基于機(jī)器視覺的汽車智能駕駛系統(tǒng)

　　1、引言

　　隨著社會(huì)的發(fā)展和人口的增長(zhǎng)，汽車越來越多的進(jìn)入我們的日常生活，交通也日益擁擠。駕駛汽車是一項(xiàng)復(fù)雜的活動(dòng)，長(zhǎng)時(shí)間的駕駛很容易使人感到疲勞，從而容易導(dǎo)致交通事故。此外一些工程車輛在作業(yè)時(shí)環(huán)境惡劣、勞動(dòng)強(qiáng)度大，這些車輛的駕駛自動(dòng)化是非常有必要的。為了使汽車駕駛操作簡(jiǎn)單、安全、舒適，把人從繁重枯燥的汽車駕駛中解脫出來，當(dāng)今世界各國(guó)都在積極研究開發(fā)自動(dòng)駕駛技術(shù)。

　　德國(guó)、美國(guó)和日本等國(guó)在汽車自動(dòng)駕駛領(lǐng)域開展了積極的研究并取得了很大的成績(jī)。我國(guó)國(guó)防科技大學(xué)機(jī)電工程學(xué)院一直在進(jìn)行汽車自動(dòng)駕駛技術(shù)的研究，其與第一汽車集團(tuán)公司聯(lián)合研制的無人駕駛型“紅旗”CA7460于2003年6月在湖南長(zhǎng)沙試車成功，穩(wěn)定行駛時(shí)速達(dá)130KM/h（美國(guó)最高水平 100KM/h、德國(guó)120 KM/h），最高時(shí)速達(dá)170 KM/h，具備安全超車能力。但他們的系統(tǒng)主要是依靠車載雷達(dá)、紅外測(cè)距儀和圖像傳感器來識(shí)別測(cè)量路面環(huán)境狀況，所得到的路面環(huán)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(tǒng)都還只能在路況良好的高速公路上應(yīng)用，無法適應(yīng)道路環(huán)境惡劣的低級(jí)公路和城市公路。

　　視覺是人類觀察世界、認(rèn)識(shí)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(tǒng)，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(huán)境感知手段中，視覺傳感器比超聲、激光雷達(dá)等可獲得更高、更精確、更豐富的道路結(jié)構(gòu)環(huán)境信息。隨著計(jì)算機(jī)技術(shù)的發(fā)展和圖像處理/識(shí)別技術(shù)的成熟，機(jī)器視覺技術(shù)獲得長(zhǎng)足的發(fā)展，目前廣泛的應(yīng)用在三維測(cè)量、三維重建、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)識(shí)別等方面。在汽車的自動(dòng)駕駛發(fā)面，一個(gè)前提性的問題就是路況識(shí)別和車輛、障礙物的距離、速度檢測(cè)，解決了這個(gè)問題才可能去控制汽車的駕駛。而機(jī)器視覺技術(shù)融合三維測(cè)量和圖像識(shí)別技術(shù)于一身。

　　目前，機(jī)器視覺在智能機(jī)器人領(lǐng)域的研究熱火朝天：Klaus Fleischer等人提出的基于機(jī)器視覺的城外公路基礎(chǔ)設(shè)施固定對(duì)象的檢測(cè)與跟蹤;D. Brzakovie等人提出道路邊緣檢測(cè)在移動(dòng)機(jī)器人導(dǎo)航中應(yīng)用 ; O.Djekoune等人提出基于神經(jīng)網(wǎng)絡(luò)的視覺引導(dǎo)機(jī)器人導(dǎo)航。這些研究成果對(duì)機(jī)器視覺在智能駕駛中應(yīng)用有著重要的啟迪。

　　本文把機(jī)器視覺技術(shù)為主要的路況感知手段應(yīng)用到車輛自動(dòng)駕駛中去，為實(shí)現(xiàn)車輛智能化駕駛提供一個(gè)不同的思考角度。

　　2、機(jī)器視覺技術(shù)

　　自從MARR視覺計(jì)算理論提出以來，機(jī)器視覺技術(shù)迅速發(fā)展，是目前智能駕駛領(lǐng)域發(fā)展最快的技術(shù)之一，也是智能駕駛領(lǐng)域研究的主要方向之一。

　　2.1機(jī)器視覺基本原理

　　獲取場(chǎng)景中各點(diǎn)相對(duì)于攝像機(jī)的距離是立體視覺系統(tǒng)的重要任務(wù)之一，場(chǎng)景中各點(diǎn)相對(duì)于攝像機(jī)的距離可以用深度圖（depth map）來表示。機(jī)器視覺系統(tǒng)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(jiǎn)單常用的雙目CCD視覺系統(tǒng)為例，它的幾何關(guān)系如圖所示。它由兩個(gè)完全相同的CCD攝像機(jī)（攝像頭）構(gòu)成，兩個(gè)圖像平面位于同一個(gè)平面上，兩個(gè)攝像機(jī)（攝像頭）的坐標(biāo)軸相互平行，且x軸重合，攝像機(jī)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(chǎng)景點(diǎn)P在左右圖像平面中的投影點(diǎn)分別為P左和P右，假設(shè)坐標(biāo)系原點(diǎn)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(dǎo)可知各種場(chǎng)景中的深度信息可以通過計(jì)算視差來實(shí)現(xiàn)。在機(jī)器視覺系中統(tǒng)要能準(zhǔn)確的計(jì)算視差，一個(gè)重要的前提就是能夠找到左右圖像對(duì)中投影點(diǎn)的共軛對(duì)（場(chǎng)景中同一點(diǎn)在不同的圖像中的投影點(diǎn)稱作共軛對(duì)），即立體匹配。匹配的方法主要有邊緣特征匹配、區(qū)域特征匹配和相位匹配三類。立體配對(duì)是機(jī)器視覺里面研究的一個(gè)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(yīng)用神經(jīng)網(wǎng)絡(luò)的方法提高立體像對(duì)的匹配速度和準(zhǔn)確度的新算法。

　　2.2 機(jī)器視覺技術(shù)在智能駕駛中應(yīng)用

　　在智能駕駛中應(yīng)用機(jī)器視覺技術(shù)，機(jī)器視覺技術(shù)必須具備實(shí)時(shí)性、魯棒性、實(shí)用性這三個(gè)特點(diǎn)。實(shí)時(shí)性要求機(jī)器視覺系統(tǒng)的數(shù)據(jù)處理必須與車輛的高速行駛同步進(jìn)行;魯棒性是要求智能車輛對(duì)不同的道路環(huán)境如高速公路、市內(nèi)公路、普通公路等，復(fù)雜的路面環(huán)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(yīng)性;實(shí)用性指智能車輛能夠?yàn)槠胀ㄓ脩羲邮堋?/p>

　　目前，機(jī)器視覺主要用于路徑的識(shí)別與跟蹤。與其它傳感器相比，機(jī)器視覺具有檢測(cè)信息量豐富、無接觸測(cè)量和能實(shí)現(xiàn)道路環(huán)境三維建模等優(yōu)點(diǎn)，但數(shù)據(jù)處理量極大，存在系統(tǒng)實(shí)時(shí)性和穩(wěn)定性問題，要靠開發(fā)高性能的計(jì)算機(jī)硬件，研究新算法來解決。隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的飛速發(fā)展，三維重建道路環(huán)境為車輛高速智能駕駛提供強(qiáng)大的信息，在不遠(yuǎn)的將來具有現(xiàn)實(shí)可行性。

　　機(jī)器視覺的道路識(shí)別基本原理為，公路路面的環(huán)境（白色路標(biāo)、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(jù)這種差異，經(jīng)圖像處理后可以獲得需要的路徑圖像信息，如方位偏差、側(cè)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(dòng)力學(xué)方程相結(jié)合，可構(gòu)成車輛控制系統(tǒng)數(shù)學(xué)模型。