攻克“鬼探頭”與“逆光盲區(qū)”，自動駕駛的“長尾補盲戰(zhàn)”

2026年，自動駕駛行業(yè)迎來關(guān)鍵商業(yè)化窗口期。特斯拉在奧斯汀實現(xiàn)“車內(nèi)無人”運營落地，國內(nèi)百度蘿卜快跑和小馬智行也在多城加速布局。與此同時，工信部在2025年底發(fā)布首批L3級有條件自動駕駛車型準(zhǔn)入許可，全國20個試點城市正推動“車路云一體化”從“有用”走向“能用”。

然而，喧囂的另一面是行業(yè)共識的悄然轉(zhuǎn)向：長尾問題——那些發(fā)生概率低但致命性高的邊緣場景，已成為高階自動駕駛規(guī)?；涞氐恼鎸嵠款i。在技術(shù)圈，有一個形象的比喻：99%的準(zhǔn)確率決定演示效果，最后1%才決定生死。這最后的1%，正是由無數(shù)個“沒見過”的障礙物、“看不清”的逆光和“來不及反應(yīng)”的突發(fā)狀況構(gòu)成。

正是對這些“最后1%”場景的應(yīng)對乏力，讓業(yè)界對感知系統(tǒng)可靠性的關(guān)注度，正在超越對算法精度的純粹追逐。從技術(shù)研發(fā)到量產(chǎn)應(yīng)用，突破傳感器的物理極限，已成為行業(yè)跨越商業(yè)化門檻的當(dāng)務(wù)之急。

自動駕駛的“最后1%”

長尾場景成為真實門檻

特斯拉CEO馬斯克近日在回應(yīng)行業(yè)討論時指出，由于現(xiàn)實世界存在“極為龐大的長尾復(fù)雜性”，要實現(xiàn)安全的無監(jiān)督自動駕駛，大約需要100億英里的訓(xùn)練數(shù)據(jù)。這一判斷并非情緒化感慨，而是對自動駕駛技術(shù)門檻的清醒認(rèn)知。

自動駕駛面臨的核心挑戰(zhàn)，在于真實道路環(huán)境由無數(shù)低概率、高風(fēng)險、高耦合的極端情況構(gòu)成。百度自動駕駛團(tuán)隊的測試數(shù)據(jù)顯示，在暴雨天氣、強光逆光、不規(guī)則障礙物等邊緣場景中，L3級自動駕駛系統(tǒng)的通過率為75%至85%，遠(yuǎn)低于人類駕駛員約98%的水平。

其中一個關(guān)鍵瓶頸來自感知系統(tǒng)本身。傳統(tǒng)視覺傳感器在復(fù)雜環(huán)境下的性能衰減十分明顯：在暴雨條件下，視覺識別距離可能下降60%；在強逆光場景中，攝像頭圖像甚至?xí)霈F(xiàn)大面積過曝，導(dǎo)致目標(biāo)識別能力大幅下降。這些失效并非偶然，而是傳統(tǒng)幀式相機技術(shù)路徑的固有局限。

更棘手的是，自動駕駛系統(tǒng)所面對的大量長尾場景，很難通過有限的真實道路測試完全覆蓋。即使持續(xù)擴(kuò)大數(shù)據(jù)規(guī)模，也難以窮盡所有極端情況。根據(jù)研究機構(gòu)Gartner發(fā)布的智能駕駛技術(shù)成熟度曲線，目前感知系統(tǒng)的極端環(huán)境適應(yīng)能力仍處于“泡沫破裂期”向“穩(wěn)步爬升期”過渡階段，距離大規(guī)模成熟應(yīng)用預(yù)計仍需3至5年時間。

這意味著，僅依靠擴(kuò)大訓(xùn)練數(shù)據(jù)規(guī)模，并不足以完全解決自動駕駛系統(tǒng)在復(fù)雜環(huán)境下的可靠性問題。越來越多產(chǎn)業(yè)參與者開始將注意力轉(zhuǎn)向另一個方向：從底層傳感器架構(gòu)入手，提高系統(tǒng)在極端環(huán)境中的先天感知能力。

在這一背景下，事件相機（Dynamic Vision Sensor，DVS）正逐漸從實驗室走向產(chǎn)業(yè)應(yīng)用。與以固定幀率持續(xù)采集完整圖像的傳統(tǒng)相機不同，DVS采用像素級異步工作機制：只有當(dāng)某個像素的亮度變化超過設(shè)定閾值時，傳感器才會輸出該像素的位置、變化方向以及時間戳。這種“按需響應(yīng)”的方式，使視覺系統(tǒng)不再依賴連續(xù)幀圖像，而是直接記錄場景變化，從而顯著減少冗余數(shù)據(jù)，同時提升對動態(tài)環(huán)境的感知能力。

由此帶來的優(yōu)勢主要體現(xiàn)在三個方面：更快的響應(yīng)速度、更強的光照適應(yīng)能力以及更低的數(shù)據(jù)與能耗成本。首先是微秒級響應(yīng)速度，DVS的時間分辨率達(dá)到微秒級，相比傳統(tǒng)相機每秒30至60幀的采樣方式提升數(shù)百倍，在自動駕駛場景中可在約30毫秒內(nèi)捕捉突發(fā)狀況，例如突然竄出的行人或高速拋出的異物。其次是超高動態(tài)范圍，主流DVS產(chǎn)品動態(tài)范圍可達(dá)120至140分貝，在隧道進(jìn)出、夜間或強逆光等極端光照條件下仍能穩(wěn)定輸出感知信號，而傳統(tǒng)相機往往會因過曝或暗光而失效。

第三個優(yōu)勢體現(xiàn)在系統(tǒng)效率上。由于僅在亮度變化時才產(chǎn)生事件數(shù)據(jù)，DVS能夠顯著減少圖像采集帶來的冗余信息，從而降低數(shù)據(jù)帶寬和整體功耗。這一特性對功耗敏感的移動平臺尤為重要，例如自動駕駛汽車和移動機器人。正是在這樣的技術(shù)背景下，越來越多企業(yè)開始嘗試將事件視覺引入自動駕駛感知體系，并在真實運營場景中進(jìn)行驗證。

事件相機走向真實場景

自動駕駛感知體系的一次技術(shù)驗證

理論上的技術(shù)優(yōu)勢，最終仍需要通過真實場景驗證。但要將事件視覺技術(shù)從實驗室原型推向?qū)嶋H運營環(huán)境，本身也意味著跨越工程化、系統(tǒng)集成以及算法適配等多重技術(shù)門檻。

為此，柏銳智芯科技（成都）有限公司牽頭并聯(lián)合電子科技大學(xué)“人機智能技術(shù)與系統(tǒng)教育工程研究中心”、寧波時識科技有限公司、錦程智行（成都）智能技術(shù)有限公司（優(yōu)必選子公司）、四川成路智匯科技有限公司（成都路橋子公司），圍繞事件視覺感知、多傳感器融合以及自動駕駛系統(tǒng)適配等關(guān)鍵技術(shù)開展聯(lián)合攻關(guān)。

在多方聯(lián)合攻關(guān)并完成系統(tǒng)集成與場景測試后，項目團(tuán)隊于2026年1月在國內(nèi)某大型機場集團(tuán)的自動駕駛測試場景中，成功將DVS多模融合傳感器引入自動駕駛感知體系，并完成相關(guān)場景測試驗收。

據(jù)行業(yè)公開調(diào)研，這也是DVS多模融合傳感器在全球范圍內(nèi)首次在L4級自動駕駛商用場景中的落地應(yīng)用案例。業(yè)內(nèi)人士認(rèn)為，該案例為事件視覺技術(shù)在高等級自動駕駛中的實際應(yīng)用提供了一次重要的工程化驗證。

從具體技術(shù)實現(xiàn)來看，該系統(tǒng)采用的是多傳感器融合架構(gòu)。在該系統(tǒng)架構(gòu)中，車輛原本已經(jīng)配備激光雷達(dá)、高清RGB相機和毫米波雷達(dá)等常規(guī)傳感器。但在強逆光、夜間眩光或突發(fā)動態(tài)目標(biāo)等情況下，傳統(tǒng)視覺系統(tǒng)仍可能出現(xiàn)識別滯后。

為此，系統(tǒng)增加了一套DVS多模融合傳感器作為“高速觸發(fā)層”。當(dāng)畫面中出現(xiàn)亮度快速變化時，DVS會率先捕捉這些動態(tài)信號，系統(tǒng)再對這些高速變化信息進(jìn)行快速識別，并與其他傳感器的數(shù)據(jù)進(jìn)行綜合判斷，從而更早觸發(fā)風(fēng)險預(yù)警。

測試結(jié)果顯示，在夜間低照度環(huán)境下，當(dāng)行人突然進(jìn)入車輛前方形成典型“鬼探頭”情況時，DVS事件相機可以在約30毫秒內(nèi)捕捉到人員出現(xiàn)并觸發(fā)系統(tǒng)響應(yīng)，而傳統(tǒng)視覺系統(tǒng)在眩光干擾下識別明顯滯后。在白天強光環(huán)境測試中，當(dāng)一個磚頭大小的異物突然出現(xiàn)在車輛行駛路徑上時，DVS同樣在約30毫秒內(nèi)感知到動態(tài)變化并發(fā)出預(yù)警，而傳統(tǒng)視覺系統(tǒng)由于缺乏類似訓(xùn)練樣本，未能及時識別。

在部分行業(yè)人士看來，這類基于事件視覺的感知方式，并不是對傳統(tǒng)視覺方案的替代，而更像是一種新的感知補充路徑。相比依賴大量訓(xùn)練數(shù)據(jù)的識別模式，DVS更側(cè)重于對場景動態(tài)變化的實時捕捉，因此在部分極端環(huán)境中具備一定優(yōu)勢。

伴隨自動駕駛、機器人以及工業(yè)自動化領(lǐng)域?qū)Φ脱舆t視覺系統(tǒng)需求的持續(xù)增長，DVS技術(shù)的商業(yè)化進(jìn)程也正在加速。權(quán)威數(shù)據(jù)顯示，全球動態(tài)視覺傳感器市場規(guī)模預(yù)計將從2025年的13.4億美元增長至2026年的14.9億美元，復(fù)合年增長率約11.2%。

在自動駕駛之外，DVS事件相機的應(yīng)用場景也正在進(jìn)一步拓展。在具身智能領(lǐng)域，機器人需要在復(fù)雜動態(tài)環(huán)境中進(jìn)行快速感知與決策；而在快速發(fā)展的低空經(jīng)濟(jì)領(lǐng)域，無人機、eVTOL等飛行器同樣對實時視覺系統(tǒng)提出更高要求。得益于微秒級響應(yīng)速度和低數(shù)據(jù)冗余特性，DVS技術(shù)在高速運動感知、動態(tài)目標(biāo)捕捉以及復(fù)雜光照環(huán)境適應(yīng)方面展現(xiàn)出一定優(yōu)勢。

業(yè)內(nèi)普遍認(rèn)為，隨著自動駕駛、機器人以及低空經(jīng)濟(jì)等新興產(chǎn)業(yè)的持續(xù)發(fā)展，對高動態(tài)范圍、低延遲視覺系統(tǒng)的需求將不斷提升。能否將該技術(shù)從實驗室走向更大規(guī)模產(chǎn)業(yè)應(yīng)用，也將成為未來智能感知體系演進(jìn)的重要觀察方向。

編輯|蒙錦濤