蔚来ES8的24个传感器为啥躲不开人？L2辅助驾驶要这么用

在国内，热度很高的新造车企业蔚来，于前些日子，发生了一起跟自动驾驶（L2级）有关的事故 。

在刚刚过去没多久的一月底之时，一台（丨）于高速公路之上开启L2级自动驾驶功能（NOP即为领航辅助哈）的时候，先是撞上了一位男子，而后又碰到了一台五菱，致使这两车遭受严重损坏，零件零零散散撒落了一片到处哈，。

事故画面

蔚来ES8全车配备了25个传感器，它属于目前全球少数几款具备自动导航辅助这种高级L2级自动驾驶功能的车型，蔚来官方还宣称自身拥有全栈自动驾驶能力 。

而恰恰是处于这般硬件配置以及能力情形下，为何在一条毫无阻碍空旷着的高速路上，ES8居然躲避不了一个行人以及一台车辆呢？官方针对车东西给出的回复大概意思是，车速过高，致使AEB系统不在工作范畴之内，所以没办法防止，或者也减缓不了碰撞。

ES8事故现场（图源@跑不动的小狐狸）

更本质的关键因素在于，NOP系统没能及时察觉前方障碍物，进而致使了碰撞的发生，这明显可见。对于事故原因，车东西向蔚来汽车做了更为细致的询问，面对此，对方称当下不方便予以回应 。

事故的原因依然存疑。

车东西为了弄明白事故背后究竟发生了啥，以及可能有的技术缘由，与来自车企、Tier1企业、自动驾驶公司、传感器公司的好些专家和高管进行了长时间交流，之后找到了几个可能的答案。

一、写在前面：事故责任在驾驶员

向车东西确认的蔚来汽车方面表明，事故发生之际，这台 ES8 那时确定正处于开启 NOP也就是 Navigate on Pilot 领航辅助功能的状态 。

凭依SAE以及工业和信息化部所颁布的《汽车驾驶自动化分级》这一标准，NOP乃是这么一套符合标准的L2级自动驾驶系统，工作之际车辆于单一车道当中朝着前方居中行驶，依据前方存在的障碍车辆自行去控制加减速，并且能够自行变换车道去超车，还能够自行驶下匝道。

工信部驾驶自动化等级与划分要素关系图示

L2级自动驾驶系统有三个关键点：

（1）系统有严格的工作条件，超过工作条件便会失效或退出。

（2）系统开展自动化操作之际，驾驶员得持续监测路况，且要预备在随时接管（的状态）。

（3）最终的驾驶责任在驾驶员。

换而言之，一旦车辆超出了系统所能够正常运行的工作范围，那么驾驶人员就应当及时地进行接管操作。要是在这种情况下没有实施接管进而导致了事故发生，那么责任归属于驾驶人员 。

蔚来官方在NOP的用户手册里明确强调：

人，没有办法让NOP做出反应，动物也不行，交通灯也是如此，就连那种，像是高速收费站、路障、三角警示牌这类的静态障碍物，照样没办法让NOP做出反应。

（2）本车跟前车的相对速度比50公里每小时大，要是前车处于静止状态或者缓慢行驶，Pilot（NOP的基础功能，两者纵向控制是一套算法）有没办法刹住车的风险，出现了上面说的情形，要马上退出Pilot，千万不要在这种情形下试着让Pilot对静止车辆刹停或者跟上前车。

明显得很，此次事故所呈现的场景，恰好碰到了蔚来NOP/Pilot手册里的两条警示条款，其中一条关乎行人，另一条涉及静止车辆，句号。

因为驾驶者未于特殊情形时接手操控车辆，进而致使事故发生，责任归咎于驾驶员，前侧那辆五菱宏光于高速超车道停车这一行为，其本身亦是违反规定的举动。

ES8事故现场（图源@跑不动的小狐狸）

当然，对于车东西这种专注于自动驾驶技术报道的媒体而言，我们更加有想要搞明白的想法。那这个号称具备全栈自动驾驶研发能力的蔚来，是全球继特斯拉NOA（Navigate on Autipilot）之后第二个推出类似功能（NOP）的。它为什么没办法将静止车辆的避让问题完美解决呢？这次事故潜在的原因是什么呢？其背后又面临着怎样的技术挑战呢？

留意，下述内容单单是关于技术的分析以及探讨，而最终事故的缘由是以交通管理部门以及蔚来汽车得出的报告作为依据的。

二、蔚来的解释：NOP刹不住，AEB没启动

于事故发生过后，（车东西）同蔚来公关部进行了联系，（对方）给出了下面这样的回复：

按照自动辅助驾驶系统的设计情况来看，无论开启NOP与否，一旦系统检测到机动车以及行人，要是车速低于8公里每一小时或者高于85公里每一小时，自动紧急制动也就是AEB不会启动。NOP在发觉静止或者低速物体的时候，所能请求的减速度是有限的，会提前进行减速，在减速度不够的时候，向驾驶员发出提示进行接管。

先来初步调查本次那起事故，显示在车辆发生碰撞之前，其行驶的速度是超过了每小时100公里的，在这样的情形状况下哇，NOP能够去请求的最大减速度，已经没办法维持保持车与车之间的距离啦，于是车辆就发出了“注意保持车距”这样的警示，以此来提示驾驶员去接管操控车辆；还有哦，又由于车辆行驶的速度超出了AEB可以触发启动的车速区段范围，所以在发生这起事故的时候AEB没有被触发启动。

蔚来官方所给出的回复，仅仅是告知了那处于表面层次的原因，这个原因是NOP刹不住，并且AEB没启动。

蔚来NOP功能说明

循业内通行之法子，NOP、Pilot这般L2功能归为舒适性功能，故而系统所能请求之减速度，即最大刹车力度，有所受限。

直至碰撞发生前的最后 instant ，NOP察觉到前方涌现静止状态的车辆，紧接着实施刹车举措，然而因力度欠缺未能成功刹住，进而致使碰撞事故的发生 。

NOP面对这个场景会刹不住，那么谁能起到作用呢？

答案是AEB自动紧急制动系统，然而蔚来的AEB系统所设计的工作范围是8至85公里每小时，可是在事故发生之际车速已然超过100公里每小时，并不在其工作范围之内，最终不幸地发生了事故。

要明确，当前存在部分车型，其AEB系统工作区间上限，有的是超过100公里每小时的，甚至有的超过120公里每小时，这里是需要留意的。倘若蔚来的AEB工作范围更大，那是能够对减缓损害起到帮助作用的。

三、为什么刹不住？感知到障碍车辆太晚

于这起事故里头，从表面情形去看，是NOP刹车所具备的力度欠缺以达标程度，如此便致使没办法于最后的那个时刻将这台ES8给刹住停下 。

就是从L2级自动驾驶系统背后所蕴含的技术方面去看呐，其核心的缘由是感知系统没能在早期就察觉到静止车辆（蔚来对于躲避行人功能并未开展，这里暂且不予以探讨来说），因此留给NOP去实施刹车的时间过于短暂了呀，进而就出现了请求的减速度达不到要求的那种状况呢。

试想着，要是在一百米那么远的距离，又或者是五十米那样的距离，就已然发现了前方的车辆 ，NOP过早地开始进行减速，难道就不能够刹停下来 ，又或者是大幅度地进行减速从而使得碰撞所造成的伤害得以降低吗 ？

给个刹车数据做个参考。

蔚来ES8配备了Brembo的高性能刹车系统，在全力制动的情况下，一辆重达2吨多的SUV，其从100公里每小时降至0的刹车距离仅为33.8米，。

小改款后的2020蔚来ES8

这样的成绩，不但远远超越了绝大多数平常的家用SUV，而且还能够直接与性能车以及超级跑车相抗衡。哪怕NOP能够请求的刹车力度不够，刹车距离增加一倍，也在100米范围以内。

接着再瞅瞅蔚来官方给出的回应，在这种情形下，NOP能够去请求的最大减速度已然没办法维持车跟车之间的间距了，车辆发出了“注意保持车距”这样的警示，以此提示驾驶员来接手车辆。

翻译过来便是，NOP系统察觉到前方存在障碍车辆的时候，已然为时过晚，即便刹车也无济于事了。所以，基于技术逻辑展开分析，此次事故的根本缘由在于感知系统。

这儿再次着重指出一点儿，蔚来汽车于用户手册里已然标明了前方有处于静止状态或者缓行状态的车辆，这就要求驾驶员去接管。因而讲感知系统要为此负责，并非意味着NOP存在设计方面的缺陷，也不是说蔚来汽车得为事故担负责任。

四、25个传感器 为什么看不到一台车？

蔚来汽车方面向车东西确认，事故车辆是一台老款ES8。

依据车东西所知晓的情况，老款ES8配备了25个传感器，其中有一个前向3目摄像头，还有5个毫米波雷达，另外有4个环视摄像头，以及12个超声波雷达，并且有一个驾驶员监测摄像头。

整套L2级自动驾驶体系运用了Mobileye当下最为强大的Eye Q4芯片来供应算力，而且ES8于2018年推出之际乃是全球首个装载EyeQ4的量产汽车。

蔚来ES8的感知系统

当NOP系统处于运作状态之际，正前方的感知主要借助车头部位的前向长距离毫米波雷达以及前视摄像头来达成。

搭载于事故车辆上的，是博世第四代毫米波雷达当中的中距离产品MRR，也就是Mid Range Radar。在ES8进行小改款这个行为之后，原本那个雷达已替换成德尔福所生产的雷达了。

蔚来ES8的前雷达

名为摄像头的设备之中，其感知算法是由一家名为Mobileye的公司所提供的，并且该算法被内嵌在一款号称EyeQ4的器具之内。至于毫米波雷达，它那种种的感知算法，乃是由一家叫做博世的企业所给予的，且已然被安装在一款型号为MRR雷达标称的主控芯片里面。

这里牵涉到一个得留意的细节，鉴于EyeQ4运用的是单目摄像头算法，因而蔚来虽配备有三个前视摄像头，然而实际上仅有一个摄像头投身于前方感知工作，并未借助双目摄像头所构成的立体视觉算法 。

依推测可知，蔚来 ES8 的三目摄像头，其一为给 EyeQ4 输出画面，还有一用做行车记录仪，另外一个是用于车企蔚来自行展开采集数据，目的是为了训练其自家具备独特性的算法 。

Mobileye EyeQ4芯片

特斯拉前些时候运用的自动驾驶举措有着雷同的行径。那便是安装起多个面向前方的摄像头，其中的一个向着Mobileye给予画面，另外的一个独自收集数据悄然训练自身的感知算法。

当NOP开启之际，EyeQ4输出目标感知相应之结果，同时MMR雷达也输出目标感知之有关战果，MMR雷达所输出的目标结果会传至EyeQ4芯片之上，经由蔚来自行开展研究而形成的融合算法针对目标予以比对，于获取关键的外界感知成果之后，最终算出驾驶决策。

一套引入了EyeQ4芯片的L2级系统，是蔚来NOP系统，其基础架构源于视觉系统，也就是借助摄像头识别可行驶区域，并且感知外界目标，在察觉到需要躲避的关键目标之后，再引入毫米波雷达的感知数据，以此精确感知目标的速度与距离，进而算出驾驶决策。

换个说法来讲，这个架构内，视觉当属主传感器，随后借助毫米波雷达予以辅助，这里呢，视觉传感器的权重地位更高，毫米波雷达的权重地位相对较低 。

在这样的背景状况之下，蔚来汽车的NOP的感知系统没能及时察觉到前面行驶的车辆，呈现出了下面这几种情形：

1、摄像头和毫米波雷达均在最后时刻发现前车

2、摄像头一直都未曾察觉到前面的那辆车，毫米波雷达在最后的那个时刻辨认出了前面的那辆车（能够排除） 。

3、毫米波雷达始终没有发现前车，摄像头最后时刻发现前车

4、毫米波雷达较早发现前车，摄像头在最后时刻才发现前车

5、摄像头在前车被发现这件事上，比毫米波雷达更早察觉到，毫米波雷达是在最后的时候才发现前车的（这种情况可排除）。

由于蔚来NOP属于一套L2级的系统，且是以视觉作为主要传感器，要是摄像头比较早地发觉了前面行驶的车辆并持续不断进行追踪，依据理论推测就必定会在相对较早的位置开始减速，如此一来情况5就能够被排除掉 。

在那种靠着视觉作为主要的L2级自动驾驶系统里头，通常状况若是没有视觉给出的感知结果呈现，那这个L2系统差不多仅仅凭借毫米波雷达的目标来表现相应反应。

在单雷达的 AEB 与 ACC 系统里面，有着仅仅凭借雷达来作出反应的行为。然而鉴于蔚来的 AEB 系统压根不在工作范畴，因而情况 2 也能够大致排除。

现在我们剩下了1、3、4三种情况。

仍是那句话，鉴于视觉作为主传感器且权重更高，因而在情况4之时，哪怕毫米波雷达率先发觉了前车，系统也会暂且不进行行动，得要等候摄像头的感知结果予以融合之后再去采取行动。

到此可见之处，实际上这起事故的技术缘由已然较为明晰明确，最为关键重要的一点在于视觉方面未曾按时及时发觉目标物。

与此同时，毫米波雷达有一种颇为奇特的表现，它存在这样几种情况，有可能在比较早的时候就察觉到了目标，也存在可能在相对较晚的时候才发现目标，甚至还有可能根本就没能发现目标的情况。

往下的那一部分里，详尽讲一讲那次事故当中确切碰到了哪些能感知的难题，还说一说毫米波雷达缘何会存在如此多的可能性。

五、感知难点在哪？雨天+静止车辆+特殊位置

就行车记录仪所呈现的视频画面而言，当事故发生之际，这台ES8的雨刮器处于正在工作的状态，这表明当时正处于下雨的情形，此时，挡风玻璃上的雨滴会对专门用于车载领域的前视摄像头造成一定程度的干扰，随后会对视觉识别能力产生影响。

然而，要予以留意，视频里头所述的雨刮器工作频次不算高，并且前边的风挡玻璃上面雨滴数量比较稀少，由此可察当时理应正飘落着小雨，就Mobileye的成熟算法而言，理应产生的影响相对较小。

事故当天在下雨

有几位从事自动驾驶方面工作的人员，告知车东西，视觉实际会受到影响的关键之处，在于那辆被撞的五菱宏光所处的位置。

那时，五菱宏光 的车主从车内出来，下车之后，在车辆后方布置起警示牌，与此同时，五菱宏光呢，它停在了车道线些许偏左侧、靠近隔离带的那个位置。

从ES8的视角来看，五菱宏光车主和车身之间有一定的重叠。

事故时，行人和前车有重叠

有一位车企对于自动驾驶方面负有责任的人员，朝着车东西这般解释说，视觉算法会凭借车轮、尾灯等这样一些属特征的点来开展识别的工作，然而当行人跟车辆相互交叠在一起的时候，就特别容易对识别算法造成干扰 。

就毫米波雷达而言，车东西在向来自车企的相关专家询问后，又向来自Tier1的相关专家进行了询问，之后还向来自自动驾驶公司的相关专家进行了询问，经过这些询问，才弄清楚了其背后的多重复杂原因。

首先需要知道蔚来与博世的合作模式才能推测可能性。

据介绍，车企选购博世的MMR第四代毫米波雷达时存在两种模式，一种模式是，雷达向车企直接提供32个原始目标，同时告知这些目标是处于静止状态还是运动状态。

于此种模式当中，要求车企自行去结合视觉算法，以此来判定静止物体究竟是汽车，还是别的障碍物。

在第二种模式之中，博世会靠着自身的经验以及能力，依据毫米波雷达的RCS反射面积，加上不同帧之间反射点的状况，从32个原始目标里挑选出功能安全目标，也就是车辆需做出反应的目标。

一位自动驾驶公司的专家向车东西讲，给原始目标的话，那么大的一个五菱宏光不可能探测不到 ，但雷达并不知道那是什么东西，需要视觉算法来进行分类才能做出反应 。

事故现场（图源@跑不动的小狐狸）

所以，要是蔚来直接取用原始数据，毫米波雷达基本上没可能感知不到前面的车辆，仅仅能够讲，蔚来的NOP系统没有恰当地运用雷达数据。

要是属于第二种合作模式，博世的雷达会自行开展目标筛选，在此情况当中，存在着两种可能性。

一台五菱宏光，被博世的算法当作不相干的静态物体给过滤掉了，这是其中一种情况。再者，另一种可能性是，要到颇为接近的距离，大概30米左右，博世的算法才把前车辨认为功能安全目标 。

肯定的是，如同刚讲的上一部分所说的那种情况，鉴于毫米波雷达并非主要负责的传感器，因而不论毫米波雷达的具体作用发挥得怎样，最终呈现出来的结果都是撞上了，产生了碰撞事故。

六、毫米波雷达为什么怕静止车辆？

依据上一部分所得出的结论而言，不管是蔚来，还是经验丰富的博世，当遇到这种静止车辆的场景之际，毫米波雷达都会存在较大的不确定性，即便雷达回波传达出前方存在目标，也极难对其进行准确分类，进而确定行为策略。

这是毫米波雷达的探测原理，以及目前的技术现状共同决定的。

毫米波雷达公司隼眼科技的CTO张慧，是东南大学国家毫米波重点实验室的毫米雷达技术专家，他向车东西解析了其中的多种原因。

说一说最底层的工作原理，毫米波雷达主要凭借多普勒效应去感知移动目标。聊一聊多普勒效应的特性，动态针对动态特别容易被感知、动态对着静态相对难以被感知、静态对着静态极其很难被感知。

之所以这样，是由于要是前方车辆处于静止状态，目标信息就容易跟地杂波等混杂在一起，这就需要借助一定的算法才能够从其中分辨出目标。而要是面对的是一辆正在行驶的汽车，基于其拥有的多普勒信息，进而相对比较容易探测到目标。

可是当下，诸如博世、大陆等公司的雷达工程师们，早就使从地杂波里识别静态物体的问题得到了解决，可为什么依旧没办法精准地识别静止车辆呢？

在这里，这是和当下毫米波雷达的技术状况相关联的，一般而言的毫米波雷达，是不存在高度方面的信息的，并且在空间分辨率上也是不够充足的。

要是缺少高度方面的信息，那么这就表明雷达会很难去区分那种横穿马路的路牌以及桥下的车辆；倘若空间分辨率是不够高的状态，这就意味着两个距离十分接近的物体，它们的回波将会被混合到一块儿，进而很难知晓到底有几个目标。

道路中央的路牌

这个场景里，五菱宏光车身与护栏挨得极为接近，且两车均处于静止状态，此时，雷达对这两个目标进行区分，就要借助角分辨率来达成。在距离较远时，雷达反射点相互混杂，一直到距离很近的时候，才能将护栏与车辆区分开来。承泰科技CEO陈承文如是告知车东西 。

要是极为难以分辨区分，出现把静态目标错误地识别成车辆的状况，而后实施刹车动作，这会对用户体验造成极为严重的不良影响，甚至还会致使事故数量的增加，所以部分雷达公司以及自动驾驶公司会作出选择，把静态物体（其中涵盖车辆）予以过滤排除，以此来削减误触发的情形 。

然而，据知悉信息而言，针对博世这个企业，还有大陆这种企业，以及承泰科技这一企业等，不管是新的雷达企业还是老的雷达企业，它们已然能够凭借针对不同物体来讲的RCS反射面积存在的差异，以及针对不同帧之间而论的反射点所具有的不同，以此来实现区分路牌，区分立交桥，进而区分车辆 。

一位车企自动驾驶负责人向车东西如此讲，那种技术确实是存在着的，然而经由我们实际测量之后发现，仅仅依靠毫米波雷达去分辨静止的物体以及静止的汽车，其准确程度并非是很高的。

紧接着问题再度浮现了，各异物体的RCS反射面积存在差异，就类似汽车与立交桥的反射面积不一样这种情况，依据什么缘由不可以凭借区分RCS对不同物体予以确定呢？

毫米波雷达公司隼眼科技CTO张慧，东南大学国家毫米波重点实验室毫米雷达技术专家表示，这是由于物体形状、材质不同时，RCS均不一样，即便为同一物体，不同角度的RCS也有差异，在车载场景里变量过多，当下很难单纯凭借RCS去判定一个物体的类型 。

他讲道，最具代表性的实例便是像B2、F117这类隐形飞机，尽管那种飞机形体颇为庞大，然而借助吸波材料对机身予以覆盖，可它的RCS却是极小的 。

不同角度下，汽车的RCS不同

那么从这样的角度去进行观察之后，毫米波雷达的确是存在着相当数量的限制，不过令人欣喜的消息是，博世以及大陆等相关企业，都正在以积极主动的态度去开展高分辨率、成像毫米波雷达等新一代相关产品的研发工作。

比方说博世的第五代毫米波雷达，极大地加大了点云密度，进而大幅度提高了感知能力，对于静态车辆的识别也会越来越出色。

当然，对于汽车企业来讲，最为简单直接的办法，便是在现有的摄像头以及毫米波雷达的基础之上，再去引入激光雷达，甚至包括多个高线束激光雷达，如此一来，更是能够极大地提升感知能力句号。

就好比蔚来新推出的车ET7，直接安装了一个属于Innovusion的，等效为300线的高精度激光雷达。

蔚来下一代自动驾驶技术采用激光雷达

结语：一线车企必须走全栈自研之路

从蔚来车型展现出的那份竞争力以及这一次的事故情形考量，处于一线位置的车企基本上必然会去选择自行研发自动驾驶技术，而且必定会从部分依靠自身开展研发朝着完全依靠自身进行全栈式研发的方向转变。

其一，汽车企业若要更迅速地达成更多高级功能，进而增强产品竞争力，那就唯有依靠自身去达成了。举个例子来说，蔚来正是凭借自主研发，才能够在特斯拉推出之后，推出居于第二位的自动导航辅助驾驶系统NOP，而在供应商那里暂时是无法买到类似技术的。

另一方面，做自研还必须往全栈自研发展。

这次事故堪称一个典型实例，蔚来的视觉算法源于供应商，其毫米波雷达算法同样出自供应商，蔚来的自动驾驶系统只能依赖对方所提供的感知结果去做决策，一旦感知系统产生问题，或者在运行中发挥不了作用，决策系统便毫无办法，最终致使事故发生，这也成为了蔚来自动驾驶的伤痛所在。

最稳妥的做法是，把所有算法，都掌握在自己手里。这也是在ET7发布的时候，蔚来大声宣称自己要搞全栈自动驾驶，这个关键原因里的一个原因 。

只不过，这条路非常困难。