首先是目前的辅助驾驶是不能跨越车主驾驶权的。

比如最近闹得沸沸扬扬的特斯拉事件，车主说踩的刹车，特斯拉说车主踩的电门。

有些朋友说不谈有的没的，为啥辅助驾驶的自动刹车功能为啥没启用。

不是说遇到了行人和车辆，会主动刹车吗?

有懂一点汽车的朋友，说难道AEB有问题了，关键时刻不起制动作用，那不是特斯拉的AEB的问题吗？

AEB，英文全称叫做“Autonomous Emergency Braking”，自动紧急刹车系统。

AEB是一种汽车主动安全技术，原理为识别前方障碍，测出安全距离，在危险距离时开始制动。

在识别出来障碍物之后，确定危险距离，AEB就会用声音及震动来提醒驾驶员，驾驶员依旧没有反应的情况下，AEB强制主动进行刹车，有效保护汽车自身（驾乘人员）及“障碍物”的安全。

但是车主持续踩下油门/电门，加速意愿强烈的话，AEB是不会强制执行制动这个行为的，只是会进行声光/震动报警。

这里不用和我杠，我试过，AEB提醒我了，我执意踩的油门，最后还是加速追了尾，赔了几万块钱，还好买全了保险。

为什么这么设置，车辆在没有人为干预的情况下才会自动制动，因为目前的辅助驾驶是无法代替人的驾驶的。

如果AEB检测到了前车过快减速，想带脚刹减轻碰撞。而驾驶者的判断是旁边路是空的，可以转向避让的，反而踩油门/电门，打方向盘，加速驶离目前道路。如果AEB这个时候不听驾驶员的，硬要来脚急刹，反而可能造成事故。

再说，现阶段出了事故，比如车主开车撞了人，车没问题的话就是要找人了，不会去找辅助驾驶的责任。

这是因为谁是主要项目负责人，谁的声音就大，话语权就大。因为你（驾驶者）负责行车安全，别人（辅助驾驶）乱指挥，出了恶劣后果还你担责，那你肯依的啊？关键时刻，两者冲突，辅助驾驶还是要听驾驶员的。

所以，回到特斯拉事件，就应该知道为啥辅助安全无效了，只要电门深踩不放（或者系统因某种原因反馈车主需要持续加速），那么辅助的AEB等安全措施就不会强制启动，自然也不会看见人或者车减速了。

关于自动刹车的，普通人还有个盲点，就是为啥我有时候走神了，也没死踩油门啊，结果还是撞障碍物了，为啥汽车不能快撞障碍物了就自动刹车。

我原来倒车的时候，开着简配的车，没后置摄像头的那种，但车后面放箱子，放购物车，站着人，有堵墙，随便是啥，只要是车后面有障碍物，那个都报警。那技术不就是一个雷达，反射到了障碍物，然后雷达波回来告诉我有障碍物，管他什么障碍物，都不能倒了，随着障碍物距离接近不断报警（好一点的辅助驾驶还会刹停）啥的，有啥难度，要啥摄像头。

现在我开的车啥功能都有，自动泊车都出来了，在雷达和摄像头的帮助下，车辆都能直接入库了，而且遇到障碍物都会先判断，再预警，再自动调整位置避开障碍。

为啥车现在先进到这种程度了，感应器都能探测很远了，还是不能遇到障碍物就刹车呢。

那么，为什么汽车不能设计成行驶的时候快撞车就自动刹车呢？

这个解释起来，就稍微复杂了一点点。

先说下泊车的雷达。

用来泊车报警的感知设备，叫做超声波雷达。而这个雷达的目前最远探测距离（保持精度）为5米。

啥叫超声波雷达？

就是一个发射超声波的装置，再弄一个接收超声波的装置，根据来回的时间差，就能估算出雷达距离障碍物的相对距离，精度可以达到1-3CM。

现在我们常见的，也是用了几十年的超声波雷达叫UPA，UPA的探测距离一般在15CM-250CM。通常安装在汽车前后保险杠上，用于辅助泊车。

而自动泊车就需要装侧面雷达，这里用的则是更长距离的探测超声波雷达APA.APA的探测距离在30-500CM。

APA用于测量侧方障碍物的相对距离，因为其探测距离较远，也可用在驾驶的时候探测后方、侧面是否有来车过于靠近本车，可以用于侧后方来车报警。

一辆车从检测到障碍物到刹停，要经过感知-思考-决策的过程。而一辆100公里时速的车，一秒就是28米，指望5米感知距离的超声波雷达来帮助刹停，等探测到了再到刹停，那简直就是100%碰撞，对于驾乘人员的生命简直就是开玩笑。

那么为什么超声波雷达不能检测远一点的位置，比如100米开外？

因为超声波是机械波，散射角大，方向性不集中，无法精准描述障碍物位置，离障碍物距离越远灵敏度越差，现阶段5米以上就无法判断障碍物的精准相对距离。

那么毫米波雷达，加高清摄像头呢，能否在车辆进行中高速行驶，在车主发呆的时候，遇到障碍物就停呢？

答案也是不行的。

这又要解释下原理了。

毫米波雷达即便最近才开始配在某些高端车型上的77GHZ的，其精度也只有10-40CM级。

这是个什么意思呢？就是一个人，在毫米波雷达的感知里，可能就是由几个反射点到十几个反射点所组成。一辆比人大很多倍的面包车、卡车，倒是反射点多一些，可能会有一个大概的轮廓勾勒出来。

但从稀疏的几个反射点里面判断前方是个人还是个什么玩意，还要从一大堆反射点里把这几个点给摘出来，不和其他的反射点融为一体，对于算法来说，也是个让它头疼的事情，反正我看过毫米波雷达反射的点云图，我是弄不清楚左边这十几个点，右边那几个点是啥玩意的……

觉得反射点少了，想多来点那个反射点，那么我们调高毫米波雷达的灵敏度，降低探测阈值行不行呢？

也不行，此路不通。

因为毫米波雷达对金属敏感度高，极容易把小金属识别成超大的金属体。

而马路上的各类金属块，比如废弃易拉罐，孤零零的金属护栏，金属标志牌，真的金属干扰源太多。

在高灵敏度下，这就和照相一样，灵敏度越高，无用的噪点也会增多，这样就会造成大量的误判，导致“鬼影”，“虚影”的出现。

所以，毫米波雷达必须要找到一个平衡点，太灵敏了到处都是误判，那么就不能精度太高。

而精度不高，就更不能毫无保留地相信毫米波雷达了。如果回回采纳它的数据，那汽车很有可能在一马平川的道路上，突然就是一个急刹，因为毫米波雷达判断前方有个“障碍物”。然后司机一脚油门，继续走，过一下又是一个刹停……还是误判…………

这样的辅助制动估计会让司机和乘客抓狂……会让车企破产……

所以，为了防止汽车出现这种状况，现在的逻辑，毫米波雷达要求刹停的要求还得经过高清摄像头的确认把关才行，这样就可以防止毫米波雷达误判。

只有在两者判断一致的情况下，比如前面有辆车停了，毫米波雷达说前面有辆车，摄像头也说前面有辆车，那么AEB才会下决定开始刹车。当然，根据权重的不同，也可以调整为摄像头说前面有辆车，毫米波雷达懵的情况下，也可以开始刹车。

说回高清摄像头，通过提供高分辨率的图像，再把图片转为二维数据，然后进行图像匹配进行识别。前面这个到底是车辆，还是行人，还是电动车，摩托车，这种方式就是我们常说的神经网络学习得来的。

（神经网络是一种模拟大脑认知的机理，解决各种机器学习的应用任务，从海量的数据中进行深度学习。）

我们现在用的人工智能的学习，基本是采用的自下而上的方法，使用深度神经网络（DNN）或卷积神经网络（CNN）进行深度学习。（深度学习：一类机器学习算法，使用多层从原始输入中逐步提取更高层次的特征。）

而摄像头感知的数据，如果算法没有见过类似的，无法解析出来，很有可能认为这是个错误的感知。

比如前面道路，车的前方突然出现了一棵大树，还是枝繁叶茂的那种。

我们人眼当然知道，前面是一个装载一棵大树的大卡车，它停下来了，我不能再开了，否则就撞了。

但毫米波雷达示警，这前面的反射点告知车前面有个庞大的物体。但这反射点的轮廓，让雷达处于懵的状态，这到底是个啥？天边的一朵云彩？还是金属反射的虚影？不会又是出现了“鬼影”的误判吧。

摄像头拍摄后，也是懵的，这图片转成的二维数据俺没学过啊，俺在数据库里对比了好多次，完全和我之前学过的东西不沾边啊。

数据库没这样的汽车啊，也没这样的电动车和三轮车，也不像个人，更不像护栏，三角锥这类能出现在道路上的玩意，这到底是个神马东西。要说，翻了的车都导入数据库了，这翻了的车也不像啊。

算了，肯定是错误信息，摄像头过了坑抖动了，要不就是啥反光造成的幻觉？

然后两个探测器的数据汇总合计，行车电脑判定是错误感知，应该前面没障碍物，那就别辅助刹车了。

正常开吧，反正根据深度学习经验，之前这么判断了好多次了，都没出事，没问题的……

反正俺们也只是辅助，出责任的还是驾驶者，驾驶者都不急，俺们不知道啥原因，来个急刹也说不过去啊……

（图片来源网络，侵删！）