美國東部時間 3 月 19 日晚間，一輛 Uber 的自動駕駛汽車在亞利桑那州坦佩市的公共道路上與一名行人相撞，該行人在送往醫(yī)院后不治身亡。

警方在一份聲明中稱：「當時該車輛正往北行駛，一名女性在人行道外穿過一條四車道道路時被它撞倒。」

坦佩市警察局長西爾維婭·莫伊爾（Sylvia Moir）在接受采訪時稱：「基于受害人是從陰影中突然出現(xiàn)在馬路上的，很明顯，在任何一種模式（無人駕駛或人為駕駛）下，都很難避免這種碰撞�！�

這起意外事故將不僅影響 Uber 的自動駕駛的計劃，還將影響到整個無人駕駛行業(yè)最終發(fā)布能在公共道路上行駛的無人汽車的計劃。

這則新聞將「無人駕駛技術」推向熱搜。

現(xiàn)有無人駕駛技術路線優(yōu)缺點

目前，國際上自動駕駛環(huán)境感知的技術路線主要有兩種：一種是以特斯拉為代表的毫米波雷達主導的多傳感器融合方案，另一種以高成本激光雷達為主導，典型代表如谷歌 Waymo。我們來分析一下這兩條線路對前方路況分析所使用的傳感器：

特斯拉的無人駕駛方案以毫米波雷達 + 可見光攝像頭為主，最開始有 MobileEye 的參與，以可見光攝像頭為主，毫米波雷達作為輔助。出現(xiàn)撞卡車事件后，Tesla 改為毫米波雷達為主，可見光攝像頭為輔。

谷歌的方案基本上是以激光雷達為主，毫米波雷達為輔，可見光攝像頭幾乎不參與。谷歌似乎對可見光攝像頭一直不感冒，即使涉及到物體行為識別，谷歌仍傾向于用三維激光雷達。

上表中可以看出，目前主流的針對前向的傳感器融合方案都有一個顯著的缺點：在惡劣天氣情況下，只有毫米波雷達一個單傳感器可以起到作用，而毫米波雷達自身又難以識別行人。故現(xiàn)有的技術方案只能在正常天氣下工作，在惡劣天氣環(huán)境下（特別是光線不好的情況）會對路上行人的生命會造成極大的威脅。

所以面對這種既要能在夜晚和惡劣的天氣情況下，解決視覺和行人識別的問題�？此茻o人駕駛未能找到解決方案，但其實我們忽略了，夜視傳感器中的遠紅外傳感器。遠紅外技術只考慮觀測主體與環(huán)境之間溫度差，可以不受光線情況影響。

遠紅外熱成像原理，通過能夠透過紅外輻射的紅外光學系統(tǒng)將視場內(nèi)景物的紅外輻射聚焦到能夠?qū)⒓t外輻射能轉(zhuǎn)換為便于測量的物理量的器件——紅外探測器上，紅外探測器再將強弱不等的輻射信號轉(zhuǎn)換成相應的電信號，然后經(jīng)過放大和視頻處理，形成可供人眼觀察的視頻圖像，最終通過終端顯示、音響設備報警的夜間輔助駕駛產(chǎn)品。

小結(jié)：慘痛的事故背后，免不了對無人駕駛技術的諸多質(zhì)疑，但同時，又是促成該領域不斷完善的最大動力。飽含敬畏，大膽創(chuàng)新。