佚名 特斯拉指出：“Autopilot正变得越来越好，但还不完美，因此司机需要保持警惕。然而数据显示，在有司机监督的情况下启用，Autopilot能减少司机的操作负担，相对于纯手动驾驶从统计意义上带来更好的安全性。”
在NHTSA的初步评估中指出，特斯拉此次发生的事故是自动驾驶行驶超过1.3亿英里(合2.08亿公里)以来发生的第一起已知致死车祸；相比于美国机动车平均每行驶9400万英里(合1.5亿公里)发生一起致死车祸而言，自动驾驶看上去似乎是要安全一些。
外界环境的感知环节是自动驾驶汽车首当其冲要解决的问题，特斯拉Autopilot是一自动驾驶辅助系统，尚未达到无人驾驶的程度。特斯拉称，Autopilot是世界目前最为先进的自动驾驶辅助系统，这次外界对于自动驾驶致死事故情况的披露以及对技术的质疑，对特斯拉的未来很重要。
Tesla Model S的感知系统浅析
百度自动驾驶就特斯拉自动驾驶致死案件发表自己观点，据王劲介绍，“特斯拉用的传感器比较少、价格也较为便宜，车上配备的摄像头和毫米波雷达也比较少。诸如百度这样的互联网公司做无人驾驶，使用的是非常昂贵的传感器，包括64线的激光雷达、弹道导弹级别的惯性导航，放置了多个毫米波雷达及多个摄像头，还配备红外摄像头、红外感应器。”
王劲认为，发生事故的特斯拉，其安装的摄像头和毫米波雷达都没办法识别遇到的障碍物，摄像头是认为前方的那辆白色拖车与天空的颜色差不多，因此无法区别；特斯拉的毫米波雷达安装得很低，往上只能看到水平线以上5度的地方，因此发出的信号直接从拖车底下穿过去，没有反射回来。
夜视主动安全系统为无人驾驶保驾护航
近年来，谷歌一直为无人驾驶汽车时代的到来注入心血，现状还处于路试阶段，特斯拉自动驾驶辅助系统，目前也只在美国受法律允许的几个州能被开启使用。对于全自动驾驶的最新尝试来自于宝马。该公司近日宣布，已联合芯片制造商英特尔及Mobileye共同研发全自动无人驾驶技术，加强自动驾驶感知环节的设计，并宣称将于2021年实现无人驾驶车上路。
从机器智能方面看，在GPS定位系统、传感器、摄像头、雷达以及激光等设备支持下，自动驾驶汽车可以收集和处理有关周围环境的海量信息，以便于其能在不断改变的环境中更顺畅地行驶。
但不可否认，目前在自动驾驶领域采用的激光雷达技术存在缺陷，一旦遇到恶劣天气，道路标识有可能被掩盖或者看不清，特别是在夜间。据统计，夜间行车出事率远多于白天行车，这是技术部和道路交通部需要共同攻克的难关。
近年来，传统汽车企业和新兴互联网企业都对无人驾驶技术趋之若鹜。戴姆勒大中华区驾驶辅助系统负责人Bernhard Morys表示，无人驾驶的最大挑战，来自传感器对环境的感知。
那么，如何让汽车像人一样感知和理解驾驶环境并做出正确判断呢?没错，靠的正是传感器。摄像头、毫米波雷达、激光雷达是汽车采集外部数据以实现ADAS和无人驾驶的三种主流传感器。
国内A股上市企业保千里在汽车智能驾驶领域深耕布局已久，依靠多年的数据积累，一直在基于“光学成像+夜视技术+仿生智能算法”为核心技术的汽车夜视主动安全系统上不断探索和突破，该辅助驾驶系统也是无人驾驶最基础、最核心的技术之一。汽车夜视主动安全系统实现了路况预警、远程夜视、眩光屏蔽、雾天透视、雨天透视、行人提示预警、车道偏离预警、激光夜视、防撞预警、行车记录、手机互动互联等十几个功能，可以实现提前预警，能够有效预防交通事故发生以及应用于车联网。保千里自主研发的夜视系统采用主动近红外夜视成像技术，夜间高清可视范围可达150-300米，为驾驶员预留了2-3秒的宝贵应急时间，为智能驾驶以及无人驾驶视像感知环节创造突出价值。
在“2016中国汽车智能驾驶产业高峰论坛”上，保千里展示了智能驾驶系列产品，该系列产品是在公司原有“汽车夜视主动安全系统”基础上全面升级。保千里深入拓展研究方向，攻克多项关键技术难题，增加了ADAS技术、360°球形全景技术、高清夜视、毫米波雷达技术、及毫米波雷达与图像智能算法双系统深度融合技术、车规级智能驾驶平台技术、车内以太网技术等。
在原汽车夜视主动安全系统的十一大功能基础上，本次发布的新产品还能够实现高清夜视主动安全系统、盲区检测（BLIS）、行人提示预警（PCW）、疲劳驾驶预警（BAW）、超车防碰撞预警（FCW）、高级辅助驾驶系统（ADAS）、高级防碰撞预警（FCWS）等多项功能。
结语：自动驾驶感知环节需要依据外在环境因素进行设计实验，专注于无人驾驶视像、雷达涉及范围研究，考虑天气状况，应对道路设施的复杂性。
现状而言，道路状况复杂，基础设施尚需跟上（举个简例，无人车进行车道保持要以路面标识为依据，现在有些城镇路面的划线标识都不清楚）。
等到道路基础设施建设不断趋于完整，无人驾驶“感知环节”技术的不断提升，传感器价格大幅度下降，无人驾驶才将会被推上革命性进程。
据悉，Tesla Model S的感知系统包含了camera、radar、ultrasonic在内的多种传感器。这套看似完备的感知方案，可能是由以下的一个，或者几个“BUG”一起导致了这起悲剧：
（1） 为了更好的控制（“正常”工况下的）误检率和模型复杂度，Tesla使用的前向视觉感知系统（Mobileye提供）只能识别前车尾部，而不支持侧面车识别（注意，当时前方的挂车正处于转向状态，所以是侧面车身对着Tesla），于是导致视觉感知失效；
（2） 一般情况下，即便camera没有捕捉到，但radar也能够探测到前方障碍物的存在，但事故中挂车的底盘相对太高，同时Tesla上radar的安装位置又相对低，这种错位有可能导致radar对挂车的感知失败；
（3） 当然，还有一种可能性，事发时的特殊场景触发了sensor fusion机制中某种隐藏bug。
