何俊南 王雪颖 李伟 董晓菲 吴昊

中国汽车技术研究中心有限公司 天津市 300300

1 引言

随着汽车智能化、网联化的进度不断加快，自动驾驶汽车已成为未来汽车行业的重要发展方向，对汽车产业的变革具有关键作用。自动驾驶汽车作为一种新兴技术，需要具有公众认可的安全水平，这是走向商业化应用必须要跨越的阻碍。尤其是在复杂的气象条件下，自动驾驶汽车行驶的环境状况相较于常规天气更加恶劣，导致事故发生的风险更高，面临的技术挑战更大。

复杂气象条件，是指降雨、降雪、雾霾、沙尘和强光等不利于自动驾驶汽车传感器正常工作的天气或环境。目前，尚无可以胜任全气候条件的环境传感器，且多种传感器融合的技术并不成熟，导致“复杂气象”将长期影响自动驾驶汽车的落地应用。本文针对于此，总结复杂气象条件对自动驾驶汽车环境感知系统的影响，并讨论潜在的解决方案。

2 环境感知系统

自动驾驶汽车的环境感知系统利用外部传感器采集道路状况和天气状况，为自动驾驶汽车的安全行驶提供可靠的决策依据。目前，现有的车载传感器主要包括激光雷达、毫米波雷达、超声波雷达和摄像头等。

2.1 激光雷达

激光雷达是工作在光波频段的雷达，它利用光波频段的电磁波先向目标发射探测信号，然后将其接收到的同波信号与发射信号相比较，从而获得目标的位置（距离、方位和高度）、运动状态（速度、姿态）等信息，实现对目标的探测、跟踪和识别。激光雷达探测范围广、分辨率高、信息量丰富，可探测路面场景中的其他车辆、行人和障碍物等，但不能识别交通标志和交通信号灯，多用于行人保护系统、自适应巡航控制系统、车道偏离预警系统、自动紧急制动系统等。

图1 激光雷达

2.2 毫米波雷达

毫米波是指长度为1-10mm的电磁波，对应的频率为30-300GHz，毫米波雷达的基本原理是发射一束电磁波，观察回波与入射波的差异来计算距离、速度等。毫米波雷达探测距离远，响应速度快，抗干扰能力强，但是覆盖区域呈扇形，有盲点区域，无法识别交通标志和交通信号灯，主要用于自适应巡航控制系统、自动制动辅助系统、盲区监测系统等。

图2 毫米波雷达

2.3 超声波雷达

超声波雷达利用声波的传播来提取环境信息，首先发出高频声波，并且接收物体反射来的回波，最后计算从发送信号到收到回波的时间间隔，从而确定物体的距离。超声波雷达的成本较低，重量轻，功耗低，但是探测距离较近，有盲区，对色彩、光照度不敏感，对光线和电磁场不敏感，最常见的是用在自动泊车辅助系统。

图3 超声波雷达

2.4 摄像头

摄像头主要由镜头、图像传感器、模/数转换器、图像处理器、图像存储器等组成，其主要功能是获取足够的机器视觉系统要处理的原始图像。光线经过光学镜头和滤光片后聚焦到传感器上，通过转换器将光信号转换成电信号，再由图像处理器转换成标准格式的数字图像信号，传输到计算机端。摄像头感知信息量极为丰富，不仅包含有视野内物体的距离信息，还有该物体的颜色、纹理、深度、形状等信息，并且可进行多任务检测。摄像头包括单目、双目、三目、环视等类型，主要用来识别车道线、障碍物、交通标志牌、地面标志、和交通信号灯等。

图4 摄像头

3 复杂气象条件

自动驾驶汽车的行驶场景包括车辆自身要素和外部交通环境要素两大部分，外部交通环境要素涵盖：静态环境要素、动态环境要素、交通参与者要素、气象要素等。其中，气象要素包括行驶过程中的环境温度、光照条件以及天气情况等信息。

3.1 降雨天气

降雨是指在大气中冷凝的水汽，以不同方式下降到地球表面的天气现象。降雨的形成原理是因地球上的水受到太阳光的照射后，变成水蒸气被蒸发到空气中，水汽在高空遇到冷空气便凝聚成小水滴，小水滴经过凝结和凝华，降落到地面形成雨。根据降水量，降雨天气有明确的等级划分：微量降雨、小雨、中雨、大雨、暴雨、大暴雨和特大暴雨。

图5 降雨天气

3.2 降雪天气

降雪是降水形式的一种，是从云中降落的结晶状固体冰，常以雪花的形式存在。降雪的形成原理是大气中的水蒸气直接凝华或水滴直接凝固而成，云中的低温使得水蒸气结成冰晶，当气温够低时，冰晶落到地面形成雪花。因为气温和湿度不同，形成的雪花有多种形状和大小。根据降水量，降雪天气有明确的等级划分：微量降雪、小雪、中雪、大雪、暴雪、大暴雪和特大暴雪。

图6 降雪天气

3.3 雾霾天气

“雾霾”由雾和霾组合而成。雾的主要成分是水，它是由于接近地面的空气冷却到一定程度时水和气体凝结，形成极其细微的水滴悬浮于空中，能见度受到影响，这种现象称为“雾”；霾的主要成分是固体灰尘，即漂浮在空气中的颗粒直径在1-2.5um之间的微小颗粒物。“雾霾天气”指的是一种污染严重的灾害性天气，导致空气的透明度和能见度均降低。

3.4 沙尘天气

沙尘天气是指大风将地面尘土、沙粒卷入空中，使空气混浊、能见度低的一种天气现象。北方的春季气候干燥、降水较少，且植被覆盖量较少，土壤表层干燥疏松，故抗风蚀能力很弱，当有大风刮过，就会将松散土壤中的大量沙尘卷入空中，形成沙尘天气。根据水平能见度，沙尘天气有明确的等级划分：浮尘、扬沙、沙尘暴、强沙尘暴和特强沙尘暴。

图8 沙尘天气

3.5 强光环境

强光环境是一种特殊的天气现象，光源为直接来自太阳的强光或间接的人造强光。其中，直接来自太阳的强光通常为直射的太阳光线，常发于夏季或清晨；间接的人造强光包括白天阳光直射路面、金属或玻璃时产生的刺眼光线，以及晚上突如其来的汽车大灯灯光。强光会严重阻碍和刺激驾驶员的视线，加剧眼睛疲劳，影响其对路况的判断，从而引发驾驶事故。

图9 强光环境

4 复杂气象对车辆的影响

复杂气象条件对自动驾驶汽车的安全行驶带来的干扰因素可归纳为：气温变化、路面变化和可视性变化。

4.1 气温变化

高温和低温环境均会影响传感器的工作特性，尤其当使用环境超出设计温度时，传感器精度降低，并会受到暂时或永久性的损害，因此对于传感器的温度适应性能和耐久性能均提出了更高的要求。此外，低温环境下外置传感器外表面上易出现结霜或结冰的现象，导致传感器无法正常工作。

4.2 路面变化

降雨天气会造成路面湿滑、积水，降雪天气会造成路面积雪、结冰，均会导致路面的附着系数大幅降低，对车辆的操控性能和制动性能有很大影响。目前，自动驾驶汽车的环境感知系统并不能捕捉路面信息，无法有效应对可能出现的轮胎打滑、制动距离增加等情况。此外，降雨天气和降雪天气产生的雨、雪、冰均会覆盖车道线等路面引导标志，造成雷达传感器和视觉传感器识别困难，并且路面上产生的反射会使视觉传感器发生认知混淆、物体误判等情况。

4.3 可视化变化

降雨天气、降雪天气、雾霾天气、沙尘天气和强光环境等复杂的气象条件严重降低了环境的可视性，给自动驾驶汽车行驶安全造成极大的困难。视觉传感器受上述天气影响最大，降落物（雨、雪）或漂浮物（雾霾、沙尘）会遮挡摄像头的视线，导致不能正确感知行驶环境。此外，当降雨的水滴或由雪花融化的水滴附着在摄像头上，会对光圈孔径造成严重影响，造成视野遮蔽或背景虚化等现象。强光环境会使摄像头的可见度降低到几乎为零，造成汽车“失明”。雷达传感器也会因上述天气而受限，发射的信号如光脉冲遇到降落物或漂浮物会反射回来，信号透过率随着降落物或漂浮物密度以及传输距离的增加而下降，甚至会把降落物或漂浮物误认为是需要躲避的物体，干扰自动驾驶汽车对周围环境的正确判断。强光环境会使雷达传感器不能有效识别目标物如车道线、标志牌等。

5 解决方案讨论

随着自动驾驶汽车技术的发展，相关机构已经开始着手探索应对复杂气象条件的方案，分别从多种传感器融合和环境感知算法优化两个角度出发，以增强环境感知系统的性能。

5.1 多传感器融合

在复杂的气象环境中，单凭某一种传感器并不能保证自动驾驶汽车的行驶安全，故需要多种类型的传感器同步融合工作，以提升感知强度，从而获得最佳性能。多传感器融合技术就像人的大脑综合处理信息一样，利用计算机技术将来自多种传感器的气象环境信息和数据，进行多层次、多空间的信息互补和优化组合处理，可显著提高系统的冗余度和容错性，从而保证决策的准确性、快速性和可靠性。例如，梅赛德斯-奔驰公司提出了一种深度多模态传感器融合策略，该策略需配备立体视觉摄像机、激光雷达、近红外门控摄像机、远红外热照相机和道路摩擦传感器等。实车测试结果表明：在雾天条件下，该策略对环境的检测性能明显优于激光雷达或摄像头。

但是，由于多种传感器的融合使用，需要处理的数据量激增，快速、准确地过滤无用或错误数据，并处理有效数据，对车辆最终做出正确的决策十分关键。目前，多传感器融合在硬件层面并不难实现，其重点和难点在于数据处理的算法，常用的理论方法包括贝叶斯准则法、卡尔曼滤波法、模糊集理论法和人工神经网络法等，具有很高的技术壁垒。

5.2 感知算法优化

环境感知算法是自动驾驶汽车关键和共性技术之一，目前大多数算法对复杂气象条件的适应性较低，故需通过优化环境感知算法，降低干扰因素的影响，从而提高感知准确度。

密歇根州立大学研究提出量化降雨量引起的激光雷达性能变化，设置降雨影响的阈值，生成降雨量和传感器性能之间的定量方程，获得不同降雨量下激光雷达的性能水平，此举有助于简化决策过程。Pfennigbauer等提出一种在雾霾天气下对激光雷达进行在线波形处理的想法，由激光雷达记录的目标波形来识别被检测目标性质，计算振幅衰减速率来判断雾的密度，从而对能见度距离进行分类，过滤掉不属于该范围的假目标。复杂气象条件下由摄像头采集到的图像会发生退化，如模糊、低对比度和颜色失真等，Sakaridis等在计算机视觉领域进行深入研究，提出通过场景训练和深度学习，增强图像的对比度和饱和度，可进行雨滴、雪花、雾霾和沙尘等干扰物的检测和清除，恢复有效的图像特征。目前，专门针对强光环境的解决方案比较有限，在计算机视觉领域，借助吸收效应和照片曝光校正技术等，有望解决该类问题。

6 结语

目前，在复杂气象条件下实现自动驾驶还有很多未知的盲区，需要从业者继续探索和研究。多种传感器融合技术的成熟发展可以弥补单传感器环境感知时存在的不足，环境感知算法的不断优化升级可以增强感知与决策的准确性。二者相辅相成，自动驾驶汽车必将逐渐开展复杂气象条件下的专项测试，这也是检验自动驾驶汽车是否具备“全气候”上路能力的必经之路。