别看自动驾驶系统挺炫酷的，但是其系统的开发测试，却是一个非常漫长的过程。
就说这个简单的视觉感应测试，要经历物体的识别，环境的感知，模型的建立。
物体的识别是最基础的，也是最容易通过的。
当然，这是建立在车辆低速的情况下，在速度较高的情况下，也是很难的。
不过好在高速情况都是在高速公路上，路况相对来说比较简单。因此来说，相差也不是很大。
环境的感知，也是较为重要的一方面。
这方面体现的是摄像头的感知频率和对于图像的处理能力。
当然，一般情况下，感知功能都是没有问题的，很容易实现。
工程师要考虑的是在非正常的情况下，系统如何处理。比如说，摄像头出现了问题，或者采集的图像，出现曝光过度的情况。
就比如在夜间，当对面开着远光灯，直射你的车辆。此时的图像就会曝光过度，出现失真的情况。
虽然实际工况摆在这，开发人员可以解释说，工况太过恶劣，系统在这种情况下，判断失误很正常。
但是一个优秀的产品，还是要在技术能力范围内，尽可能地保证系统功能的完善。
因此，对于特殊工况，驾驶系统都有相应的策略。
对于这些工况下的环境感知，也都有特别的图像处理技术。
世界上的东西很多，能够出现在街道上的物品，也是千奇百怪。想要将这些物品在一定速度下，都识别出来，是很难的。
这种困难难到很多的企业，无力去做识别的技术，将所谓的障碍物，进行一刀切。
这种策略，虽然方案简单，但是太粗暴了，极易造成误判。
就比如说，在车辆的正前方，突然间出现了一个塑料袋，你说车是停还是不停呢。
甚至于，国际大厂的自动驾驶技术，在这方面，表现也不是很佳。
有机智的网友，甚至于根据某知名车厂的软件BUG，想出了不被追尾的方案。
那就是在自己的车尾部，吊一块红布。在人的视界中，这只是一块无关痛痒的布。但是对于驾驶系统，可能就将其理解成了一个障碍物。比如说用于道路施工时，分流车辆的安全警示桶。
这么做的目的，也是基于此品牌的车辆，经常出现自动驾驶系统不受控制，刹不住车，经常追尾别人的教训。
不过好在品牌方意识到了这个BUG，在这种做法还没完全风靡的时候，就将这股风气给刹住了。
江明当时听到这种做法，是笑掉了大牙。
之前不懂，纯粹是看热闹的心态，但是现在吗，有点理解此国际大厂的做法了。
这是一种对于技术限制的无奈！
环境感知完了，是模型的建立，也是比较关键的。
在监控系统的页面上，会清晰地显示周围环境的模型。比如说会显示出道路标识，远处的假人，各种各样的物体。
还别说，显示的精度还挺高的。显示出来的图标，也是惟妙惟肖的，看起来这部分没有什么问题。
还没等江明脑海中的想法消除，江明就感觉，自己有点想多了。
模型的建立，还是出现了问题。
当车辆的速度急剧地增加以后，相应的模型建立的速度，也将同步提升，以满足系统实时性的要求。
理论上是这样，实际设计中，也是这么要求的。
但是在测试中，众人发现，在车辆速度超过120码以后，模型建立的速度，已经赶不上环境感知的速度。
没过多长时间，众人就发现，往往车辆已经开出去老远了，但是在屏幕上显示的模型还是之前的。产生了一种类似卡顿的情况。
看到这，刘铭也有点无语了。
不应该啊，之前计算过的，应该不会出现问题啊，为什么实测过程中，出现了问题。
想到这，刘铭赶紧打开之前的数据流，进行分析。
在车辆上，有数据记录仪，能够实时的存储相应的数据。此时，刘铭正将数据导出来，然后查找问题点。
这个问题太致命了，这种错位，很容易引发安全事故。
“物体识别没有问题，环境感知也没有问题，怎么到了模型的建立，就有问题了呢？”
刘铭自言自语道地说道。
“是啊，上面两个步骤，速度都很快，完全能够满足时效性的要求。”
“而且按照理论计算，主处理器，也可以满足要求的。”
其他的同事，也是一副百思不得其解。
“江工，您怎么看？”
刘铭他们抓耳挠腮了半天，也是没有分析出来。刘铭看着身旁的江明，这样问道。
“我看看。”
江明也没有看到具体的数据，也不可能一下就看出问题，随后这么说道。
随后刘铭将位置让了出来，江明坐在上面，开始一帧帧地分析数据。等江明分析到一半的时候，江明大体心中有数了。
“喏，你们看，这里是不是有问题？”
江明指着一行数据，对着众人说道。
“额？”
众人顺着江明的眼光看去，只是看了半天，也没发现问题点。
刘铭也是有点纳闷，江明所指出的数据，是非常平常的一行数据，是用来调用指令，分配系统资源的。
在这个阶段，由于车辆的速度增加，用于环境感知的资源会逐步地提升，然后加速环境感知的速度，为接下来的建模做准备。
这章没有结束^.^，请点击下一页继续阅读！