ACC自适应巡航为什么不能识别静止物体？

ACC自适应巡航为何对静止物体“视而不见”？

我们日常开车，最怕的就是突然冒出来的行人、突然停下来的自行车，或是前方修路摆放的警示牌。然而，我们车上越来越普遍的“黑科技”——ACC自适应巡航系统，似乎在这方面却显得有些“迟钝”，很多时候对这些静止的障碍物无法识别，甚至可能直接撞上去。这究竟是为什么？为什么ACC就不能像人一样“看到”并避开这些静止的“拦路虎”呢？这背后涉及到ACC系统的核心工作原理、技术局限以及安全设计等多方面因素。

1. ACC的核心使命：盯紧“移动的”目标

首先，我们需要明确ACC系统最根本的设计目标。ACC（Adaptive Cruise Control）的中文意思是“自适应巡航控制”。从字面意思就能看出，它的主要功能是根据前方车辆的速度，自动调整本车的速度，保持一个预设的安全车距。它就像一个“跟车助手”，让你在长途驾驶或交通拥堵时，不再需要频繁地踩刹车、踩油门，大大降低了驾驶疲劳。

因此，ACC系统的主要“视线”和“关注点”都放在了前方正在移动的车辆身上。它依赖于传感器来探测和识别前方车辆，并根据这些车辆的速度和相对位置来做出反应。

2. 传感器技术的“盲区”与挑战

ACC系统通常配备多种传感器，最常见的包括：

雷达（Radar）： 这是一个关键的传感器。雷达通过发射无线电波并接收反射回来的信号来探测物体。雷达的优势在于其穿透性强，不受雨雾等恶劣天气影响。然而，雷达在识别静止物体时，会面临一个挑战：当两个物体以相同的速度移动时（比如你跟在一辆静止的卡车后面），雷达可能很难区分前方是静止的障碍物还是其他同样静止的车辆。更重要的是，雷达的精度在探测细小、不规则形状的静止物体时（比如一个路边的花坛、一个警示桩）会相对较低，容易将其误判为背景噪声或忽略。
摄像头（Camera）： 摄像头通过捕捉可见光来“看”世界，能够识别更丰富的细节，例如车道线、交通标志、行人以及车辆的类型。摄像头在识别静止物体方面比雷达有优势，它可以识别出物体的形状、颜色等特征。然而，摄像头对光线变化非常敏感，在夜晚、强光照射、雨雾天气下，其工作性能会大打折扣，识别的准确性会显著下降。

将这两种传感器结合起来的“传感器融合”技术是为了克服单一传感器的局限性，但即便是融合后的系统，也需要复杂的算法来处理海量数据。这些算法需要根据大量的训练数据来学习如何区分“需要避开的目标”和“不需要反应的背景信息”。

3. 算法的优先级与安全考量

即使传感器能够探测到静止物体，ACC系统的决策算法也需要进行权衡。

避免不必要的刹车（“假阳性”）： 如果ACC系统对每一个探测到的静止物体都做出反应，那可能会导致非常糟糕的驾驶体验。想象一下，路边的广告牌、桥梁的支撑柱、甚至是路边的树木，如果都被ACC当成需要刹车的障碍物，车辆会频繁地紧急刹车，这不仅会影响交通流，还可能引发后方车辆的追尾事故。因此，算法会设置一个误报阈值，尽量避免对不构成威胁的静止物体做出反应。
识别的“有效性”门槛： 为了保证ACC系统在高速行驶时的稳定性和安全性，其识别算法通常会设定一个“有效性”门槛。这个门槛要求探测到的物体必须具备一定的特征（比如移动速度、大小、形状等），并且经过多重验证，才能被系统确认为需要处理的“目标”。静止的、边界不清晰的物体，可能就无法达到这个门槛。
与前方车辆的“关联性”： ACC系统的核心逻辑是“跟着前车走”。如果前方没有车辆，或者前方只有静止的障碍物，系统可能就会“退出”其跟踪模式，回归到预设的定速巡航状态，或者发出提示让驾驶员接管。它并不是设计来“自主探索道路”并处理所有可能遇到的情况的。

4. 技术发展中的“待完善”之处

尽管现代ACC系统已经相当智能，但要实现像人类驾驶员那样全方位、高精度的感知能力，还有很长的路要走。

低速场景的局限性： 在低速拥堵的情况下，ACC系统更容易出现问题。例如，前方车辆突然变道离开，ACC可能来不及识别前方出现的静止障碍物（比如一个停在路中间的车辆）。或者在停车场、狭窄的道路上，其传感器可能无法准确判断障碍物的边界和距离。
复杂场景的识别难度： 比如在施工区域，有各种形状各异的警示牌、锥形筒、甚至是工人。这些物体可能不如车辆那样有明确的形状和反光特性，对ACC的识别是巨大的挑战。
安全冗余设计： ACC虽然强大，但它终究是一个辅助驾驶系统。在设计时，为了防止系统出现意外误判导致危险，会保留一定的“保守性”。对于那些无法百分百确定的情况，系统会倾向于不干预，而是将判断和控制权交给驾驶员。这也就是为什么ACC系统总是会伴随着“请注意前方路况”、“请接管车辆”的提示。

总结一下，ACC自适应巡航之所以不能很好地识别静止物体，主要是因为：

设计初衷： 主要用于跟踪前方移动车辆，并非设计为全景式障碍物探测系统。
传感器局限： 雷达对静止物体识别精度不高，摄像头易受环境影响。
算法逻辑： 侧重于识别“车辆”，避免误刹车，有“有效性”门槛。
技术发展阶段： 距离人类驾驶员的全能感知还有差距，尤其是在低速、复杂场景下。

所以，尽管ACC为我们的驾驶带来了便利，但我们仍然需要时刻保持警惕，随时准备接管车辆，因为它不是一个能完全替代我们眼睛和大脑的“万能驾驶员”。它更像是一个聪明但有侧重的助手，需要我们与之配合，共同保障行车安全。

自适应巡航系统是依赖毫米波雷达和视觉传感器来进行目标物识别的，系统并不是不能识别静止的物体，而是不能准确的将对本车行驶有影响和干扰的静止物体筛选出来。

也就是说，静止目标的识别没有问题，但是都被过滤掉了，为什么？

毫米波雷达的“世界”和人眼看到的世界是不一样的，人眼可以清晰的看到前方道路的交通参与者和道路基础设施，并将其分类，但毫米波雷达“看到”的都是点，也就是我们说的点云。

那么有些点对于毫米波雷达就比较难以处理，举个例子：前方路牌下有车辆行驶，那么回来的“点”究竟是车反射回来的，还是路牌反射回来的呢？

如果判断为是车反射回来的，那么可能会导致的结果是毫米波雷达会一直认为路牌这里有车，ACC会在这里发生异常减速甚至停车;如果认为是路牌反射回来的，那么这里真的有辆车是不是就撞了？

静止目标的筛选就变得非常难，但移动的目标“点”一直在变化，相对来说比较容易判断，这也就出现了大部分ACC功能的手册中都会说明“系统无法识别静止目标物”，这是为了ACC能够可用，不频繁的对道路基础设施做出“误响应”，毫米波雷达自我“封印”了静止目标物的识别能力。

否则你想一下，100公里的高速公路，限速牌、桥梁、隧道、路牌有多少，每个基础设施（有点夸张）都给你来一下急减速，你还怎么愉快的玩耍？

---

补充一下哈，静态目标物在低速下目前还是能识别和过滤的，但是还没有谁敢说100%正确识别。

因为传感器融合很麻烦。

驾驶辅助系统最常见的配置是毫米波雷达+摄像头。毫米波雷达能够直接检出回波的速度信息，但是分辨能力差，不能区分目标类型：比如前面的玩意是停着的车，还是井盖，还是挂在上面的路牌。摄像头反之，能够清晰的辨认目标方位、类型，但是并不能直接获得目标距离与径向速度。所以传统上来讲，毫米波雷达的用法是直接做多普勒静目标剔除，然后结合摄像头提供的目标方位信息，做出目标判断以及后续的操控决策。那么此时所有的静目标都已经剔除了。

想要良好地判断静止目标，我估计只有两条路：要么不去简单地剔除雷达的静目标回波，而是全部雷达信号都与摄像头信息做融合分析，这处理量就很大；要么依赖视觉提供的深度信息（双目视差、单目深度学习推断），并以此处理静止物体，这对算法要求就很高。

所以ACC、防追尾系统的性能，都高度依赖于处理算法。同样单摄像头+单毫米波雷达的配置，新架构的车可以比老车有强得多的性能。比如 @懂车帝App 做的主动安全评测，这类传感器配置既有吊打全场的沃尔沃XC60，也有性能惨不忍睹的一些老车。

ACC自适应巡航为什么不能识别静止物体？

ACC 自适应巡航技术的优缺点各是什么？