恶劣天气靠自动驾驶？慌不慌？

自动驾驶技术一般分为环境感知、决策规划和车辆控制三大部分。目前，自动驾驶行业大都已经做到了在正常天气状况下的自动驾驶，但在恶劣天气环境下，自动驾驶能力会被大大削弱，还存在不少技术难题。那么恶劣天气能不能依靠自动驾驶？这条路究竟又有多长呢？

有数据显示，传统汽车在恶劣天气环境下的事故数量占到总事故数量的22%，大风、雾天、雨雪天等恶劣条件，都会造成驾驶员的判断错误。对处于研发阶段的自动驾驶汽车而言，更是如此，即便是正常天气，像谷歌、福特等高科技企业研发的自动驾驶汽车也会偶尔发生事故。加上恶劣天气的干扰，系统会更加不稳定，其中，环境感知系统受极端天气的影响最为严重。

雷克萨斯RX

最低售价：37.70万起最高降价：2.80万

图片参数配置询底价

懂车分4.11懂车实测空间·性能等车友圈6.7万车友热议二手车2.98万起 | 481辆

环境感知系统主要依赖摄像头、激光雷达和毫米波雷达等传感器对周围环境的扫描处理获得车辆运行的数字环境。每种感知设备都有其特有属性及局限性，若遇到恶劣天气，感知能力将受到削弱甚至丧失。下面就详细阐述恶劣天气对主要感知器件的影响。

1-机器视觉

智能汽车利用CCD等视觉元件从不同角度拍摄汽车行驶环境，得到反映真实道路的图像数据，然后综合利用图像预处理、标志物特征提取、图像分割、检测等算法提取出有效信息。控制算法根据这些信息判断车辆状态并向执行机构发出指令，自主控制车辆的前进方向和运行状态。

摄像头在自动驾驶中有着举足轻重的地位，就像人的眼睛一样，可辨识道路上的信号灯和交通标志，保证自身遵循交通规则。但视觉极易受到环境变化的影响，能见度较低时效果不理想，在传感器中属于被动型，对光照、眩光、视角、尺度、阴影、污损、背景干扰和目标遮挡等诸多不确定因素较为敏感。

2016年6月30日，一辆特斯拉ModelS在自动驾驶模式下就因视觉感知失败漏检引发了致死事故，原因是出现在特斯拉前方并和它垂直行驶的白色拖挂车突然覆盖住了之前识别到的蓝天，晴朗天气下强烈光线的照射使摄像头未能分辨出白色拖车和天空，引发了该事故。

雨雪等恶劣天气对视觉影响更为严重，不仅影响镜头本身的感知能力，如：雨滴容易附着在镜头上，造成图像扭曲，还使周边环境发生变化。雨雪使周边的环境变得模糊，严重影响图像算法对环境的辨识，此外，雨雪改变了道路原来清晰的各种交通标记、车道线等。这些都会对摄像头识别标志物和提取特征造成一定的困难，出现识别失败甚至是错误的情况。所以，为保证传感器处于良好的工作状态，需要不断对其进行维护，这对普通用户来说，绝非易事。

2-激光雷达

激光雷达作为自动驾驶领域中最重要的传感器之一，常用于物体检测、道路分割和高精度地图构建。

它通过发射和接收激光束，分析激光被障碍物反射后的折返时间，计算和障碍物的相对距离，并利用此过程中收集到的障碍物表面大量密集的点的三维坐标、反射率和纹理等信息，快速得出被测物体的三维模型及线、面、体等相关数据，建立三维点云（PointCloud）图，绘制出环境地图，以达到环境感知的目的。

相对摄像头而言，雷达对光照、色彩等干扰因素具有很强的鲁棒性。但无论安装多少数量/种类的雷达、选取多高的采样速率，都不能彻底解决凹坑反射、烟尘干扰和雨、雪、雾等恶劣天气条件下的探测难题，也难以实现真正的全天候、全天时、全三维，不能做到完美感知。沃尔沃在XC60手册中就明确表明，其在大雪或大雨、浓雾、沙尘暴或大暴风雪等情况下感知较差，甚至不能正常工作，需保持激光传感器前面的玻璃无冰雪及污垢。

冰雪天气，因结冰或积雪而导致障碍物反射特性及形状发生变化，使激光雷达的探测效果受到一定影响，从而影响三维地图的构建，也就导致了无人车的“位置晕眩”。同时，也正因激光雷达对三维感知过于敏感，雷达脉冲可能会把雨滴，雪花等物体误认为其他障碍物，造成误检，影响系统决策。

3-毫米波雷达

毫米波雷达工作原理跟激光雷达类似，只是工作介质为毫米波，波长比激光长，穿透雾、烟、灰尘的能力强，故毫米波雷达在恶劣天气下也可使用，具有全天候(大雨天除外)全天时的特点，在测距方面也比激光雷达要准。因此众多豪华车企及小鹏、奇点汽车等造车新势力都在其车型上配备了毫米波雷达，如：小鹏G3和奇点iS6(图片)。

奇点iS6

最低售价：暂无报价

图片参数配置暂无报价

懂车分暂无懂车实测暂无车友圈300车友热议二手车暂无

但其也受制于波长，探测效果欠佳，如：对密树丛穿透力低，无法像激光雷达那样对周围的环境进行精准建模。目前其主要缺陷在于对物体的辨别能力不够，无法精确地区分不同物体，而视作同一物体。因此，在自动驾驶中需要配合其他传感器工作。

4-如何保证自动驾驶可靠性

对量产车而言，在恶劣天气下能正常使用是十分重要的，因为在恶劣天气下车主才尤其需要汽车各项功能的帮助。但前面提过了，恶劣天气下传感器及路面状况对自动驾驶来说都是很大的挑战，可靠性不高。对此，可从以下几方面进行优化，以提高自动驾驶可靠性：

1、优化感知算法：无论是人类司机还是无人车，想要在恶劣天气下安全行驶，少不了一个极其重要的因素—自我意识。自动驾驶一般通过机器学习或强化学习进行学习推理来实现，因此增加相应极端工况数据集，并采用深度学习等方法对控制算法进行模型训练，并充分利用良好天气下构造的精准地图，在恶劣天气结合此地图进行修正，可提高自动驾驶在极端工况下的自适应性。

2、多传感器融合：正如前文所说，摄像头、激光雷达、毫米波雷达等传感器各有优势，可采用多传感器结合的方案，融合各传感器数据，取长补短，根据各传感器互补特性进行容错处理，扩大系统时频覆盖范围，为自动驾驶提供可靠的环境信息。

3、开发专门针对恶劣环境的自动驾驶传感器。

4、V2X 车联网通信：V2X是未来智能交通运输系统的关键技术，受恶劣天气条件的影响会小很多，并且它使得车与车、车与基站、基站与基站之间能够通信，从而获得实时路况、道路、行人等一系列交通信息。获取信息更广更及时，可在很大程度上弥补恶劣天气对自动驾驶造成的影响。