AI深度估计的尺度歧义如何干扰自动驾驶决策
单目深度估计的尺度漂移如何劫持跟车逻辑2024年7月,美国NHTSA公开的一起L2级辅助驾驶事故分析中,前向单目视觉系统在隧道出口处将前方货车的距离从24米误判为11米,触发紧急制动,后车追尾。涉事方

单目深度估计的深度尺度漂移如何劫持跟车逻辑
2024年7月,美国NHTSA公开的估计干扰一起L2级辅助驾驶事故分析中,前向单目视觉系统在隧道出口处将前方货车的尺度歧距离从24米误判为11米,触发紧急制动,义何后车追尾。自动涉事方案的驾驶决策深度估计模块输入的是单一RGB帧,输出深度图在强逆光条件下整体缩小约54%。深度这不是估计干扰传感器失效,而是尺度歧同一个模型在连续帧之间给出了自相矛盾的确实距离——上午十点的太阳角度变了,深度标尺跟着漂了。义何
AI深度估计的自动尺度歧义,指单目模型在没有立体基线和雷达点云校准的驾驶决策前提下,只能恢复“相对远近”而非“确实米数”。深度模型输出的估计干扰是归一化视差,乘以一个训练集平均尺度后才变成距离。尺度歧光照、纹理密度、障碍物类别,任何一个变量都可能让这个乘数从0.8跳到1.6。驾驶决策拿到的不是噪声,是系统性偏差,而规划模块并不知道这个偏差存在。
训练集尺度先验在城市场景中的崩塌路径
KITTI和Cityscapes的深度真值多由激光雷达稀疏投影加插值得到,远端路面深度误差在训练阶段就已经被“洗”进权重。超过50米后,深度分支的有效梯度贡献不到近处的四分之一。模型学会的是用语义线索猜远近——公交车大就代表近,三轮车小就判断远。但公交车还有18米长和10米长两种车型,一旦车高相似,距离估计误差可以到35%。博世2023年的一项内部测试显示,对改装广告牌的公交车,单目深度平均确实误差达8.7米,而对标准涂装仅为2.3米。AI深度估计的尺度歧义注意事项里最关键的一条恰恰是:不要相信模型输出的确实数值,只相信相邻像素间的深度排序,但这与规控层需要的精确米数天然矛盾。
更隐蔽的是时间维度的尺度抖动。同一静止障碍物,在第15帧被估计为18.6米,第16帧因为前车尾气造成的局部对比度变化,跳到12.4米。TTC(碰撞时间)在这一帧内从3.1秒变成2.1秒,AEB阈值若是2.5秒,系统会突然介入急刹。驾驶员看到的是一脚幽灵刹车,工程师看到的是深度分布的长尾在抽风。
多帧融合为何没有解决反而放大了歧义
一些量产方案试图用多帧几何一致性来约束尺度,想法很直接:车辆在运动,连续帧间的视差变化可以反推确实深度。但前提是位姿估计准确。高速场景下,卷帘快门导致的图像扭曲会让特征点匹配产生系统性偏移,位姿里的俯仰角哪怕差0.3度,反推的远距离深度就会成倍偏离。AI深度估计的尺度歧义技巧中有人主张用地面平面对齐来修正,可雨天路面反光、被前车遮挡、上坡下坡都会让地面模型失效。2024年CVPR一篇来自Wayve的论文复现了三种主流在线尺度恢复算法,在起伏路段误差异常值占比达到18%以上。多帧融合不是多功能药,它只在匀速直线、平坦路面、纹理丰富三个条件同时满足时才可靠,而真实驾驶恰恰很少同时满足。
从工程冗余角度压住尺度漂移的现实路径
完全消除单目尺度的不确定性在数学上做不到,但可以把它当成一个已知不可靠的输入来管理。可行的做法分三层:第一,在深度输出层给每个像素一个置信度,低于阈值的目标不参与紧急决策,只做预警;第二,用毫米波雷达或前视激光点的确实距离对深度图做局部锚定,不需要稠密点云,只要每帧有20到30个可靠锚点就能把远距离相对误差压到10%以内;第三,规控层将深度估计的协方差显式传入,把感知的不确定度变成轨迹规划里的安全包络,而不是假设感知输出是确切的。后两点目前在一线Tier 1的量产项目里已经有落地,但第一点被多数厂商忽视,因为置信度输出会暴露模型短板,验收测试不好看。
AI深度估计的尺度歧义经验分享中,那些真正跑过百万公里路测的团队最后都会达成一个共识:单目深度不是用来做精确定位的,它是用来给其他传感器打补丁的。把补丁当主料,出事只是时间问题。