自動駕駛汽車如何探測路面的積水深度？

[首發(fā)于智駕最前沿微信公眾號]對于自動駕駛汽車來說，雨天和積水一直是非常棘手的挑戰(zhàn)。在晴朗的天氣里，傳感器可以輕松識別車道線、行人和其他車輛，但當(dāng)路面出現(xiàn)大面積積水甚至發(fā)生內(nèi)澇時，情況就變得復(fù)雜了。

自動駕駛系統(tǒng)不僅需要發(fā)現(xiàn)前方有水，更需要判斷這灘水到底有多深，是以較低的速度駛過，還是應(yīng)該立刻停下并繞行。這種對積水深度的探測，目前在技術(shù)層面依然屬于一個正在不斷探索的課題。

傳感器眼中的積水長什么樣？

目前自動駕駛汽車主要依靠激光雷達(dá)、攝像頭和毫米波雷達(dá)來觀察世界。激光雷達(dá)通過發(fā)射激光束并接收反射信號來建模，但當(dāng)激光遇到積水時，大部分光線會發(fā)生鏡面反射，斜著射向遠(yuǎn)方而無法回到接收器，或者被水體直接吸收。這就導(dǎo)致在激光雷達(dá)的視角里，積水區(qū)域會變成一片“信息黑洞”，系統(tǒng)很難直接獲取水底路面的深度數(shù)據(jù)。

攝像頭則更接近人類的視覺。它能看到路面的反光、水花的濺起以及周圍物體在水中的倒影。雖然攝像頭無法像尺子一樣直接量出深度，但它能通過捕捉這些視覺特征來間接推斷。

舉個例子，如果攝像頭發(fā)現(xiàn)前方的路緣石已經(jīng)消失在水面下，或者路邊的交通標(biāo)志桿只露出了一半，算法就能意識到水位已經(jīng)超出了安全范圍。不過，這種推斷非常依賴環(huán)境參照物，如果是在一片開闊且沒有參照物的地帶，攝像頭也會感到無所適從。

圖片源自：網(wǎng)絡(luò)

相比之下，毫米波雷達(dá)對雨霧的穿透力較強(qiáng)，但它的物理特性決定了它對水面這種平整的介質(zhì)缺乏足夠的區(qū)分度。它更多是用來探測水面上方的障礙物，而不是水面本身的深度。

因此，單純依靠某一種傳感器去“測量”積水深度是非常困難的，行業(yè)內(nèi)普遍的做法是將多種傳感器的數(shù)據(jù)進(jìn)行融合，并結(jié)合地圖信息進(jìn)行綜合研判。

既然看不透，深度是怎么算出來的？

既然傳感器很難直接看穿水面，有些技術(shù)方案中便開始嘗試通過側(cè)面打聽的方式來解決問題。一種常見的方法是利用幾何推理。早期自動駕駛汽車配有高精地圖，系統(tǒng)知道這段路面在干燥狀態(tài)下的海拔高度和坡度。當(dāng)傳感器發(fā)現(xiàn)水面時，通過計(jì)算水面邊緣與周圍已知高度物體（如路肩、隔離帶）的接觸點(diǎn)，再對比地圖上的原始高度，就能估算出大概的水深。

圖片源自：網(wǎng)絡(luò)

計(jì)算機(jī)視覺中的語義分割技術(shù)也起到了關(guān)鍵作用。現(xiàn)在的自動駕駛系統(tǒng)會通過深度學(xué)習(xí)模型，實(shí)時識別出圖像中屬于“積水”的像素區(qū)域。在一些先進(jìn)的方案中，系統(tǒng)還會分析前車的行駛軌跡。如果前方車輛經(jīng)過積水時，車輪被淹沒了一半，或者濺起的水花高度異常，后方的自動駕駛系統(tǒng)就會捕獲這些動態(tài)特征，并迅速通過視覺分析給出深度的參考值。

為了提高判斷的準(zhǔn)確性，現(xiàn)在的算法已經(jīng)不再局限于單純的幾何測量。像特斯拉在推廣其全自動駕駛能力時，就利用了海量的真實(shí)駕駛數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使其能夠識別出不同深度積水的細(xì)微視覺差異。根據(jù)特斯拉官方在技術(shù)分享會上的描述，他們的系統(tǒng)可以識別由于水深不同而引起的路面紋理變化和反射率差異。這種方式雖然不需要復(fù)雜的物理公式，但需要極其龐大的素材庫來支撐算法的自我進(jìn)化。

面對積水，現(xiàn)在的自動駕駛能做到哪一步？

在實(shí)際應(yīng)用中，汽車廠家對積水的處理態(tài)度通常是非常謹(jǐn)慎的。即便技術(shù)上能做到初步探測，但出于安全考慮，大多數(shù)系統(tǒng)在遇到深度不明的積水時，首選策略依然是避讓。

圖片源自：網(wǎng)絡(luò)

不過，針對一些特定車型，硬件層面的主動防御已經(jīng)開始與感知算法相結(jié)合。以特斯拉Cybertruck（參數(shù)丨圖片）為例，該車在2024年更新的說明書中就已詳細(xì)描述了“涉水模式”。在這個模式下，車輛不僅會調(diào)高空氣懸架，還會對電池包進(jìn)行加壓，防止水分滲入。雖然這更多屬于硬件保護(hù)，但它也依賴于系統(tǒng)對外部水環(huán)境的初步感知。

除了乘用車，在特定的運(yùn)營場景下，自動駕駛的積水探測已經(jīng)有了實(shí)戰(zhàn)案例。比如百度Apollo在武漢和北京運(yùn)營的無人駕駛出租車，在遇到短時強(qiáng)降雨產(chǎn)生的積水路段時，系統(tǒng)會結(jié)合激光雷達(dá)的“回波缺失”特征和視覺上的水流波動進(jìn)行聯(lián)合判定。

其第五代無人車就已經(jīng)可以識別超過10厘米深度的明顯積水，并根據(jù)預(yù)設(shè)的安全閾值自動做出減速或改道繞行的決策。這種能力在城市內(nèi)澇頻發(fā)的季節(jié)，對于維持無人化運(yùn)營的連續(xù)性至關(guān)重要。

最后的話

積水探測技術(shù)仍面臨很多極端情況的考驗(yàn)。比如渾濁的泥水會完全遮蔽水底情況，夜間微弱的光線會讓攝像頭失去判斷力，而湍流不息的水面則會讓視覺算法產(chǎn)生誤差。未來的突破方向可能會更多地轉(zhuǎn)向多車協(xié)同感知，即通過先導(dǎo)車輛將探測到的實(shí)時路況數(shù)據(jù)通過網(wǎng)絡(luò)分享給后車。這樣一來，哪怕后續(xù)車輛的傳感器被積水干擾，也能提前獲知前方的安全水深限制。自動駕駛對積水的探測，正在從嘗試看清向聰明預(yù)測跨越。