機器視覺在汽車駕駛輔助系統中的應用

孔丹尼

摘? 要：汽車輔助系統能夠輔助駕駛員進行汽車駕駛，提高汽車駕駛的安全性。在汽車駕駛過程中，駕駛人員主要通過視覺來獲取信息，通過視覺傳感器來掌握周邊環境信息，為駕駛員的駕駛提供輔助，可以有效地提高汽車駕駛的安全性，基于此本文對機器視覺在汽車駕駛輔助系統中的應用進行了探討。

關鍵詞：機器視覺;駕駛輔助系統;交通安全

1? 前言

當前，汽車已經成為人們重要的交通工具，在人們生活中起著重要作用。汽車在給人們生活帶來便利的同時，也導致了交通事故不斷增加，給人們的生命和財產安全帶來較大的損失，相關數據顯示，世界上每年有超過100萬人死于道路交通。為了提高道路交通的安全性，人們加強了對汽車安全防護系統的研究。當前，駕駛輔助系統在汽車行業中已經獲得了重要應用，駕駛輔助系統中通過應用超聲、視覺、雷達和GPS等傳感器來對車輛行駛過程中自身狀態和環境的變化進行感知，采集環境和車輛信息，并對信息進行分析，根據結果給駕駛人員提供駕駛建議和采取應急措施，對駕駛人員的駕駛進行輔助，從而降低交通事故的出現。在實際的駕駛過程中，視覺是駕駛員獲取信息的重要途徑，包括交通標志、障礙物、路面狀況等信息都需要駕駛人員通過視覺來獲取信息，基于這一因素，通過應用視覺傳感器來掌握路面情況，對提高車輛的智能化有重要意義，基于視覺導航的交通標志檢測、道路檢測、行人檢測和障礙物檢測的車輛駕駛輔助系統，能夠有效地降低駕駛員的勞動強度，更高的保證交通安全，因此加強機器視覺在汽車駕駛輔助系統中的應用具有重要意義。

2? 機器視覺在輔助駕駛系統中的應用

2.1? 車道線檢測技術

車道線檢測技術的相關研究主要集中在設備和算法兩方面。在設備方面，車道線檢測技術通過傳感器來進行數據采集，主要有激光雷達、立體視覺和單目視覺等三種。其中激光雷達的機器視覺原理是，通過不同顏色或材質的不同反射率來實現道路的識別;相較于激光雷達技術，立體視覺具有更高的精確性，缺點在于設備成本高，難以實現圖像匹配，而且算法也比較復雜，造成實時性不高;單目視覺通過特征、模型、融合和機器學習等實現。在這三種傳感器中，單目視覺的應用最為廣泛。在采集到信息之后，通過相應的算法進行計算，進行決策。在算法方面，常用的方法包括基于模型的方法和基于特征的方法?；谔卣魉惴ㄊ紫葘Λ@取的圖像進行處理，從中提出邊緣信息等特征信息，然后根據預定規則來獲取車道線標記;基于模型的算法通過分析圖像來獲取參數，然后建立道路模型，通過模型完成車道線的檢測。

2.2? 交通標志識別技術

交通標志識別技術能夠識別交通標志，并提示給駕駛員，幫助駕駛員進行正確決策，保證行駛安全。交通標志一般都具有顯著的顏色和形狀特征，基于其具有的視覺特征，機器視覺技術可以檢測出不同的交通標志。當前，比較普遍的交通標志識別技術是基于顏色和形狀特征的檢測方法。當前，交通識別技術主要通過設定顏色分量的閾值范圍實現圖像分割，然后從背景區域中提取出感興趣區域（ROI），然后通過對這一區域進行形狀過濾來實現交通標志的識別。其中，直接彩色閾值分割算法具有重要應用，這種算法的工作原理是：在RGB 顏色空間對圖像所有像素進行分割，然后進行角點檢測，通過這樣的方式來識別目標區域是否存在交通標志，該方法的缺陷在于光照的影響比較大，而且不能夠有效解決遮擋問題;相關研究人員對算法進行了改進，通過將RGB圖像進行轉換，轉化成 HSV、HIS 等圖像模型，然后再對圖像進行分割和提取，實現對交通標志的識別，通過這樣的方式能夠有效地降低光照和遮擋等因素的影響。

2.3? 車輛識別技術

交通環境是非常復雜的，在這樣的條件下進行車輛檢測，應用單傳感器很難實現，因此當前車輛識別技術的發展趨勢是多傳感器融合，通過不同傳感器的互補來提高識別效果。雷達可以實現車輛前方障礙物位置、速度和深度等的監測，具有良好的效果;基于車載攝像頭的視覺信息，可以實現外部環境的立體視覺或者單目視覺檢測，其中立體視覺檢測在實時性方面較差，而且受到車輛顛簸等因素的影響，測定的誤差也比較大，而單目視覺檢測的實時性非常好，因此當前應用的較多。單目視覺的車輛識別技術主要包括先驗知識、基于運動和基于統計學習的檢測方法。

2.4? 行人檢測技術

行人既具有剛性物體的特性，也具有柔性物體的特性，因此行人檢測比較特殊，在對行人進行檢測時，行人的行為、姿勢和穿著等都會影響檢測的結果。行人檢測技術主要是通過傳感器采集圖像，然后提取人的位置，并對其行為進行判斷。通過對視頻圖像進行提取，獲取運動目標所在區域的信息，然后通過背景減除、光流和幀差等方式進行處理，并且結合人體的形態和膚色等進行判斷，確認人的位置和行為;通過對靜態圖片進行分析，采用基于機器學習的檢測方法來對行人進行檢測，這種方法的性能主要受兩方面因素影響，一方面是行人描述;另一方面是分類器訓練。該方法檢測的實時性會受到特征描述的復雜程度的影響。當前，行人特征描述方法中，HOG具有比較多的應用，Haar、LBP以及基于這兩種方法的改進方法應用也比較多。機器學習的分類器對于行人檢測的檢測率有著比較大的影響，當前常見的分類器包括神經網絡、支持向量機和 Boosting 方法以及基于這些方法的改進方法。

結論

隨著傳感器技術、智能化技術和信息技術等的發展，汽車逐步進入智能化時代。機器視覺作為一種環境感知技術，在汽車駕駛輔助系統中具有重要意義，提高了汽車駕駛輔助系統的功能。通過采取高質量的圖像信息，并且快速的對信息圖像進行處理和識別，為駕駛員提的駕駛提供決策建議，可以有效地提高駕駛的安全性，因此應不斷改進傳感器技術、研究圖像處理算法，提高汽車輔助系統的功能，使機器視覺技術更好地滿足汽車駕駛的實時性和準確性的要求，更好地提高汽車駕駛的安全性。

參考文獻

[1]閆龍.基于視覺的駕駛輔助系統研究[J].科技創新與應用，2020（11）.

[2]朱明珠，趙云，沈英.車載機器視覺的應用概述[C]// 福建省汽車工程學會.福建省汽車工程學會，2013.

[3]吳茂友.基于機器視覺的智能車駕駛輔助系統[D].揚州大學，2019.