图片展示

Uber无人驾驶撞到人的事情,红外热像仪可以帮助减少事故概率!

发表时间: 2019-06-20 17:32:12

关注: 163

▲火车车厢内的火灾监测 当然了,红外热像技术的应用领域远大于此,除电力检测外,轨道交通外,工业检测,石油化工,,海洋海事,防火预警,建筑节能,安防领域等已经开始了红外热像技术的应用,且在向着人工智能的方向发展。 红外热像技术在轨道交通中所充当的角色至关重要,但其实在公共交通中依然如此。不管是交管部门对交通信号的控制,还是车辆本身配置探测器方面的需求,还是海上运输面对的风险等,在公共交通安全方


Uber的一辆自动驾驶测试车在进行路试时发生事故,导致一行人死亡。两个月过去了,美国***运输安全委员会(NSTB)发布了关于Uber自动驾驶致命事故的报告。


根据报告显示,无人驾驶系统即没有清晰的辨认出前方出现的是一个人,而非其他没有生命的东西。以及其他各种因素的影响,最终造成了这次事故的发生

首先我们对事件受害人的去世表示惋惜,愿逝者安息。所以本文不会对此次事件包括无人驾驶本身做任何的评价,但对分析车辆在行驶过程中如何应对突发事件会做相应的阐述。

事故发生地点左右两个大路灯,环境因素复杂的情况下,视觉盲区带来的危害是极大的,以至于自动驾驶系统根本来不及作反应,就已经撞上了受害者。


根据Uber负责人介绍,Uber自动驾驶汽车本身配备了一整套传感器,遗憾的是,目前没有哪种传感器能达到100%的安全、准确。即使***一秒安全员发现了行人,但是已经来不及了。


夜间驾驶盲区

目前主流的自动驾驶传感系统都是采用可见光+雷达的解决方案。但是这种配置在夜晚的使用就显得有些力不从心。


●可见光摄像头,覆盖距离有限,无夜视功能,夜间不工作。

●雷达方案也存在致命硬伤:毫米波雷达存在识别区间限制,而激光雷达对于恶劣天气经常误判。

请注意,毫米波雷达对金属的反射过于敏感,路上的钢板、凸起的井盖,甚至易拉罐的底部,在毫米波雷达的眼中,都相当于一堵墙;当一个人从车流中突然窜出时,毫米波雷达无法对前方障碍物进行及时准确建模,于是惨案就发生了。

Uber事件中坦佩市警察局长透露:“在观看过车载录像之后,受害人是从暗处突然闯入机动车道的。无论是自动驾驶还是手动驾驶,想要避开她都有些困难。”

这份解释可以理解,但用在夜间驾驶上还是显得有些不妥,难道解决事故的方案是夜间零出行?显然是不可能的。

路还是要走的,有没有让行人和驾驶员都安心的安全解决方案呢,其实在国外,红外车载热像行业发展已经初具规模,不过近年来国内对于这方面的研究也不曾落下,红外热像技术在公共交通上的使用已经进入初级阶段。

对一些特殊天气包括夜晚行驶环境而言,相比较普通探测器,红外热像技术的存在对于安全性来说有着决定性的意义。

红外热像技术应用的优势

●红外热成像技术不受任何环境(烟、雾、霾)影响;

●不受光线(日、夜)影响;

●探测距离可远达300米以上(普通车灯只能照射80米以内距离);

●***抗炫光(夜间会车时)解决方案;

●探测监控道路行人或动物,实现提前预警,保障安全。



红外热成像技术的优势就在于,不论环境如何复杂,它都能在***时间把道路情况如实呈现在驾驶员眼中,不会造成视觉漏判或误判。