自动驾驶深度学习(第12/100天)动态篇:AEB未能识别横穿行人——是“没看见”还是“没想刹”?

阅读约12分钟 | 关键词：行人检测、小目标、感知置信度、决策阈值

新闻背景（综合真实案例）
2024年，国内某城市发生一起夜间交通事故：一辆开启L2级辅助驾驶的车辆，以约60km/h的速度行驶，一名行人从路边突然横穿马路。车辆几乎没有任何减速，直接撞上行人。事后行车记录仪显示，碰撞前几秒，行人已出现在车灯照射范围内，但AEB（自动紧急制动）未触发。车主质疑：“我的车有AEB，为什么看不见一个大活人？”

这并非个例。Euro NCAP和C-NCAP的测试也表明，夜间横穿行人（尤其是深色衣服）的AEB通过率远低于白天。今天，我们结合第11天的目标检测知识，深度剖析这类事故背后的技术链断点。

👁️ 一、感知环节：行人可能“被漏掉”

AEB触发的第一步是感知模块必须检测到行人。但行人是道路参与者中“最难检测”的目标之一，原因如下：

1. 小目标问题

行人在图像中占的像素很少。一个距离50米的成年人，在800万像素的图像中可能只占几十个像素。小目标的特征弱，容易被卷积神经网络的下采样（池化）操作“忽略”。尤其是夜间对比度低，行人轮廓与背景融为一体，检测难度骤增。

2. 遮挡与姿态变化

横穿马路的行人可能被路边车辆、绿化带部分遮挡。算法只能看到行人的上半身或下半身，需要依赖上下文推理（例如：有上半身在移动，下半身被车挡住，推测是一个完整行人）。如果训练数据中这类遮挡样本不足，模型会漏检。

3. 外观多样性

行人穿着不同颜色、款式的衣服，拿着雨伞、背包，甚至推着婴儿车。算法需要学习极其丰富的特征。如果训练数据中某种穿着（如深色衣服、夜间）样本少，泛化能力就差。

4. 夜间与恶劣天气

第1天和第5天我们讲过，摄像头在夜间动态范围不足，暗部细节丢失；激光雷达在雨雾天性能下降。夜间横穿行人恰恰是两者都薄弱的场景。

结论：在很多事故中，感知模块可能根本没有输出“行人”这个目标（置信度低于阈值），或者输出了但延迟了几帧（检测不够快）。AEB自然无法触发。

🧠 二、决策环节：即使看见了，也可能“决定不刹”

即使感知模块成功检测到行人，AEB是否触发还要经过决策逻辑。这里存在几个可能导致不刹车的“软件阀门”：

1. 置信度阈值

为了减少幽灵刹车（高速上空无一物却突然急刹），厂商会设置较高的置信度阈值。例如，只有感知模块输出“行人”的置信度超过90%，AEB才授权紧急制动。如果模型对当前行人的置信度只有85%（由于光线差、遮挡），系统可能会选择“暂不动作”，等待下一帧置信度更高。但等待的几十毫秒里，碰撞可能已经发生。

2. 速度与距离的碰撞时间计算

AEB算法会计算TTC（Time to Collision，碰撞时间）。如果TTC大于某个值（如2秒），系统可能先发出预警（FCW），留给驾驶员反应；如果TTC小于阈值（如0.8秒），才触发全力制动。但横穿行人的运动轨迹与自车行驶方向存在夹角，预测交汇点和TTC比前车急刹复杂得多。算法可能误判TTC过大，错过制动窗口。

3. 误触发风险规避

如果车辆在行驶中，路边有静止的假人广告牌，摄像头可能误检为行人。算法如果轻易制动，会造成幽灵刹车，引发后车追尾。因此决策模块需要融合多种传感器（如雷达、激光雷达）来交叉验证。夜间横穿行人，雷达对行人的反射信号弱（行人雷达散射截面小），激光雷达可能漏掉。融合后多个传感器都不确认，系统宁可相信“没有风险”，也不敢刹车。

🛠️ 三、技术改进方向

1. 感知层面

· 更好数据：采集大量夜间、遮挡、远距离行人样本，平衡训练数据集。
· 时序信息：利用多帧图像，通过时序信息增强小目标检测（前一帧有模糊的候选，下一帧寻找对应）。
· 4D毫米波雷达：能够更可靠地探测行人（即使激光雷达/摄像头失效），且成本低于激光雷达。
· 红外夜视：少数豪华车配备，可大幅提升夜间行人检测距离和可靠性。

2. 决策层面

· 动态调整阈值：在夜间、交叉路口等高风险场景，主动降低AEB触发阈值（更激进）。
· 预测模块介入：即使当前帧置信度不高，但如果预测模块显示行人轨迹将与自车交汇，系统应提前减速或预警。
· 法律与用户预期：厂商需明确告知夜间AEB的性能边界，避免用户过度信任。

📌 给大家的实用建议

1. 任何时候不要依赖AEB来处理横穿行人，尤其夜间、雨天、路边有遮挡物。你自己才是刹车的第一责任人。
2. 了解你车的AEB性能：查看Euro NCAP或C-NCAP的测试成绩，尤其关注“夜间行人”场景的评分。如果没有经过测试（或分数低），加倍小心。
3. 购车参考：如果经常夜间行车，优先选择带激光雷达或4D毫米波雷达的车型，行人检测能力更强。纯视觉方案夜间表现参差不齐。
4. 主动防御：经过路口、公交站、学校等行人可能出现的地方，提前减速、脚放刹车。不要等到AEB帮你。

🔗 知识连接

· 第11天：目标检测的局限（小目标、遮挡、类别不平衡）。
· 第1天：摄像头的夜间性能短板。
· 第3天：毫米波雷达对行人检测的困难。
· 第5天：激光雷达的夜间优势。

💬 互动思考（可选）

大家是否遇到过车辆对行人突然出现毫无反应的情况？或者曾经被幽灵刹车吓到过？你觉得车企应该更激进（宁可误刹）还是更保守（减少误刹，但可能漏刹）？欢迎交流。

关键词回顾
AEB行人 小目标检测 置信度阈值 TTC计算 夜间感知

🎯 明天预告（第13天 / 知识篇）

我们将进入车道线检测——车辆如何识别车道线，并判断自己是否在车道内？深度学习与传统图像处理的结合。

本系列为100天深度学习计划，每日1篇。欢迎随时提问。