车评市集馆
19小时前来自 其他

自动紧急制动系统AEB:实测发现3大传感器盲区,你的车可能也中招

AEB系统靠不靠谱?先看一个实测案例:7家主流车型在暴雨场景下的表现差异

自动紧急制动系统(AEB)作为L2级智能驾驶的核心安全功能,在2026年已覆盖国内超85%的新车。但据一份行业实测数据,在20mm/h暴雨条件下,采用单一摄像头方案的AEB对静止车辆的识别成功率不足40%,而融合毫米波雷达与摄像头(无激光雷达)的系统也仅有68%。问题根源不在算法,而在传感器物理层——摄像头在低照度与雨滴遮挡下信噪比崩塌,毫米波雷达对静态目标存在固有漏检,激光雷达则受限于成本与视场角。本文将从传感器选型底层逻辑出发,拆解AEB的真实能力边界,帮你读懂车企宣传中的“数字陷阱”。

一、为什么AEB有时会“该刹不刹,不该刹乱刹”?

1.1 三个真实误触发场景:工程调试日志里的“故障代码”

某整车厂ADAS部门在验收一款新车时,遇到一个典型AEB误触发问题:车辆在晴天高速行驶,前方500米处一块反光金属护栏板被毫米波雷达误判为“静止障碍物”,系统连续预警并准备紧急制动,而摄像头与激光雷达均判定无目标。最后排查结果是:毫米波雷达对金属表面的强反射使其RCS值(雷达散射截面)异常偏高,而摄像头因阳光直射导致护栏板表面反光区域被识别为“天空”,两传感器产生冲突,融合策略无法正确处理[1]

类似案例并不罕见:某车型在暴雨测试中,毫米波雷达因路面积水产生镜面反射,持续报告“前方50米有静止车辆”,而摄像头和激光雷达均无输出,最终确认是“幽灵目标”;另一车型在正午强光下,白色厢式货车车顶的反光隔热膜让摄像头连续12帧将车顶区域识别为“天空”,导致车身分割为上下两段,系统拒绝建模,而此时毫米波雷达清晰输出“静止大目标”[1]。这些故障的核心不是算法不迭代,而是物理传感器在特定条件下“看不见”或“看错了”。

1.2 传感器数据打架时,融合策略的“取舍”决定生死

当前主流量产车的AEB系统大多采用“摄像头+毫米波雷达”的双传感器方案。摄像头擅长语义识别(“这是什么”),毫米波雷达擅长距离与速度测量(“在哪、多快”)。但当两者输出冲突时,系统如何裁决?有的品牌优先相信摄像头(如部分日系车),有的则优先相信毫米波雷达(如部分德系车)。前者在夜间或雨雾天易漏检,后者在金属护栏、积水路面等场景易误触发。这正是同一套硬件在不同调教下,用户口碑截然相反的根本原因。

“这不是谁更好的问题,而是‘在什么条件下,谁说了算’的工程判断题。”——《自动驾驶传感器选型实战》作者在调试日志中写道。[1]

二、摄像头、毫米波雷达、激光雷达在AEB中的真实能力边界

2.1 摄像头:白天是王者,夜晚是青铜

摄像头依靠像素的亮度与色彩差异工作。在照度高于100 lux(晴朗白天)时,主流800万像素前视摄像头对行人的检测距离可达200米,置信度超90%。但一旦低于30 lux(黄昏路灯刚亮),检测置信度下降47%;低于10 lux(无路灯乡村路),对深色衣物行人的漏检率飙升至68%[1]。这并非算法问题,而是CMOS传感器自身的光电转换信噪比在低光照下崩溃。

更隐蔽的问题是镜头畸变与算力消耗:为扩大视场角,前视摄像头普遍采用120°广角镜头,边缘畸变需实时校正,约消耗1.2 TOPS算力(以Mobileye EyeQ5为例),且校正后像素精度损失约15%。这意味着对200米外一辆摩托车的横向位置判断,理论误差可达±0.8米,足以让规划模块误判为“可变道超车”[1]

2.2 毫米波雷达:全天候距离专家,但“静止物体”是死穴

77GHz毫米波雷达的核心优势是穿透雨雾烟尘。但其水平角分辨率物理受限:当前量产雷达(如大陆ARS6)水平角分辨率约±1.5°~±2.5°,在150米距离上,两个目标相距至少3.9米才能被区分[1]。实际测试中,两辆并排停放的自行车间距2.1米时,雷达始终输出单个“大目标”,无法分离。这意味着在拥堵路段,毫米波雷达很可能把相邻车道的一辆静止故障车与护栏合并成一个“超大目标”,从而导致系统做出保守的急刹决策。

更致命的缺陷在于对静态目标的漏检:传统毫米波雷达依赖多普勒频移测速,对径向速度为零的目标(如停在路边的故障车)易漏检。某车型因此在高速匝道口多次未识别静止事故车,最终触发NHTSA(美国国家公路交通安全管理局)调查[1]

2.3 激光雷达:三维建模之王,但成本与视场角是硬伤

激光雷达通过测量光子飞行时间构建高密度点云,能精确给出目标的3D轮廓。以128线机械式激光雷达(如Velodyne VLS-128)为例,在10%反射率(沥青路面)目标上,150米处点云密度仅0.8个点/㎡;而在白色车牌(90%反射率)上,密度达12个点/㎡。对黑色SUV,系统可能在120米才能获得足够轮廓;对白色卡车,180米即可完成建模[1]。这种非线性衰减导致AEB对不同颜色车辆的响应距离可能差出数十米。

此外,激光雷达易受多路径反射干扰:玻璃幕墙会投射出3个虚像目标,分别位于真实建筑前方20米、后方15米及斜上方30米处[1]。而纯固态方案(如MEMS)因FOV被压缩至120°,对A柱盲区覆盖不足,某车型在窄路会车时未检测到从A柱后突然探出的自行车把手,引发近距碰撞[1]

三、暴雨、逆光、夜间:AEB失效的三大高危工况

以下是三类传感器在12种典型恶劣工况下的实测表现(数据取自整车厂内部调试日志)[1]

工况类型摄像头表现毫米波雷达表现激光雷达表现
暴雨(20mm/h)雨滴在镜头形成动态遮挡,低速时误检“雨帘”为障碍物,高速时边缘模糊,漏检率约45%受雨滴衰减影响,有效探测距离缩短约30%,但全天候优势保持,仍可输出60米内的可靠数据雨滴散射导致点云噪点增加,对20米内目标影响较小,100米外点云密度下降约70%
正午强光(照度>100k lux)强光下过曝导致白色车身与天空混为一体,误分割率约12%基本不受影响强光直射镜头可能造成探测器饱和,部分固态激光雷达短暂“失明”
夜间无路灯(照度未配备红外补光时,对黑色衣物行人漏检率达68%不受照明影响,但无法区分人、车、护栏类别依赖自发激光,夜间性能不受影响,但黑色高反光表面易出现“鬼影”

由此可见,单一传感器方案在复杂环境下存在显著短板。这也是为什么2025年后新上市的L2+级车型(如热门新能源车)开始标配“摄像头+毫米波+激光雷达”三传感器融合方案——尽管成本增加约5000元,但极端工况下的AEB成功率提升至92%以上。

四、如何判断一辆车的AEB是否靠谱?给消费者的4个选购建议

4.1 别只看“是否配备”,要看“传感器方案”

许多10万级车型宣称“全系标配AEB”,但实际仅为单摄像头方案。在夜间或暴雨环境下,这样的AEB形同虚设。建议优先选择配备“前向毫米波雷达+单目/双目摄像头”的车型;预算充足可考虑带激光雷达的高阶方案。

4.2 关注第三方评测机构的专项测试

C-IASI(中国保险汽车安全指数)和E-NCAP(欧洲新车安全评鉴协会)每年都会发布AEB测试成绩,重点关注“车对车静止”“车对横穿行人”在夜间、雨天的得分。不同车型在同一测试中的成绩差异可达50%以上。

4.3 留意车企宣传中的“最大工作速度”

AEB的有效工作速度范围因传感器而异。部分低端方案的AEB仅在30km/h以下生效,而高端方案可在80km/h以上对静止车辆实现完全刹停。购车时请确认4S店提供的“工作速度区间”数据。

4.4 实测:在安全场地尝试简单的AEB功能验证

如果条件允许,可驾驶目标车辆在空旷封闭道路测试:放置一个纸箱或泡沫板,以20-30km/h匀速接近,观察系统能否报警并制动。注意:不同品牌对“静止物体”的识别策略不同,需以4S店演示为准。

优缺点一览

维度表现优势短板适合谁
摄像头方案白天精准,夜间/雨雾失效成本低(约500元),语义识别强光照依赖大,极端天气漏检率高仅在城市白天通勤、预算有限的用户
摄像头+毫米波方案全天候基础保障,静态目标有漏检性价比平衡(成本约2000元),高速自适应巡航体验好静止车辆/行人识别不稳定,金属护栏误触发多数普通家用车用户,需注意品牌调教差异
摄像头+毫米波+激光雷达方案全工况高可靠,成本显著增加极端场景AEB成功率>92%,对弱势群体保护最佳成本高(>7000元),激光雷达维护复杂追求极致安全、经常夜间或高速行驶的高端用户

QA常见问题解答

问:AEB为什么有时会急刹车导致追尾?

答:这通常是传感器误判或融合策略过于保守导致。典型场景如前方金属护栏被毫米波雷达误认作静止车辆,系统执行全力制动。实测中,约15%的AEB误触发发生在金属结构物附近。解决方法是升级传感器融合算法,但在购车前,只能通过关闭AEB避免误刹。

问:所有新能源车的AEB配备都一样吗?

答:不同品牌差距很大。主流新能源车(如2025款后的车型)普遍配备“摄像头+毫米波”方案,但低配版可能仅摄像头。例如某品牌2024款低配车型的AEB仅支持40km/h以下刹停,而高配带激光雷达版本支持80km/h刹停。需查阅具体车型的官方配置表或C-IASI测试报告确认。

问:AEB能完全避免碰撞吗?

答:不能。AEB是辅助系统,设计为降低碰撞概率和减轻碰撞后果,而非绝对避免。根据NHTSA统计,AEB可减少约50%的追尾事故,但在极端天气、突然横穿行人、曲率过大的弯道等场景下,系统可能无法及时响应。驾驶员仍需保持监控。

结语

自动紧急制动系统的本质是传感器与算法的系统工程。当前市场上大部分AEB在理想条件下表现合格,但真正决定安全冗余的,恰恰是那些被车企营销模糊处理的极端工况:暴雨、逆光、夜间、静止目标。消费者在选购时,建议跳出“有没有”的思维陷阱,转而关注“是什么传感器方案”“第三方评测结果”“工作速度范围”等可核实参数。当一辆车的AEB在传感器层面已经“看不见”目标时,再强的算法也无法挽回。

#AEB #自动紧急制动 #传感器融合 #ADAS #智能驾驶 #安全性评测 #汽车选购指南