※ 引述《rfvujm (Rfvujm)》之铭言：
: 今天看新闻啦
: 又看到三宝开ACC撞防撞车
: ACC没考虑前车突然急煞或失去动力的情况吗
: 前方远远有不动的物体就这样直直给他撞下去？
其实传感器传感距离比人眼还远，问题在感知上(确认前方是否有车)
自驾技术分
1. Sensing(传感)
2. Perception(感知)
3. Planning(规划)
4. Control(控制)
最难的一直都是感知
传感到前方有物体是一回事，再进一步确认前方物体是一辆车又是一回事
目前市售车主要配置毫米波雷达+视觉辨识(辅助)
1. 雷达并不是侦测不到静止物
但为了避免误作动，选择只输出移动物体量测
2. 摄影机会有少数例子无法感知的情况(斜著的货车、翻覆的货车等)
3. ACC属于ADAS(Advanced Driver Assistance Systems)只是辅助驾驶
遇到静止物体没反应比误作动突然煞车影响小的多
[雷达]
https://i.imgur.com/AInOO4D.jpg
(1) 可以量测到静止物体
(2) 量测物理量：距离、角度、相对速度，但不包含高度资讯
nuScenes数据库
https://i.imgur.com/7PlilVO.jpg
黄色的点是车用雷达的数据
https://i.imgur.com/s1BEZDB.jpg
无法确定雷达传感到的是前车、人孔盖、桥墩、悬挂的号志或看板
避免错误侦测造成急煞，只输出可动的物体量测
为了解决传感静止物体造成误作动的问题
一些厂商有在开发4D Imaging Radar
https://i.imgur.com/O5TxpCd.jpg
量测物理量：距离、方位角、高度角、速度
Arbe: Radar Revolution. Delivered
https://www.youtube.com/watch?v=Yc4MfzbbtuI
The RadSee 4D Imaging Radar
https://www.youtube.com/watch?v=h7t-6_wiZKM
[视觉]
视觉是根据算法得到"距离"的资讯
但要开发一套100%正确的算法太强人所难
相较于"直接量测"到物理量
算法"计算"得到物理量
会让软件复杂度增加，这对系统强健性而言不是啥好事
当然以上讨论的都还停留在辅助驾驶阶段
Intel副总裁兼Mobileye总裁/首席执行官在CES演讲中提过
https://i.imgur.com/AVwH4KT.jpg
ADAS和自驾差异不在于能力
而是平均失效间隔时间(MTBF, Mean Time Between Failures)
也就是当ADAS往自驾迈进时
除了要满足功能外，更重要的是确保足够可靠(极低失效跳脱机率)
关于这点，美国密西根大学M-City自动驾驶实验室的彭晖提过
https://i.imgur.com/c4vJW1n.jpg
订定ODD(Operational Design Domain)
Lv4自驾在ODD运作，确保系统安全，是比较负责人的作法
ODD会受当地交通环境复杂度影响
例如：
1. 交通号志(不同位置、被招牌挡住之类)
2. 车道宽度、车道线清晰程度
3. 用路人习惯、驾驶习惯
需要因地制宜，适合A区域的ODD不能直接套用到B区域
所以如何制定合理的ODD
成为目前自驾车发展讨论相当热烈的议题&难题
补充一下光达
传统光达(AM lidar)量测到的三维点云，但不包含速度资讯
速度必须经由不同时间点的数据进行推算
(点云分类、时间轴前后关联、过滤噪声，进而推算该物体速度)
https://i.imgur.com/i3DSwxa.jpg
所以目前有发展FCMW(frequency modulated continuous wave)光达
可以直接量测速度
但光达依旧有些传感问题
1. 镜像、玻璃材质测不到(光穿透)
2. 黑色物体侦测距离偏短(吸收能量)
3. 恶劣天候传感能力不佳，甚至前车水花、海边风砂干扰的问题
光达、雷达、摄影机三者互补
会是"安全"且最全面的作法