鄺沛江 康 磊 莊衍豎
華南理工大學(xué)電子與信息學(xué)院
在基于視覺(jué)感知的汽車安全智能預(yù)警系統(tǒng)中,針對(duì)障礙物搜索的策略問(wèn)題,提出了一種可以減少搜索量,增加實(shí)時(shí)性的方法,完成道路上障礙物的初步篩選的任務(wù),進(jìn)而指導(dǎo)車輛在道路上安全行駛。
安全駕駛在如今高速發(fā)展的社會(huì)是一個(gè)逐漸被強(qiáng)調(diào)和關(guān)注的問(wèn)題。隨著各國(guó)車輛的數(shù)目迅猛增加,每天幾乎都能聽(tīng)到關(guān)于交通事故的新聞。這現(xiàn)狀引起了人們對(duì)汽車安全輔助駕駛技術(shù)給予了空前的重視。輔助駕駛是智能交通研究領(lǐng)域的一個(gè)舉足輕重的組成部分,是一項(xiàng)融合了車輛工程、人工智能、計(jì)算機(jī)視覺(jué)等多學(xué)科領(lǐng)域理論的技術(shù),是未來(lái)車輛的發(fā)展趨勢(shì)。
本文針對(duì)基于視覺(jué)感知的車載攝像頭安全智能駕駛系統(tǒng)中的障礙物搜索策略問(wèn)題,提出一種減少搜索量,增加實(shí)時(shí)性的方法。通過(guò)先驗(yàn)知識(shí),只對(duì)具有潛在危險(xiǎn)的區(qū)域進(jìn)行障礙物的搜索,能夠大幅度的減少搜索量,提高實(shí)時(shí)性。
為了引出本文所研究的降低搜索量的問(wèn)題,本文的第二節(jié)將對(duì)整個(gè)障礙物檢測(cè)系統(tǒng)作一個(gè)簡(jiǎn)單的介紹,而在第三節(jié)將給出本文提出的降低障礙物搜索量的方法。
圖1 處理流程圖
本文使用前視攝像頭,攝像頭放置于汽車駕駛位置上方的后視鏡處,實(shí)時(shí)拍攝道路前方的圖像,將攝像頭拍攝所得的圖像進(jìn)行分析,對(duì)路面上的障礙物進(jìn)行框定。本文對(duì)圖像的處理流程圖如圖1 所示,對(duì)路面上的障礙物進(jìn)行框定的效果圖如2 所示。
在圖1 的檢測(cè)子程序中,如果需要對(duì)一整幅圖像進(jìn)行障礙物的檢測(cè),搜索量將是整幅圖像的大小。如今一般的攝像頭的分辨率較高,大約為848×480 左右。因此,整幅圖像進(jìn)行搜索是一個(gè)很大的搜索量。鑒于此,本文提出降低搜索量的方法,在第三節(jié)給出。
本文著重對(duì)障礙物檢測(cè)算法中的搜索量的降低進(jìn)行研究。
圖2 障礙物框定效果圖
圖3 車載攝像頭采集的路面狀況
圖4 直接構(gòu)成危險(xiǎn)的車輛出現(xiàn)的區(qū)域
如圖3 所示,從車載攝像頭采集得到的路面狀況圖像中可以發(fā)現(xiàn),障礙物(主要是車輛)主要出現(xiàn)在圖像的下半部分,而上半部分主要由天空,樹(shù)木等背景構(gòu)成。而在行駛過(guò)程中對(duì)宿主車輛構(gòu)成直接危險(xiǎn)的車輛則主要出現(xiàn)在圖像的左下角,右下角,以及正前方這三個(gè)位置,如圖4所示。
紅色框表示離散的危險(xiǎn)區(qū)域,綠色框表示綜合的危險(xiǎn)區(qū)域。
通過(guò)對(duì)車載攝像頭采集到的路面狀況圖像的分析,獲知車輛更有可能出現(xiàn)的區(qū)域,即對(duì)問(wèn)題的先驗(yàn)知識(shí)。本文通過(guò)此先驗(yàn)知識(shí),對(duì)每個(gè)視頻幀動(dòng)態(tài)刻畫(huà)如圖4 中的綠色框所示的區(qū)域,只針對(duì)綠色框內(nèi)的圖像內(nèi)容進(jìn)行搜索。從圖2 中可以看出,綠色框內(nèi)的圖像大小占原圖像大小的約為1/2~1/3。又因?yàn)槿缃窳餍械恼系K物檢測(cè)算法,如車底陰影,Haar特征法等,都與搜索區(qū)域的大小成線性關(guān)系,甚至更高階的比例關(guān)系。因此,采用本文提出的障礙物搜索策略,利用先驗(yàn)知識(shí),只對(duì)車輛可能出現(xiàn)的位置進(jìn)行障礙物檢測(cè),將至少能減低1/2~1/3 的搜索量,大幅提高實(shí)時(shí)性。
本文研究利用智能信息處理理論處理道路路況障礙物檢測(cè)的問(wèn)題,目的在于降低檢測(cè)方法中檢測(cè)障礙物的搜索量,達(dá)到提高實(shí)時(shí)性的目標(biāo)。從而為實(shí)現(xiàn)輔助駕駛員駕駛的智能行車系統(tǒng)提供可能。