上个月，在一次自动驾驶编队测试跑道上，因感知系统故障导致两辆卡车相撞。车载系统检测到了一个幽灵障碍物，这是一个由前部激光雷达和后部雷达数据不同步产生的虚拟实体。该错误导致第二辆卡车急刹车，进而被第一辆卡车追尾。这一案例暴露了自动驾驶编队传感器融合中的一个关键漏洞。
技术分析：激光雷达-雷达数据融合中的时间偏差 🚛
在理想的编队系统中，激光雷达以10Hz频率扫描环境，而雷达以20Hz频率工作。当控制单元（ECU）中存在未补偿的延迟时，来自护栏的微波反射可能会被记录为一个静态物体，而激光雷达随后确认该区域为空。在没有精确时间戳的情况下合并两组点云时，系统会将这一残留数据解释为真实障碍物。Unreal Engine和Vissim等工具可以重现这一故障：前者渲染环境几何形状和幽灵障碍物的轨迹，而Vissim则模拟周围交通的反应。CloudCompare则便于分析点云，以识别时间差异。
迈向更稳健的车辆感知仿真 🛠️
这一事件表明，ADAS系统的验证不能仅限于道路测试。使用3D引擎和交通软件的仿真必须包含传感器不同步的场景，以训练容错融合算法。在ECU中实现动态时间缓冲区，能够按数据到达顺序而非固定频率进行对齐，这是一种已在虚拟环境中测试的解决方案。目标是确保没有任何幽灵障碍物再次演变成真实事故。
在自动驾驶编队过程中，卡车之间的V2V通信同步错误是否可以通过3D传感器系统（如多层激光雷达）实时检测并纠正，以避免测试跑道上发生的类似碰撞？
（附注：在Foro3D，我们的汽车拥有的多边形数量比马力还多）