智能汽车最擅长的是监测其他汽车，在注意行人、松鼠和鸟类等方面也做得越来越好。而它目前面临最主要的困难之一就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·施多福说：“监测自行车可能是无人驾驶车辆系统面临的最困难的问题。”

加州大学圣迭戈分校的视觉计算专家努诺·瓦斯孔塞卢斯表示，自行车很难被探测，因为它们体积小、速度快、多种多样，“汽车基本上都是大块头。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成功率一直高于对自行车的探测成功率。大多数探测系统的改进是通过让系统研究标出了数千个已知对象的图像来进行自我训练。

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，要知道就在仅仅几年前，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情况。其方法是在2D图像上发现对象，根据每个对象周围的情况推断出3D场景。“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，使用相同的技术实现更先进的功能。” Deep3DBox的主要设计者、乔治梅森大学的计算机科学家嘉娜·蔻斯卡解释道。

然而，当发现并“锁定”自行车和骑自行车的人时，它的表现却不能让人满意。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“锁定”88%以上的汽车，但只能“锁定”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，大多数智能汽车通过激光定位器和雷达提高其“视觉”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，通过高清地图进行进一步分析处理。地图首先提供识别自行车的计算机视觉算法，在预先拍摄的街道视图中显示异常。福特汽车公司说，“准确详细的3D地图”是今年计划在道路上测试的70辆自动驾驶汽车的核心。

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月份举行的底特律车展上推出了具有升级自行车识别功能的专用传感器。

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年率先推出了自行车感知AEB，今年还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消除AEB系统的一个明显的缺陷，即预测车辆周围移动对象的动向。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。”

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%的交通事故都是由人为错误造成的。旧金山自行车联盟的执行董事布莱恩·维登迈尔说：“每个骑自行车的人都对这一问题将得到解决感到兴奋。”但他也指出，“我们需要等待技术成熟。”

2016年12月，维登迈尔曾指出，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。他强调：“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。”

（2017-06-01　 来源：中国信息产业网）