Detection）和語(yǔ)義分割（Semantic Segmentation）。目標(biāo)檢測(cè)就是在圖像里找到如汽車、人、摩托車這樣的目標(biāo)并給出它們的位置。語(yǔ)義分割則是把圖像里每個(gè)像素分配到類別標(biāo)簽上，比如“這是道路，這是人行道，這是障礙物”這樣的標(biāo)記。
簡(jiǎn)單理解這兩個(gè)概念，目標(biāo)檢測(cè)回答的是“這里有沒有一個(gè)物體？它在哪里？是什么？”；而語(yǔ)義分割回答的是“這塊區(qū)域?qū)儆谑裁搭悇e”。這兩類任務(wù)結(jié)合起來(lái)，就是視覺感知要做的基本工作。
什么是異常物體？
小伙伴所提及的石頭這樣的小障礙物，其實(shí)可以歸類為異常物體。所謂“異常物體”，其實(shí)就是那些在訓(xùn)練集中不常出現(xiàn)、類別不明確，但可能對(duì)車輛安全構(gòu)成威脅的物體。這類物體在視覺上可能大小、形狀都很不規(guī)則，有時(shí)候顏色還和地面、陰影特別接近，這給機(jī)器識(shí)別帶來(lái)很大挑戰(zhàn)。
在日常駕駛中，最常見的障礙物就是其他車輛、行人、自行車、摩托車等一目了然的大物體。視覺系統(tǒng)會(huì)把這些定義為主要目標(biāo)類別，在訓(xùn)練數(shù)據(jù)里反復(fù)學(xué)習(xí)它們的特征。
但是真實(shí)路并不是理想狀態(tài)，在行駛過程中，還可能會(huì)遇到如掉落的貨物、輪胎碎片、塑料袋、甚至石頭這樣的異常物體。這些物體不是標(biāo)準(zhǔn)的目標(biāo)類別，也不一定在我們訓(xùn)練數(shù)據(jù)里有大量樣本出現(xiàn)。但如果車輛高速行駛碰上這樣的物體，可能造成輪胎爆胎、控制失誤等安全風(fēng)險(xiǎn)。因此，對(duì)這些異常物體進(jìn)行精準(zhǔn)識(shí)別，是非常有必要的。
因?yàn)橐曈X感知系統(tǒng)主要是從數(shù)據(jù)里學(xué)特征，像石頭這種偶爾才出現(xiàn)的場(chǎng)景，沒有足夠的例子能讓系統(tǒng)學(xué)會(huì)判斷它就是個(gè)障礙物。有時(shí)候，石頭在視覺上會(huì)和路面、陰影、裂縫這些東西非常相似，對(duì)于模型來(lái)說，它很難從單張圖像里判斷這塊石頭有沒有危險(xiǎn)、離車多遠(yuǎn)、應(yīng)不應(yīng)該規(guī)避。對(duì)這類情況的檢測(cè)和處理就成為自動(dòng)駕駛感知的一大難題。
視覺任務(wù)怎么檢測(cè)這些異常物體？
既然石頭這樣的異常物體不屬于常規(guī)類別，自動(dòng)駕駛視覺系統(tǒng)還能檢測(cè)它嗎？答案是，能檢測(cè)，但不是簡(jiǎn)單地把它歸為某類物體，而是通過多種視覺任務(wù)和策略來(lái)識(shí)別風(fēng)險(xiǎn)。
現(xiàn)階段，自動(dòng)駕駛已使用深度學(xué)習(xí)模型來(lái)進(jìn)行視覺感知，它們?cè)趫D像上學(xué)習(xí)不同物體的形狀、紋理、邊界等特征。像是YOLO、SSD、Faster R-CNN這些主流物體檢測(cè)模型，可以在圖像中找到各種目標(biāo)并給出置信度和位置框。對(duì)于不屬于已知類別的目標(biāo)，這類模型可能不會(huì)輸出如“石頭”這樣的明確標(biāo)簽，但會(huì)給出一個(gè)“未知物體/障礙物”的檢測(cè)結(jié)果，以提示自動(dòng)駕駛系統(tǒng)有一個(gè)值得注意的物體在前方。
語(yǔ)義分割或?qū)嵗指钜彩亲R(shí)別異常物體的主要手段，它會(huì)把圖像分成如“路面”“非道路”“障礙物”等標(biāo)簽。只要模型在訓(xùn)練時(shí)學(xué)會(huì)了把“正常路面”與“路面上的異常區(qū)域”區(qū)分開來(lái)，即便它沒有見過“石頭”這種具體類別，也會(huì)把視覺上突兀、不屬于路面的那一塊像素標(biāo)記為“非路面/障礙物”。像素級(jí)的標(biāo)注會(huì)讓系統(tǒng)發(fā)現(xiàn)道路上異常的區(qū)域，并把這些區(qū)域當(dāng)作潛在障礙物上報(bào)給后續(xù)的決策與控制模塊。
還有一類專門針對(duì)小型異常物體檢測(cè)的視覺任務(wù)，被稱為小目標(biāo)檢測(cè)，其主要解決的是體積很小、距離較遠(yuǎn)、外形又不規(guī)則的物體識(shí)別問題。由于這些目標(biāo)在圖像中只占很少的像素，傳統(tǒng)目標(biāo)檢測(cè)模型很容易把它們當(dāng)成噪聲而忽略。為了解決這個(gè)問題，可通過引入激光雷達(dá)等其他傳感器的信息，用三維點(diǎn)云提供的空間位置和高度線索，去約束和引導(dǎo)視覺模型關(guān)注那些“看起來(lái)不起眼、但在空間上確實(shí)存在”的區(qū)域。這樣一來(lái)，視覺模型不再只依賴外觀特征，而是可以結(jié)合真實(shí)的三維結(jié)構(gòu)信息，對(duì)小障礙物的識(shí)別會(huì)更加穩(wěn)定，也更不容易漏檢。
總結(jié)
自動(dòng)駕駛視覺系統(tǒng)對(duì)異常物體的識(shí)別，并非依賴單一的類別標(biāo)注，而是通過目標(biāo)檢測(cè)、語(yǔ)義分割、小目標(biāo)檢測(cè)等多元任務(wù)協(xié)同，結(jié)合多傳感器融合的輔助策略，實(shí)現(xiàn)對(duì)道路風(fēng)險(xiǎn)的精準(zhǔn)洞察。從“識(shí)別已知常規(guī)目標(biāo)”到“感知未知異常風(fēng)險(xiǎn)”，這一過程彰顯了視覺感知技術(shù)的進(jìn)階邏輯，也為自動(dòng)駕駛的安全落地筑牢了基礎(chǔ)。未來(lái)，隨著深度學(xué)習(xí)模型的優(yōu)化與多傳感器融合技術(shù)的深化，視覺系統(tǒng)對(duì)異常物體的識(shí)別將更高效、更穩(wěn)定，進(jìn)一步推動(dòng)自動(dòng)駕駛技術(shù)向更安全、更可靠的方向發(fā)展。
