【倒计时 9 天，点击“阅读原文”购票】。本次大会特设智能驾驶论坛，由新智元【智驾周刊】特约编辑小猴机器人主持。滴滴出行联合创始人兼CTO 张博、百度首席架构师 James Peng、地平线机器人创始人 余凯、中国指挥与控制学会副秘书长 刘玉超、英国克兰菲尔德大学驾驶员认知与自动驾驶实验室主任 曹东璞博士、中国汽车工程研究院副院长 谢飞等重量级嘉宾将发表演讲，就当前国内外智能驾驶研究的前沿技术和发展趋势，以及潜在的突破点发表真知灼见。想了解更多关于智能驾驶行业与技术进展，点击文末阅读原文马上参会！

　　【新智元导读】今年对于特斯拉公司来说，无疑是个多事之秋。接二连三事故的发生，让人们对辅助驾驶乃至无人驾驶技术产生了质疑。实际上，自动驾驶向智能化发展的一个重要标志，就是对场景语义理解的逐步递进。本文盘点今年以来特斯拉AutoPilot出现的比较严重的车祸，描述车祸现场，并分析其原因。而后引出目前比较火热的无人车研究方向：语义分割，介绍其原理，进展，以及如何利用该技术避免特斯拉类似车祸。

　　特斯拉屡次车祸盘点

　　事故1：2016年1月，在中国京港澳高速上，特斯拉轿车直接撞上前方正在作业的道路清扫车；该清扫车停在最左侧边线上。

　　事故2：2016年5月，在美国佛罗里达州北部一个没装红绿灯的十字路口，特斯拉和一辆白色集装箱货车相撞，该货车正在从对向车道进行拐弯操作。

j2直播，图像语义分割或成自动驾驶突破口" src="http://www.wzatv.cc/atv/uploads/allimg/161010/052232TL_0.jpeg" />

　　事故3：2016年8月，在德克萨斯州的高速公路上，特斯拉因为未能识别弯道而径自冲出去，从而撞上高速的护栏。

　　事故4：2016年8月，北京的罗先生刚给新买的特斯拉上完牌照，依然因为未能识别左侧路边临时停靠的小汽车而发生剐蹭。

　　究其原因

　　很多文章都对特斯拉传感器的结构布局进行过分析，大抵就是前方侧身和后方侧身的超声波传感器+前方中央的毫米波雷达+后视镜下方的前视摄像头。

前方侧身和后方侧身的超声波传感器用于检测近距离的障碍物，帮助自动泊车等。

前视摄像头可以完成路面车道线的检测和障碍物的检测。

毫米波雷达用于较远距离障碍物的检测。

　　因此碰撞检测主要依赖于毫米波雷达和前视摄像头的协同运作。而前言中事故发生的原因，正是因为这两个模块同时失效引起。总的来说，可能的原因主要有：

　　（这里，曝光过强并不被认为是前视摄像头失效的原因，这是因为现在的摄像头基本上都有自动白平衡的功能，可能在某个瞬间会出现全白的图像，但相机很快能够调整回来。）

　　解决方案

　　可以看出，特斯拉事故的发生是因为它并没有从人类认知的角度来处理问题，而更像是一个专家系统。特斯拉的Adas系统可以认为属于L2+级别的自动驾驶，即由多个模块捏合而成，包括车道线的检测识别（车道偏离预警LDW），车辆的检测识别（前向碰撞预警FCW），以及某些地面交通标志的检测识别（路径规划和导航）等；上述模块各司其职，互不干涉。下图中不同颜色的标记表示了不同模块的处理结果。

　　但这种设计理念和人类的认知是截然不同的。从人类角度而言，通常会对整个图像进行理解，也就是利用上下文信息（context）对整个场景进行建模，构成了一个场景模型后再进行相应的处理（碰撞预警、自动巡航等）。下图可以认为是一个常见的场景模型：

　　- 图像上半部分是天空，下半部分是路面，两侧是建筑物；

　　- 中间是可行驶区域以及车道，两侧是行人区域；

　　- 路面和路旁有若干车辆和行人；

　　- 路旁有交通标志。

　　在场景模型中，可以综合考虑各个元素之间的区别和联系，并结合多个传感器和模块的信息，便于各种后续处理。