自动驾驶视觉感知中的小障碍物检测：从目标检测到异常物体识别

自动驾驶汽车要“看见”周围环境，依赖的是一整套传感器体系，其中摄像头是最核心的传感器之一。摄像头采集实时图像后，视觉感知系统会将原始像素转换为机器可以理解的“环境模型”。这个模型中不仅包含前方是否有车辆、是否有行人、车道线位置、交通标志类别，还包含路面上的各类障碍物信息。视觉感知是整个自动驾驶系统的基础任务之一，缺少它，后续的决策规划与车辆控制都无从谈起。

在视觉感知体系中，有两个非常基础且核心的任务：目标检测（Object Detection） 与语义分割（Semantic Segmentation）。目标检测负责在图像中定位汽车、行人、摩托车等目标并给出其类别与边界框；语义分割则把图像中的每个像素分配到类别标签上，例如“这是道路”“这是人行道”“这是障碍物”。用一句话概括：目标检测回答“这里有没有物体、它在哪里、是什么”，语义分割回答“这块区域属于什么类别”。两类任务结合，构成了视觉感知的基本工作面。

然而，当问题落到“石头这样的小障碍物”时，事情就变得复杂了。这类物体在学术与工程语境中通常被归类为异常物体（Anomalous Object）——它们在训练集中不常出现、类别不明确，却可能对车辆安全构成实质威胁。本文将从感知体系结构出发，分析小障碍物检测的难点，并给出系统性的技术应对思路。

一、为什么小障碍物是视觉感知的“长尾难题”

日常驾驶中最常见的障碍物是其他车辆、行人、自行车、摩托车等“大物体”。视觉系统会把这些定义为主要目标类别，在训练数据中反复学习其特征，因而检测精度通常较高。但真实道路并非理想状态：掉落的货物、轮胎碎片、塑料袋、散落的石块都可能突然出现在车道内。这些物体不属于标准目标类别，训练数据中样本稀少，视觉特征又高度不规则。

具体而言，小障碍物检测面临四重挑战：

1. 样本稀疏与长尾分布：石头、碎片等异常物体在数据集中出现频率极低，模型难以从少量样本中学到稳定特征。长尾分布导致模型对头部类别过拟合，对尾部类别欠拟合。
2. 尺度极小：在高速行驶场景下，一块拳头大小的石头在图像中可能只占几十个像素，经过骨干网络多次下采样后，特征图上的响应几乎消失，检测头难以捕捉。
3. 外观混淆：石块的颜色、纹理常与路面、阴影高度接近，边界模糊，语义分割容易将其误判为“道路”类别；塑料袋等轻质物体还会随风形变，缺乏稳定几何特征。
4. 类别定义缺失：异常物体没有明确的类别标签，传统监督检测框架无法为其设置独立的分类分支，模型只能将其归入背景，导致漏检。

这些因素叠加，使得“石头检测”成为视觉感知中典型的开放类别识别问题，而非简单的检测精度调优问题。

二、基础感知链路的局限

传统视觉感知链路的组织方式通常是：骨干网络提取多尺度特征，检测头回归边界框与类别，分割头输出逐像素类别。该链路在封闭类别集合上表现良好，但面对异常物体存在结构性局限：

• 检测头依赖预定义的类别词典，词典之外的物体被统一压到“背景”类，模型没有动力去区分“普通路面”与“路面上的一块石头”。
• 分割头虽然能提供逐像素类别，但其类别体系同样封闭，“障碍物”往往只是道路类别中的一小部分，细粒度不足。
• 小目标在特征金字塔的高层分辨率上响应微弱，若仅依赖常规 FPN 结构，小尺度障碍物的召回率难以保障。

因此，要提升小障碍物检测能力，需要在基础链路之上补充专门的设计。

三、系统性解决思路

3.1 数据层面：主动构造长尾样本

异常物体的根本问题是样本不足，数据增强是最直接的缓解手段。工程上常见的做法包括：

• 复制粘贴增强：将采集到的石块、碎片等小物体实例剪切后随机粘贴到道路图像中，并同步调整光照、阴影与透视关系，低成本扩充尾部样本。
• 合成数据生成：利用仿真环境渲染不同材质、形状、光照条件下的路面障碍物，补充真实数据难以覆盖的极端场景。
• 难例挖掘：对模型漏检的区域进行回溯标注，形成针对性的困难样本集，迭代加入训练。

需要强调的是，增强样本必须保证物理合理性，例如阴影方向与光源一致、物体与地面的接触关系合理，否则会引入虚假特征，反而损害泛化能力。

3.2 模型层面：提升小目标分辨率与特征表达

针对尺度极小的问题，可从特征分辨率入手：

• 在骨干网络后引入更高分辨率的特征层，或采用轻量级超分分支对感兴趣区域进行放大后再检测。
• 使用空洞卷积扩大感受野的同时保持特征图分辨率，避免小目标在下采样中被稀释。
• 在检测头引入注意力机制，让模型聚焦于路面上的局部异常响应区域。

示意性的特征融合伪代码如下：

# 多尺度特征融合示意（伪代码）
features = backbone(image)            # 输出多尺度特征 [P3, P4, P5]
fpn_feats = fpn(features)             # 自顶向下融合
high_res = upsample(fpn_feats[0])     # 提升最高分辨率特征
fused = attention_fuse(high_res, fpn_feats[1])
detections = detect_head(fused)       # 输出边界框与类别

3.3 任务层面：引入异常检测与开放类别识别

既然异常物体没有明确类别，就不必强行套用闭集分类框架。可行的思路包括：

• 基于重建的异常检测：训练一个自编码器或生成模型学习正常道路的分布，推理时以重建误差作为异常分数，误差高的区域即为疑似异常物体。
• 开放词汇检测：借助视觉-语言对齐能力，用文本描述（如“路面上的石头”）引导检测，使模型具备识别训练集外类别的能力。
• 语义分割中的“可行驶区域”反向约束：先精确分割出可行驶区域，落在该区域内且不属于已知类别的像素块，即视为潜在障碍物，触发下游的复核与减速策略。

这类方法的共同点是：不依赖异常物体的类别标签，而是通过“正常与异常”的对比来发现问题，更契合长尾场景的本质。

3.4 传感器层面：多模态融合补足视觉盲区

视觉在光照不足、逆光、雨雾等条件下性能下降，小障碍物更容易被漏检。引入激光雷达点云可提供精确的几何与距离信息：路面上的石块在点云中表现为局部凸起，通过与地面平面拟合结果的偏差即可检测。毫米波雷达则对金属碎片等物体具备一定的反射敏感性。多传感器融合的关键在于时空对齐与置信度融合策略，例如在视觉置信度低而点云存在凸起异常时，提升该区域的障碍物置信度。

3.5 工程层面：分级响应与安全兜底

感知不可能做到百分之百召回，工程上需要配套的分级响应机制：

• 对高置信度障碍物，触发制动或绕行规划；
• 对低置信度疑似异常，降低车速并提升感知关注度，等待多帧确认；
• 建立影子模式，在人工驾驶时持续对比感知输出与真实路况，积累漏检案例用于迭代。

四、评估与迭代

小障碍物检测的评估不能只看整体 mAP，因为异常类样本占比极低，整体指标会被头部类别主导。更合理的做法是：

• 单独统计小目标（按像素面积分桶）的召回率；
• 以“每千公里漏检次数”作为工程指标；
• 对异常物体构建独立测试集，跟踪开放类别识别的召回与误报平衡。

只有建立与业务风险对齐的评估体系，模型迭代才有明确方向。

结语

石头虽小，却折射出自动驾驶视觉感知的核心挑战：从封闭类别检测走向开放环境的异常识别。解决路径不是单一模型的堆叠，而是数据、模型、任务设计与传感器融合的协同工程。对于开发者而言，理解目标检测与语义分割的分工是起点，在此基础上补齐长尾样本、提升小目标分辨率、引入异常检测范式并建立分级安全响应，才能让感知系统在真实道路上对“意料之外”的物体保持足够的敏感与稳健。