自动驾驶如何应对鬼探头场景?

编者语：后台回复“入群”，加入「智驾最前沿」微信交流群

鬼探头是指在行车过程中，行人、非机动车或者其他车辆突然从视线盲区中横穿而出的情况。由于这种行为极具突发性，留给人类驾驶员的反应时间往往不到一秒，即便经验再丰富的老司机也难免会惊出一身冷汗。对于自动驾驶系统来说，要解决这个难题，不能只靠单纯的快，更需要一套从硬件感知、预测算法到路侧协同的综合防御体系。

传感器如何看透死角？

自动驾驶汽车想应对鬼探头，首先需要的是比人类更敏锐、视角更广的感知硬件。目前主流的方案是多传感器融合，即让摄像头、激光雷达和毫米波雷达各司其职，共同构建一个全方位的环境模型。摄像头虽然能识别物体类别，但在光线暗淡或遮挡严重的场景下表现有限。激光雷达则通过发射激光束并接收反射点云，能精确获取物体的三维轮廓和位置。在面对路边停靠的大客车或花坛时，激光雷达可以识别出极其细微的边缘变化，甚至在行人露出半个身位时就捕捉到异常。

图片源自：网络

除了常见的传感器，4D毫米波雷达正成为预防鬼探头的利器。传统的毫米波雷达只能分辨水平方向的信息，而4D毫米波雷达增加了高度维度，并且拥有更高的分辨率。此外，它还有一个非常独特的能力，就是利用地面与障碍物之间的缝隙进行多径反射。简单理解就是，毫米波雷达波可以像打台球撞库一样，通过路面反射探测到遮挡物下方的运动物体。这意味着，即便行人被一辆大货车完全挡住，4D毫米波雷达也有可能通过货车底盘下的反射波，提前察觉到路边有物体在快速移动。

热成像摄像头也在一些高端方案中得到了应用。这种传感器不依赖光照，而是根据温度来识别物体。在夜间或者是大雨等视线不佳的环境下，人类或者宠物的体温会使他们在红层图像中变得非常显眼。即便他们躲在绿化带后面，只要有部分肢体露出，热成像传感器就能迅速捕捉到热源，这种热感官为自动驾驶在极端天气下防范突发状况增加了一层安全底线。

算法真的能预测未见之物吗？

硬件只能看到已经出现的东西，而要应对尚未出现的危险，则需要软件算法具备一定的逻辑推理能力。以前的自动驾驶算法主要关注目标检测，即识别出那是车、那是人。但现在，行业内普遍转向了占用网络（Occupancy Network）技术。这种技术不再死板地给物体贴标签，而是将车辆周围的空间切分成无数个微小的方块。只要一个方块被占据了，无论它是什么，系统都会立刻做出规避。

图片源自：网络

更进阶的算法甚至具备了空间感知能力。当自动驾驶汽车行驶在路口，如果一侧的视线被遮挡，系统会利用概率模型来评估这些盲区可能存在的风险。这就像人类驾驶员在经过公交车站时会下意识收油门、备刹车一样。算法会计算“不可见区域”内出现行人的可能性，并据此提前调整车速或调整刹车的预充压力，这种策略往往被称为主动安全预案。

近年来，端到端模型和多模态大模型的引入，让车辆对场景的理解更具社交常识。系统不再只是计算距离和速度，它能理解路边的足球可能意味着后面跟着一个奔跑的小孩，或者路边推着婴儿车的家长可能会有不寻常的走位。通过学习海量的驾驶数据，算法学会了预测行人的意图。以特斯拉FSD v13版本为例，其控制延迟缩减了2倍，结合AI4硬件提供的36Hz全分辨率视频输入，车辆在面对突然横穿的物体时，制动介入的时机比以往版本更加精准且果断。

全局视角如何消除盲区？