基于機器視覺的汽車智能駕駛系統

　　1、引言

　　隨著社會的發展和人口的增長，汽車越來越多的進入我們的日常生活，交通也日益擁擠。駕駛汽車是一項復雜的活動，長時間的駕駛很容易使人感到疲勞，從而容易導致交通事故。此外一些工程車輛在作業時環境惡劣、勞動強度大，這些車輛的駕駛自動化是非常有必要的。為了使汽車駕駛操作簡單、安全、舒適，把人從繁重枯燥的汽車駕駛中解脫出來，當今世界各國都在積極研究開發自動駕駛技術。

　　德國、美國和日本等國在汽車自動駕駛領域開展了積極的研究并取得了很大的成績。我國國防科技大學機電工程學院一直在進行汽車自動駕駛技術的研究，其與第一汽車集團公司聯合研制的無人駕駛型“紅旗”CA7460于2003年6月在湖南長沙試車成功，穩定行駛時速達130KM/h（美國最高水平 100KM/h、德國120 KM/h），最高時速達170 KM/h，具備安全超車能力。但他們的系統主要是依靠車載雷達、紅外測距儀和圖像傳感器來識別測量路面環境狀況，所得到的路面環境信息不豐富，不能滿足汽車智能駕駛的要求，所以這些系統都還只能在路況良好的高速公路上應用，無法適應道路環境惡劣的低級公路和城市公路。

　　視覺是人類觀察世界、認識世界的重要功能手段，人類從外界獲得的信息約有75%來自視覺系統，特別是駕駛員駕駛需要的信息90%來自視覺。在目前汽車輔助駕駛所采用的環境感知手段中，視覺傳感器比超聲、激光雷達等可獲得更高、更精確、更豐富的道路結構環境信息。隨著計算機技術的發展和圖像處理/識別技術的成熟，機器視覺技術獲得長足的發展，目前廣泛的應用在三維測量、三維重建、虛擬現實、運動目標檢測和目標識別等方面。在汽車的自動駕駛發面，一個前提性的問題就是路況識別和車輛、障礙物的距離、速度檢測，解決了這個問題才可能去控制汽車的駕駛。而機器視覺技術融合三維測量和圖像識別技術于一身。

　　目前，機器視覺在智能機器人領域的研究熱火朝天：Klaus Fleischer等人提出的基于機器視覺的城外公路基礎設施固定對象的檢測與跟蹤;D. Brzakovie等人提出道路邊緣檢測在移動機器人導航中應用 ; O.Djekoune等人提出基于神經網絡的視覺引導機器人導航。這些研究成果對機器視覺在智能駕駛中應用有著重要的啟迪。

　　本文把機器視覺技術為主要的路況感知手段應用到車輛自動駕駛中去，為實現車輛智能化駕駛提供一個不同的思考角度。

　　2、機器視覺技術

　　自從MARR視覺計算理論提出以來，機器視覺技術迅速發展，是目前智能駕駛領域發展最快的技術之一，也是智能駕駛領域研究的主要方向之一。

　　2.1機器視覺基本原理

　　獲取場景中各點相對于攝像機的距離是立體視覺系統的重要任務之一，場景中各點相對于攝像機的距離可以用深度圖（depth map）來表示。機器視覺系統主要是依靠雙（多）目CCD在不同的空間位置上上獲取兩（多）幅圖像，通過這兩（多）幅圖像的深度信息和成像幾何來生成深度圖（圖1所示）。

　　本文以比較簡單常用的雙目CCD視覺系統為例，它的幾何關系如圖所示。它由兩個完全相同的CCD攝像機（攝像頭）構成，兩個圖像平面位于同一個平面上，兩個攝像機（攝像頭）的坐標軸相互平行，且x軸重合，攝像機之間在下x方向上的間距為極限距離B。

　　圖1 雙目立體視覺幾何模型

　　在圖中，場景點P在左右圖像平面中的投影點分別為P左和P右，假設坐標系原點與左透鏡中心重合，比較相似三角形PMCl和PlLCl得到：

　　 （1）

　　同理，從相似三角形PNCr和PlRCr，得到：

　　 （2）

　　合并上面兩式：

　　 （3）

　　其中F是焦距。

　　由上面推導可知各種場景中的深度信息可以通過計算視差來實現。在機器視覺系中統要能準確的計算視差，一個重要的前提就是能夠找到左右圖像對中投影點的共軛對（場景中同一點在不同的圖像中的投影點稱作共軛對），即立體匹配。匹配的方法主要有邊緣特征匹配、區域特征匹配和相位匹配三類。立體配對是機器視覺里面研究的一個重要方向，在這方面有很多有用的研究成果，O.Djekoune等人在文中提出了應用神經網絡的方法提高立體像對的匹配速度和準確度的新算法。

　　2.2 機器視覺技術在智能駕駛中應用

　　在智能駕駛中應用機器視覺技術，機器視覺技術必須具備實時性、魯棒性、實用性這三個特點。實時性要求機器視覺系統的數據處理必須與車輛的高速行駛同步進行;魯棒性是要求智能車輛對不同的道路環境如高速公路、市內公路、普通公路等，復雜的路面環境如路面的寬度、顏色、紋理、彎道、坡度、坑洼、障礙與車流等，各種天氣晴、陰、雨、雪、霧等均具有良好的適應性;實用性指智能車輛能夠為普通用戶所接受。

　　目前，機器視覺主要用于路徑的識別與跟蹤。與其它傳感器相比，機器視覺具有檢測信息量豐富、無接觸測量和能實現道路環境三維建模等優點，但數據處理量極大，存在系統實時性和穩定性問題，要靠開發高性能的計算機硬件，研究新算法來解決。隨著計算機技術和圖像處理技術的飛速發展，三維重建道路環境為車輛高速智能駕駛提供強大的信息，在不遠的將來具有現實可行性。

　　機器視覺的道路識別基本原理為，公路路面的環境（白色路標、邊緣、路面顏色、坑洼、障礙物等）的CCD圖像灰度值和圖像紋理、光流有差異。根據這種差異，經圖像處理后可以獲得需要的路徑圖像信息，如方位偏差、側向偏差、車輛在道路中的位置等信息。將這些信息與車輛的動力學方程相結合，可構成車輛控制系統數學模型。