計(jì)算機(jī)視覺在自動(dòng)駕駛中的應(yīng)用探討

陳文博

摘 要：在自動(dòng)駕駛的感知系統(tǒng)中，圖像傳感器能夠獲取物體的類型、顏色等信息，相比其它傳感器，信息更加豐富，但信息提取的難度較大。計(jì)算機(jī)視覺技術(shù)的出現(xiàn)為從圖像數(shù)據(jù)里提取關(guān)鍵信息提供了基礎(chǔ)。本文介紹了計(jì)算機(jī)視覺的概念和原理，闡述了其在自動(dòng)駕駛中的應(yīng)用現(xiàn)狀，討論了其當(dāng)前面臨的技術(shù)、傳感器以及安全挑戰(zhàn)，并給出針對(duì)性建議。

關(guān)鍵詞：計(jì)算機(jī)視覺;自動(dòng)駕駛;感知

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）03-0049-02

0 引言

自動(dòng)駕駛汽車是汽車電子、智能控制以及互聯(lián)網(wǎng)等技術(shù)發(fā)展融合的產(chǎn)物，汽車被發(fā)明不久，人們就有了設(shè)計(jì)自動(dòng)駕駛汽車的想法，最早的自動(dòng)駕駛汽車出現(xiàn)在上世紀(jì)20年代，采用無線電控制汽車的行進(jìn)，與遙控汽車類似。隨著信息技術(shù)的發(fā)展，自動(dòng)駕駛汽車也逐漸走向成熟，與早期的無線電控制不同，汽車有了自主控制的功能?，F(xiàn)如今，自動(dòng)駕駛汽車是指能夠利用其自身的感知系統(tǒng)獲取車輛自身以及外界環(huán)境信息，經(jīng)過計(jì)算系統(tǒng)分析信息、作出決策，控制執(zhí)行系統(tǒng)實(shí)現(xiàn)車輛加速、減速或轉(zhuǎn)向等操作，從而實(shí)現(xiàn)在無需駕駛員介入的情況下自主行駛的汽車[1]。為促進(jìn)自動(dòng)駕駛汽車與現(xiàn)有交通系統(tǒng)的融合，并鼓勵(lì)自動(dòng)駕駛技術(shù)的發(fā)展，聯(lián)合國、美國、歐洲多國、亞洲多國均針對(duì)自動(dòng)駕駛制定了多項(xiàng)相關(guān)政策，涉及道路測試、技術(shù)研發(fā)、配套交通等多個(gè)方面。

自動(dòng)駕駛汽車中感知系統(tǒng)是其核心組成，感知系統(tǒng)利用傳感器對(duì)環(huán)境中的人、車、物等進(jìn)行檢測、識(shí)別，為車輛決策提供數(shù)據(jù)支持。感知系統(tǒng)的輸入設(shè)備包括光學(xué)攝像頭、光學(xué)雷達(dá)（LiDAR）、微波雷達(dá)、導(dǎo)航系統(tǒng)等，其中光學(xué)攝像頭由于其成本低、獲取信息豐富等特點(diǎn)在自動(dòng)駕駛系統(tǒng)中的應(yīng)用越來越廣泛[2]。對(duì)光學(xué)攝像頭獲取的圖像數(shù)據(jù)進(jìn)行分析往往需要借助計(jì)算機(jī)視覺技術(shù)?，F(xiàn)在的人力駕駛汽車，視覺是決定汽車安全駕駛的關(guān)鍵，對(duì)于自動(dòng)駕駛汽車來說，計(jì)算機(jī)視覺通過模擬人的眼睛和大腦的處理去識(shí)別道路上所有跟駕駛相關(guān)的物體（車、人、車道線、紅綠燈、路的邊緣等）來保證車輛的正常行駛。

1 計(jì)算機(jī)視覺概述

計(jì)算機(jī)視覺是利用各種成像系統(tǒng)作為信息輸入的方式，從而盡可能地替代人類的視覺器官，之后利用計(jì)算機(jī)系統(tǒng)對(duì)輸入的信息（圖像）進(jìn)行處理、分析，理解圖像的內(nèi)容，最終使得該系統(tǒng)具有能夠從二維圖像理解三維環(huán)境的能力，在自動(dòng)駕駛領(lǐng)域，計(jì)算機(jī)視覺的應(yīng)用可以使系統(tǒng)自主適應(yīng)各種復(fù)雜的環(huán)境[3]?；镜挠?jì)算機(jī)視覺系統(tǒng)結(jié)構(gòu)如圖1所示。

首先是攝像頭等成像系統(tǒng)獲取相關(guān)的圖像數(shù)據(jù)作為輸入，之后進(jìn)入視覺系統(tǒng)使用視覺相關(guān)算法進(jìn)行處理，提取圖像中的特征，之后對(duì)這些信息進(jìn)行描述、存儲(chǔ)、識(shí)別與理解，進(jìn)而獲得有用的視覺信息，包括形狀、位置、姿態(tài)、運(yùn)動(dòng)等。單一的圖像傳感器獲取周圍信息時(shí)，安全性、整體性都相對(duì)較差，為此一些汽車廠商已開始研究雷達(dá)傳感器和光學(xué)傳感器（普通光學(xué)攝像頭、紅外攝像頭）的融合技術(shù)以提高系統(tǒng)的可靠性以及面對(duì)不同環(huán)境的適應(yīng)性。

2 計(jì)算機(jī)視覺在自動(dòng)駕駛中的應(yīng)用

計(jì)算機(jī)視覺通過攝像頭可以感知的對(duì)象或信息包括人、車、周圍障礙物、交通標(biāo)志和行駛環(huán)境等。

2.1 路況信息檢測

路況信息主要包括影響行駛的行人、車輛以及障礙物等，對(duì)這些信息進(jìn)行檢測是自動(dòng)駕駛系統(tǒng)采取相應(yīng)的規(guī)避或制動(dòng)措施的基礎(chǔ)，其檢測的準(zhǔn)確性將直接影響駕駛安全。在車輛行駛過程中，各種路況信息（行人、車輛、障礙物等）是隨機(jī)出現(xiàn)的，難以提前預(yù)測，也就無法提前采取預(yù)防措施，駕駛系統(tǒng)只能在行駛過程中進(jìn)行實(shí)時(shí)檢測、識(shí)別，對(duì)檢測算法的實(shí)時(shí)性要求較高。

基于計(jì)算機(jī)視覺的路況信息檢測算法能夠滿足上述檢測要求，可以在行駛過程中進(jìn)行實(shí)時(shí)檢測，因而不需要獲取檢測對(duì)象的先驗(yàn)信息，已經(jīng)成為路況信息檢測的主流研究方向。以車輛檢測為例，計(jì)算機(jī)視覺算法利用車輛自身的圖像特征（如陰影、對(duì)稱性、邊緣等），能夠快速確定車輛在圖像中的區(qū)域，之后就可以對(duì)檢測的車輛進(jìn)行跟蹤。Tesla將前置攝像頭安裝在反光鏡的前面，通過計(jì)算機(jī)視覺技術(shù)處理攝像頭提取的信息，并以此來計(jì)算距離，識(shí)別人、車輛和障礙物。

2.2 交通標(biāo)志檢測

交通標(biāo)志是道路基礎(chǔ)設(shè)施的重要組成部分，它們?yōu)樗緳C(jī)提供關(guān)于路況的相關(guān)信息，同時(shí)也能促使司機(jī)調(diào)整駕駛行為，以確保他們遵守現(xiàn)行的任何道路法規(guī)。交通標(biāo)志檢測包含許多內(nèi)容，如車道、交通信號(hào)燈、限速標(biāo)志、道路標(biāo)線等內(nèi)容，以車道檢測為例，車道檢測主要是為了確定道路的位置和方向，從而對(duì)車輛進(jìn)行控制使其按照規(guī)劃的線路行進(jìn)。此外，確定車道后還能為前述的行人、車輛和障礙物檢測提供幫助，縮小其檢索范圍，提高算法的運(yùn)行速度，降低誤識(shí)率。為提高交通標(biāo)志檢測的準(zhǔn)確性，研究者在傳統(tǒng)計(jì)算機(jī)視覺技術(shù)的基礎(chǔ)上，將深度學(xué)習(xí)技術(shù)應(yīng)用到該問題上，進(jìn)一步提高了算法的可靠性[4]。要建立這樣的模型，需要采集大量的圖像數(shù)據(jù)并進(jìn)行標(biāo)注，將其作為訓(xùn)練數(shù)據(jù)，之后利用這些數(shù)據(jù)訓(xùn)練深度學(xué)習(xí)模型，使之可以自主識(shí)別交通標(biāo)志。Tesla Model利用汽車在道路上采集的種路況數(shù)據(jù)不斷改善其識(shí)別算法的性能，進(jìn)而提升用戶的駕駛體驗(yàn)。

2.3 駕駛員疲勞檢測

近年來，隨著車輛數(shù)量的不斷增加，交通事故的發(fā)生率也不斷增長。據(jù)統(tǒng)計(jì)，駕駛員疲勞是導(dǎo)致交通事故的重要因素。雖然完全無人的自動(dòng)駕駛不會(huì)出現(xiàn)駕駛疲勞的問題，但距離無人駕駛還有很長的距離，可以預(yù)見，在今后很長一段時(shí)間內(nèi)，自動(dòng)駕駛還會(huì)處在輔助駕駛階段即需要駕駛員的參與，因而解決駕駛員疲勞問題仍然十分重要。為此，基于計(jì)算機(jī)視覺技術(shù)的駕駛員疲勞檢測技術(shù)被開發(fā)出來。利用圖像傳感器采集駕駛員的面部圖像，之后利用計(jì)算機(jī)視覺技術(shù)進(jìn)行處理，得到駕駛員的眨眼頻率信息，據(jù)此就能識(shí)別駕駛員的疲勞狀態(tài)。這種方法對(duì)駕駛員來說是無感采集的，不會(huì)影響其正常的駕駛行為，是目前檢測駕駛員疲勞狀態(tài)一種比較有效的方法[5]。

3 計(jì)算機(jī)視覺面臨的挑戰(zhàn)

在自動(dòng)駕駛領(lǐng)域，相比于激光感知與微波感知，視覺感知獲取的信息量更加豐富、實(shí)時(shí)性好，體積小，成本較低，但計(jì)算機(jī)視覺也面臨技術(shù)、傳感器以及安全等問題。

3.1 技術(shù)問題

雖然計(jì)算機(jī)視覺技術(shù)在自動(dòng)駕駛領(lǐng)域有了許多應(yīng)用，但目前的應(yīng)用水平總體來說還比較低端和原始，如何使計(jì)算機(jī)視覺的感知能力接近甚至達(dá)到人類的視覺能力仍然十分困難?，F(xiàn)有的算法易受光照環(huán)境和運(yùn)動(dòng)等因素的影響，同時(shí)三維信息測量精度相對(duì)較低。現(xiàn)階段廣泛使用的深度學(xué)習(xí)模型是一個(gè)黑箱模型，其信息檢測的原理不能直觀地解釋，因而對(duì)其可靠性不能進(jìn)行全面的評(píng)估。

為此，在進(jìn)一步的研發(fā)過程中，應(yīng)加大對(duì)算法可解釋性方面的研究，提升算法的智能型，最終達(dá)到與人類視覺系統(tǒng)相對(duì)的水平。

3.2 傳感器問題

目前，自動(dòng)駕駛的感知系統(tǒng)的傳感器除了攝像頭還有激光雷達(dá)、毫米波雷等，這是因?yàn)闆]有攝像頭獲取的信息還不能完全滿足自動(dòng)駕駛的所有需求。攝像頭采集圖像時(shí)容易受風(fēng)霜雨露以及光線等一系列復(fù)雜的環(huán)境因素的影響。在進(jìn)行物體識(shí)別時(shí)三維信息的測量精度較低，且為獲取這些信息對(duì)系統(tǒng)的算力要求較高。

盡管攝像頭存在這些問題，但目前而言，攝像頭仍然是適用領(lǐng)域最廣的傳感器，已經(jīng)被廣泛應(yīng)用在自動(dòng)駕駛領(lǐng)域。相比于其他傳感系統(tǒng)，對(duì)物體類型和顏色的準(zhǔn)確識(shí)別是視覺系統(tǒng)無法比擬的優(yōu)勢，加上攝像頭硬件成本相對(duì)低廉，未來的發(fā)展?jié)摿^大。因此，未來可以研發(fā)穩(wěn)定、可靠的圖像采集裝置，能夠適應(yīng)不同環(huán)境條件，從而方便后續(xù)利用計(jì)算機(jī)視覺進(jìn)行圖像處理，提取相關(guān)信息。

3.3 安全問題

雖然計(jì)算機(jī)視覺在自動(dòng)駕駛領(lǐng)域的應(yīng)用十分廣泛，但也存在安全方面的問題?，F(xiàn)階段，采用計(jì)算機(jī)視覺檢測相關(guān)信息雖然準(zhǔn)確率較高，但遠(yuǎn)沒有達(dá)到100%，也就是存在檢測錯(cuò)誤的情況，盡管出現(xiàn)的可能性較低，但一旦出現(xiàn)后果不堪設(shè)想。為了保證自動(dòng)駕駛的安全，一種可行的辦法是通過多傳感器實(shí)現(xiàn)信息融合，也就是說當(dāng)視覺傳感器檢測出現(xiàn)問題時(shí)，其它的傳感器也能彌補(bǔ)這些失誤，利用多種傳感器共同檢測實(shí)現(xiàn)一定的信息冗余來確保安全。相比于視覺感知，激光感知與微波感知數(shù)據(jù)精度高，實(shí)時(shí)性好，能夠直接獲取物體三維距離信息，因此其也被作為自動(dòng)駕駛的傳感器使用。

4 總結(jié)與展望

自動(dòng)駕駛是未來汽車智能化的研究熱點(diǎn)之一，而計(jì)算機(jī)視覺技術(shù)是其中的關(guān)鍵技術(shù)。本文介紹了計(jì)算機(jī)視覺的概念及原理。論述了其在自動(dòng)駕駛領(lǐng)域中的具體應(yīng)用，分析了其面臨的主要挑戰(zhàn)并提出針對(duì)性的建議。視覺感知能夠及時(shí)、快速掌握車輛周圍的行人、障礙物、交通標(biāo)志等信息，為系統(tǒng)進(jìn)行有效應(yīng)對(duì)突發(fā)事件提供支持，但圖像采集過程中易受光照環(huán)境、運(yùn)動(dòng)等因素的影響。為保證駕駛安全，現(xiàn)階段需要將多種傳感器融合，以保證信息檢測的準(zhǔn)確與可靠。相信隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，其面臨的問題將會(huì)逐一解決，從而設(shè)進(jìn)一步提升自動(dòng)駕駛的發(fā)展水平。

參考文獻(xiàn)

[1] 張貴英，向函，趙勇.基于計(jì)算機(jī)視覺的自動(dòng)駕駛算法研究綜述[J].貴州師范學(xué)院學(xué)報(bào)，2016，32（06）：14-19.

[2] 郝俊.自動(dòng)駕駛環(huán)境感知系統(tǒng)研究[J].時(shí)代汽車，2018（09）：15-16.

[3] 徐鑫.探究計(jì)算機(jī)視覺發(fā)展前景及趨勢[J].電腦迷，2018（12）：26.

[4] 王科俊，趙彥東，邢向磊.深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域應(yīng)用的研究進(jìn)展[J].智能系統(tǒng)學(xué)報(bào)，2018，13（01）：55-69.

[5] 牛亞尊，張翠青.駕駛疲勞識(shí)別方法研究綜述[J].內(nèi)蒙古科技與經(jīng)濟(jì)，2012（13）：17-19.