機(jī)器視覺(jué)輔助駕駛系統(tǒng)的車(chē)輛檢測(cè)和測(cè)距

曹?? 李進(jìn) 張智欣

摘要

隨著時(shí)代的迅速發(fā)展，汽車(chē)已成為人們出行最主要的代步工具。而汽車(chē)行業(yè)也得到了迅猛發(fā)展。當(dāng)前，智能車(chē)輛還安裝了輔助性的駕駛系統(tǒng)，主要依托于機(jī)器視覺(jué)技術(shù)，在安全駕駛、控制交通事故中發(fā)揮不可或缺的作用。這項(xiàng)技術(shù)包含了對(duì)前方行駛車(chē)輛的實(shí)時(shí)檢測(cè)技術(shù)及其與本車(chē)的距離測(cè)量技術(shù)是當(dāng)前兩大研究焦點(diǎn)?；诖耍疚年U述了機(jī)器視覺(jué)系統(tǒng)的應(yīng)用背景，分析了基于BOF特征的車(chē)輛檢測(cè)算法，探討了基于機(jī)器視覺(jué)的前方車(chē)輛距離測(cè)算方法，以供參考。

【關(guān)鍵詞】機(jī)器視覺(jué) 輔助駕駛系統(tǒng) 車(chē)輛檢測(cè)測(cè)距 解析

近年來(lái)，我國(guó)汽車(chē)擁有量呈上升趨勢(shì)。據(jù)統(tǒng)計(jì)，2014年已達(dá)1.5億輛，比上年同期增長(zhǎng)約12%。尤其在發(fā)達(dá)城市，車(chē)輛的大幅度增加還引發(fā)了一系列的交通堵塞、道路擁擠、安全事故等問(wèn)題，給人們的生命、財(cái)產(chǎn)造成了巨大的威脅。為此，相關(guān)工作者在汽車(chē)內(nèi)部安裝了先進(jìn)的輔助性技術(shù)。例如：機(jī)器視覺(jué)、人工智能等，有利于駕駛?cè)藛T在事故萌芽狀態(tài)時(shí)積極加以預(yù)防。所以，探究機(jī)器視覺(jué)的車(chē)輛輔助性駕駛技術(shù)意義重大。

1 機(jī)器視覺(jué)系統(tǒng)的應(yīng)用背景

人類(lèi)的視覺(jué)系統(tǒng)能夠讓其迅速直接地捕獲附近環(huán)境的信息，再通過(guò)腦部把信息加以處理，達(dá)到對(duì)周邊環(huán)境安全性能的精確判別。伴隨計(jì)算機(jī)科學(xué)、人工智能、圖像處理等技術(shù)的普及與應(yīng)用，科學(xué)家試圖讓計(jì)算機(jī)模擬人類(lèi)的視覺(jué)功能，進(jìn)而形成了機(jī)器的視覺(jué)系統(tǒng)?，F(xiàn)階段，因?yàn)槲覈?guó)的制造行業(yè)迅速發(fā)展，成為世界重要的制造基地。高標(biāo)準(zhǔn)的零件制造及其前沿的生產(chǎn)線，促進(jìn)了機(jī)器視覺(jué)系統(tǒng)在國(guó)內(nèi)市場(chǎng)的大量應(yīng)用。當(dāng)前，這項(xiàng)技術(shù)己成為最熱點(diǎn)的研究對(duì)象，適用于社會(huì)的各個(gè)領(lǐng)域。例如：航天、軍事、氣象、醫(yī)藥、工農(nóng)業(yè)、交通等。而且，機(jī)器視覺(jué)系統(tǒng)還有著長(zhǎng)期穩(wěn)定運(yùn)行與接觸性測(cè)量等優(yōu)勢(shì)。

2 基于BOF特點(diǎn)的車(chē)輛檢測(cè)算法分析

2.1 算法原理

基計(jì)算機(jī)視覺(jué)領(lǐng)域中的重要研究項(xiàng)目就是對(duì)內(nèi)容圖像的分類(lèi)與檢索?，F(xiàn)階段，我國(guó)一般應(yīng)用部分特點(diǎn)集合的形式對(duì)圖像加以描述，Bag-of-Features即BOF特點(diǎn)的產(chǎn)生，為更好地描述內(nèi)容圖像帶來(lái)了全新的處理方案。它把部分特點(diǎn)集合起來(lái)，形成一個(gè)有機(jī)的整體，并且按照相關(guān)的視覺(jué)碼將部分特點(diǎn)作出標(biāo)記，成為一種視覺(jué)的詞匯，同時(shí)，部分特點(diǎn)集中映射為重要頻率的分布圖。BOF主要是文本語(yǔ)義與圖像處理理念的良好結(jié)合，在車(chē)輛的分類(lèi)與檢索工作中發(fā)揮重要的作用。

2.2 車(chē)輛檢測(cè)方式

通過(guò)車(chē)輛的邊緣化特點(diǎn)與BOF的模型有機(jī)的整合，可以對(duì)前方正地運(yùn)行的車(chē)輛展開(kāi)實(shí)時(shí)性的檢測(cè)，具體包括兩方面內(nèi)容，即生成車(chē)輛的假定存在區(qū)、假設(shè)區(qū)的驗(yàn)證。第一，要對(duì)相關(guān)的圖像做預(yù)處理，然后，應(yīng)用邊緣檢測(cè)技術(shù)進(jìn)行再次處理，可以得到車(chē)輛的假定存在區(qū)。再借助BOF最近鄰域的計(jì)算方法，對(duì)假定的存在區(qū)加以驗(yàn)證，進(jìn)而將虛警目標(biāo)排除，極大地提升了車(chē)輛檢測(cè)的效率與精確度。

3 基于機(jī)器視覺(jué)系統(tǒng)的前方車(chē)輛的測(cè)距算法分析

研發(fā)汽車(chē)智能輔助性的駕駛系統(tǒng)，主要為了針對(duì)可能性的事故之前，事先為駕駛者帶來(lái)相應(yīng)的預(yù)警信息，告訴其潛在的安全危險(xiǎn)，盡量控制駕駛期間因疏忽導(dǎo)致的交通事故。因此，既要迅速精確地對(duì)前方的車(chē)輛及障礙物進(jìn)行檢測(cè)，又要有效地算出本車(chē)與前方運(yùn)行車(chē)輛的距離，讓駕駛員可以盡早獲得充分的路面信息，擁有足夠的時(shí)間展開(kāi)應(yīng)急性的操作。

3.1 運(yùn)用單目視覺(jué)系統(tǒng)

單目視覺(jué)系統(tǒng)指的是借助一個(gè)攝像機(jī)來(lái)測(cè)算距離，這是現(xiàn)階段我國(guó)對(duì)前方運(yùn)行車(chē)輛進(jìn)行測(cè)距的重點(diǎn)研究方向。因?yàn)椴灰粯拥淖鴺?biāo)系，彼此存在相應(yīng)的關(guān)系，因此，人們可以分析二維、三維圖像的空間關(guān)系，進(jìn)而計(jì)算測(cè)量的實(shí)際距離。這種方法測(cè)量的步驟如下：

（1）精確捕獲攝像機(jī)的相對(duì)方位（一般選擇攝像機(jī)標(biāo)定法）;

（2）按照相對(duì)的方位精確地獲得二維、三維之間的坐標(biāo)系的對(duì)應(yīng)關(guān)系。

讓攝像機(jī)的標(biāo)定可以迅速借助調(diào)用庫(kù)的函數(shù)完成，并且，關(guān)于攝像機(jī)的畸變情況，這里也提供了相應(yīng)的處理方法，為駕駛員科學(xué)調(diào)用、展開(kāi)測(cè)量帶來(lái)了便利。

3.2 投影模型的算法

攝像機(jī)的成像與測(cè)距過(guò)程，可視為彼此逆向的過(guò)程。成像一般將實(shí)際生活中的三維圖象投射于二維平面圖象的過(guò)程。而測(cè)距則是將二維平面圖轉(zhuǎn)化為三維圖像，進(jìn)而可以得到前方運(yùn)行車(chē)輛的具體方位，同時(shí)，可算出需要測(cè)量的實(shí)際距離。本文主要應(yīng)用了不同維度的坐標(biāo)系之間的立體關(guān)系，通過(guò)投影整合攝像機(jī)標(biāo)定的測(cè)量方式實(shí)現(xiàn)對(duì)前方車(chē)輛的測(cè)距。這種方法主要應(yīng)用了攝像機(jī)的投影模型，進(jìn)而推導(dǎo)出適合的測(cè)距公式。只是公式里含有一些攝像機(jī)內(nèi)部的參數(shù)，必須通過(guò)攝像機(jī)的標(biāo)定法獲得，然后，再將其帶入推導(dǎo)的公式里，計(jì)算實(shí)際的距離。

3.3 攝像機(jī)標(biāo)定法與投影模型的應(yīng)用

本文主要調(diào)用了OpenCV的函數(shù)庫(kù)，以實(shí)現(xiàn)攝像機(jī)的標(biāo)定，測(cè)試中參考了攝像機(jī)參數(shù)的矩陣結(jié)果，可以計(jì)算具體的距離。即把標(biāo)定程序里得到的攝像機(jī)參數(shù)帶入測(cè)距公式中，可算出所需的距離值，從而達(dá)到了對(duì)前方運(yùn)行車(chē)輛和本車(chē)距離的測(cè)量。通過(guò)測(cè)試可了解到：如果兩車(chē)的實(shí)際距離越近，則產(chǎn)生的誤差就越小，同時(shí)，測(cè)量的誤差通常不超過(guò)1/10，這種對(duì)于安全駕駛起到了良好的效果。盡管在攝像機(jī)標(biāo)定中己對(duì)可能性的徑向畸變問(wèn)題做出了校正。然而，依然不能全部恢復(fù)原來(lái)狀態(tài)，所以，生成距測(cè)的一定誤差是必然的。最終的結(jié)論為：在圖像中心越近的點(diǎn)，其測(cè)距的誤差會(huì)越小;反之則越大。

4 結(jié)束語(yǔ)

總之，依托于機(jī)器視覺(jué)系統(tǒng)的車(chē)輛檢測(cè)技術(shù)，是檢測(cè)、視覺(jué)目標(biāo)判定技術(shù)在具體生活的重要嘗試，集合了模式識(shí)別、運(yùn)動(dòng)目標(biāo)檢測(cè)、視頻圖像收集技術(shù)的綜合性視覺(jué)檢測(cè)技術(shù)。應(yīng)用攝像機(jī)的標(biāo)定法，可以算出其內(nèi)部的參數(shù)，由于參數(shù)不會(huì)受到外界環(huán)境的制約，可以展開(kāi)攝像機(jī)的離線標(biāo)定。既節(jié)約了實(shí)時(shí)測(cè)距程序的時(shí)間，又能夠借助反復(fù)標(biāo)定，獲得更加精確的參數(shù)，從而有效解決了攝像機(jī)標(biāo)定中的誤差。此外，借助機(jī)器視覺(jué)系統(tǒng)中的車(chē)輛檢測(cè)及其與前方車(chē)輛的測(cè)距算法，可以完成對(duì)車(chē)輛輔助系統(tǒng)軟件的編程，生成警報(bào)系統(tǒng)，為司機(jī)安全駕駛提供重要的技術(shù)保障。

參考文獻(xiàn)

[1]梁炳春.基于機(jī)器視覺(jué)的輔助駕駛系統(tǒng)中車(chē)輛檢測(cè)與測(cè)距研究[D].東華大學(xué)，2016.

[2]彭寶.基于機(jī)器視覺(jué)輔助駕駛系統(tǒng)中行人實(shí)時(shí)檢測(cè)跟蹤研究[D].東華大學(xué)，2016.

[3]郭靖.基于機(jī)器視覺(jué)的車(chē)輛輔助駕駛系統(tǒng)關(guān)鍵問(wèn)題研究[D].北京工業(yè)大學(xué)，2013.