传感器清洗是ADAS的噩梦

来源 |  Astroys

为ADAS或自动驾驶汽车配备多种传感器的副产品是车厂几乎肯定要增加更多的子系统，以保持这些传感器清洁没有遮挡。

汽车行业已经意识到这种情况，但很少有车厂弄明白如何解决这个问题。 虽然一个被遮挡的传感器有可能使自动驾驶汽车（AV）瘫痪，但人类驾驶时很可能会遇到类似的问题，但也只是会对ADAS功能产生一定影响罢了。

此外，就ADAS而言，有可能仅仅是拥有多种类型的传感器就能在短期内解决这个问题。 赛灵思汽车业务部的高级主管Willard Tu在访谈中提到过这个问题。

同时，虽然在不久的将来可能很少有自动驾驶的乘用车，但也会有一些应用（加上越来越多的送货和货运车辆、无人机和其他自动驾驶系统），所以这个问题需要尽早解决，而不是拖延。

不管是什么解决方案，它都会给整个车辆增加更多成本。 可能是更多的设备，可能是重新设计车辆以便为额外的子系统留出空间，可能是处理能力，但肯定会增加成本。

一个极端的观点是，传感器必须保持一尘不染。 这种观点在已经开发出传感器清洁装置的汽车零部件供应商中非常突出。 另一个极端是由一些激光雷达和雷达工程师持有的，他们将部分覆盖的传感器的问题视为AI最终会轻松处理的问题，只要有足够的训练。

……鉴于要有足够的训练。 请记住，大多数测试ADAS和AV技术的公司都在亚利桑那州和加州等地的城市/郊区进行了大部分实际道路测试里程。 他们知道那只是一个理想的现实世界，那里几乎每天都是晴空万里，很少会遇到任何可能掩盖传感器的东西。

VSI Labs在美国各州进行的长途测试中，发现传感器表面会附着许多飞虫的残骸，且非常难以清理。

显而易见的清洁机制是车厂几十年来为保持挡风玻璃清晰而采用的机制：通过喷头分配清洁液，然后用雨刮清除清洁液和灰尘。例如，Waymo将这种方法用于其传感器。

但随着必须清洗的传感器（或传感器群）数量的增加，增加雨刮变得越来越不现实。

不过，诉诸于没有雨刮的简单冲洗机制是有问题的，因为清洗液的珠子可能和被清洗掉的污物一样碍事，特别是对于光学相机。一些汽车零部件供应商（包括dlhBowles和Kendrion）已经认为，清洁机制将必须结合液体喷雾器和空气喷射干燥部件。

一种建议是将车身设计成这样的方式，使气流在大部分时间内自然地将灰尘和污垢从传感器套件中排除。当然，“大部分时间”意味着有些时候传感器将不可避免地变脏。然后呢？然而，另一个正在探索的方案是使用超声波清洗。

车厂们仍在评估所有这些可能的解决方案，即使他们每年都在为其车辆增加更多的传感器。

为车辆配备不同传感器组合的典型理由是，多个不同传感器数据流相互补充，共同提供比任何单一传感器模式更好的ADAS和AV性能。

但还有一个原因是，增加不同种类的传感器是很重要的。当一种传感器的性能因雨水、泥浆、飞溅的虫子或其他环境垃圾而降低甚至完全停止时，关键是有一个备用的输入数据流从一个不同的传感器可能少受损或甚至可能不受任何阻碍。

这就是为什么特斯拉在5月说它将放弃雷达而完全依靠摄像头而受到如此多关注的部分原因。任何思考了几分钟的人都知道，不可避免地会出现特斯拉车辆被泥浆溅到而失效的情况。这就是为什么一些汽车专家认为特斯拉的决定可能只是暂时的情况。

赛灵思的Willard Tu介绍了不同传感器在不同类型的障碍物下的表现（赛灵思的FPGA正被一些公司用于处理传感器数据）。

他解释说，例如，雷达比视觉系统的优势在于，雷达可以穿过雨和雾，即使这些条件可能限制雷达系统的范围。

同时，泥浆是独特的。雷达可以很容易地穿透干燥的泥浆。但湿泥浆呢？水是导电的，它可以扭曲信号。

下图显示了多个摄像头、雷达和激光雷达如何能够相互补充。一些汽车制造商正在评估所有这三种传感器，许多公司正在试图确定他们是否可以使用其中的两样（以及哪种组合）。除了特斯拉之外，很少有公司考虑使用单一类型的传感器。

Willard认为应该使用两种类型。激光雷达和雷达都擅长测距。摄像头擅长颜色，而激光雷达和雷达不能做到这一点。另一方面，激光雷达有时可以读取标识，如果文字上有足够的边缘。在成本和性能方面总是有取舍的。

Willard继续表示，大多数车厂只想要一摄像头一种，因为这很便宜，也很容易。然后也许才是是激光雷达或雷达。

但决定使用哪种传感器或哪种组合要复杂得多，Willard解释说。

车辆收集的传感器数据越多，需要的处理能力就越强。但车厂在平衡他们收集的数据量、所需的处理能力，以及与他们的AI的复杂性方面有很大的回旋余地。

Willard说，好的AI是关键。他分享了一张图片，是一张来自实际传感器读取的点云，赛灵思的一位客户向Willard保证，它被用来正确识别视野中的一切。它是如此的稀疏，我们甚至都无法猜测场景中可能存在的东西。重点是，复杂的AI可以用看似最小的数据做得比预期的更多。

当激光雷达和雷达工程师说AI可以用来补偿部分被遮挡的传感器时，这就是他们的目的。与AI可以在相对较少的数据下发挥作用的方式相似，AI可以用来解决获得比普通数据更少的问题，只要有足够的训练。

[参考文章]

ADAS Sensors Create a Cleaning Nightmare — Brian Santo