首页 > 原创 > 正文

从特斯拉看自动驾驶与国家网络安全

最后更新：2022.03.05

4月19日上海车展，河南安阳的女车主冲上了车顶控诉所购买的特斯拉汽车存在“刹车失灵”问题。就在昨天晚上（5月7日），特斯拉又刷屏了。

广东韶关，一辆特斯拉疑似自动驾驶追尾货车！驾驶座彻底撞毁，司机当场死亡。

4月17日晚，美国得克萨斯州的公路上，一辆特斯拉Model S在行驶期间撞树并引发火灾。该事故导致车上两名男子丧生，轿车也被烧得仅剩下一个车架。值得注意的是，警方发现，事发时，车辆处于无人驾驶状态。

其实早在几年前，盾叔就和特斯拉资深车迷风辰同学聊过过这个问题。

四年前，盾叔当时跟着风辰做自动驾驶。一共做了半年多，经过一些考虑，我还是决定做回网络信息安全。

风辰在次年去了华为负责无人车，所以，华为做无人车并不是近期的跟风。以华为谨慎的作风，当它宣布做车，说明它相关的技术已经成熟了。

盾叔当时的认为是，无人驾驶在10-15年是不可能有成熟应用的。主要原因有两点：

技术因素：

1、材料技术不够发达，成本太高。当时一个128线的车载激光雷达要8万美元，在街上见到的车，大多是15-30万人民币，谁会装上一个这么贵的激光雷达，就算是一台100来万的车，装上128线的激光雷达，以我的贫穷，我是想象不到。毕竟这个东西还是装在车顶，很容易被盗。

2、车载操作系统不成熟。一辆自动驾驶汽车的车载工业电脑，需要处理不同速度和来源的数据，并把它们融合起来，从而规划汽车路径，进行决策，然后控制。这些数据有来自高清摄像头，GPS/北斗，惯性仪，毫米雷达，激光雷达，CAN总线等，每种数据的速率都不一样，需要把这些数据关联起来实时分析，难度非常大。

光是关联的难度就很大，比如双目摄像头起着人眼的作用，采集的数据每一帧图像都有部分重合，如何实时把这两个摄像头在同一时间的图像桢取出特征，并根据重合部分的特征把两个图像拼接在一起形成一个全景图，就非常难。（对于生物体的视神经处理，人工智能比喻成人工智障，都侮辱了智障两字）

3、识别算法不成熟。当时无论是商汤还是百度的算法，都是在平坦直线路面20km/h以内，对车道线识别在97%以内，拟合曲线是一元二次方程，一转弯就识别不了。在那段时间，有一个大陆集团的人来面试，找回国机会，他指出算法起码在一元三次，在超车情况，起码要达到四五次才行。当时在行业内调研，发现都遇到一个动力学方面的问题：当汽车刹车时，有一个前倾惯性，导致世界坐标系在x轴旋转一个很小的角度，但这之后，标定矩阵就无法识别车道线。

4、路况太复杂了，需要训练的数据太多。当时我在那带两个团队，一个平台架构组，一个数据采集组。数据采集组是在车上装摄像头，需要对路平坦/颠簸，路直线/弯曲，交通灯有/无，天气情况（阴晴），早中晚时间，露天/隧道，前后左右物体（人车），路旁物体等各种场景进行数据采集。当时3-4个月加班加点采集6-700小时的视频。更加不要说后面那些抽样，标注，训练，测试，评测之类。

5、燃料问题。自动驾驶处理流程大致分为：采集，识别，实时关联分析，规划，决策，控制。光是前两步，就和虚拟货币挖矿一样，各个组件都要电力，各个数据都要计算，无论是电动还是燃油，估计很快就没了。

6、信息安全问题。当时风辰组织部门去蛇口戏院看《速度与激情8》，僵尸车相撞的情景，又让我燃起了对安全的兴趣。当生命都放在线上，信息安全就变得更加有意思和挑战了。