自动驾驶视觉异常检测：边缘部署实战与Tiny-Dinomaly方案解析

1. 项目概述：当自动驾驶的“眼睛”遇到未知世界

在自动驾驶技术从实验室走向真实道路的过程中，我们面临着一个根本性的悖论：系统依赖海量数据进行训练，以期识别万物，但现实世界的“长尾”问题意味着总有训练数据未曾覆盖的“未知”存在。一只突然窜出的流浪猫、一辆侧翻的农用车、一场非标准交通管制放置的临时路障——这些“异常”场景虽不常见，一旦发生却直接关乎生命安全。传统的感知模型，无论是目标检测还是语义分割，本质上是“闭集”识别，它们只能认出训练时见过的类别。当遇到“未知”时，系统要么错误归类，要么干脆“视而不见”，这种“沉默的失败”是安全系统最危险的隐患。

视觉异常检测（Visual Anomaly Detection, VAD）技术，正是为解决这一核心痛点而生。它不试图教会系统认识所有东西，而是训练系统理解“正常”的世界应该是什么样子。任何偏离这个“正常”模板的视觉模式，都会被标记为“异常”。这就像给自动驾驶汽车装上一个经验丰富的副驾驶，他可能叫不出前方那个奇怪物体的具体名字，但会立刻拍着你的肩膀大喊：“注意！前面有东西不对劲！”更重要的是，先进的VAD模型能生成像素级的异常热图，精准地指出“不对劲”的区域在哪里，而不是笼统地报警，这为驾驶员接管或系统采取保守策略提供了至关重要的决策依据。

然而，将VAD从工业质检、医疗影像等相对可控的领域，迁移到高速、动态、复杂的自动驾驶场景，并最终塞进资源受限的车载边缘计算单元，是一条充满挑战的道路。模型能否适应道路场景特有的光照、天气、运动模糊？在保证高精度异常定位的同时，能否满足车载硬件对延迟和功耗的严苛要求？不同的模型架构（如CNN与Transformer）和不同的特征提取器（如轻量级的MobileNet与庞大的WideResNet）会带来怎样的性能与效率权衡？为了回答这些问题，我们基于目前自动驾驶领域最全面、最严谨的合成异常数据集AnoVox，对八种前沿的VAD方法进行了一次“硬碰硬”的系统性评测与边缘部署评估。

2. 核心思路与方案选型：为何是VAD与AnoVox？

2.1 为何选择视觉异常检测（VAD）路线？

在考虑提升自动驾驶系统对未知危险的感知能力时，业界主要有几条技术路径：一是扩大训练数据集，穷举所有可能的异常，但这在开放道路场景下几乎不可能；二是采用开集识别或不确定性估计，但这些方法通常仍基于已知类别进行外推，对形态迥异的未知物体效果有限。VAD则选择了一条更根本的路径：无监督地学习“正常”的本质。

其核心优势在于：

1. 无需异常样本训练：只需大量正常的行车画面，避免了收集和标注各种罕见、危险异常场景的巨大成本和伦理困境。
2. 开放世界能力：不对异常做任何先验假设，理论上能检测任何形态、任何类别的偏离，完美应对现实世界的无限可能性。
3. 提供可解释的定位信息：输出像素级热图，不仅告诉系统“有异常”，更指明了“异常在哪里”，这对于后续的决策规划或驾驶员警示至关重要。

在VAD的众多方法中，我们主要聚焦于基于特征嵌入的方法，而非基于重建的方法（如自编码器、扩散模型）。这是因为在车载边缘部署场景下，计算效率和实时性是生命线。基于重建的方法需要运行复杂的生成模型来重构整个图像，计算开销巨大。而基于特征嵌入的方法，利用在大型数据集（如ImageNet）上预训练好的特征提取网络（即“骨干网络”），直接在高维特征空间中进行比较或建模，效率要高得多。本次评估的八种方法（PatchCore, PaDiM, CFA, STFPM, RD4AD, SuperSimpleNet, FastFlow, Dinomaly）均属此类，但在具体实现上各有千秋。

2.2 数据集选型：为什么是AnoVox？

评估模型，尤其是评估其在特定领域（自动驾驶）的泛化能力，数据集的选择至关重要。此前，该领域已有一些数据集，但各有局限：

• RoadAnomaly21 / RoadObstacle21：虽为真实数据，但只包含异常图像，缺乏定义清晰的“