基于机器视觉的汽车智能驾驶系统基于机器视觉的汽车智能驾驶系统
本文把机器视觉技术为主要的路况感知手段应用到车辆自动驾驶中去,为实现车辆智能化驾驶提供一个不同的
思考角度。
1、引言
随着社会的发展和人口的增长,汽车越来越多的进入我们的日常生活,交通也日益拥挤。驾驶汽车是一项复杂的活动,长时间
的驾驶很容易使人感到疲劳,从而容易导致交通事故。此外一些工程车辆在作业时环境恶劣、劳动强度大,这些车辆的驾驶自
动化是非常有必要的。为了使汽车驾驶操作简单、安全、舒适,把人从繁重枯燥的汽车驾驶中解脱出来,当今世界各国都在积
极研究开发自动驾驶技术。
德国、美国和日本等国在汽车自动驾驶领域开展了积极的研究并取得了很大的成绩。我国国防科技大学机电工程学院一直在进
行汽车自动驾驶技术的研究,其与第一汽车集团公司联合研制的无人驾驶型“红旗”CA7460于2003年6月在湖南长沙试车成
功,稳定行驶时速达130KM/h(美国最高水平 100KM/h、德国120 KM/h),最高时速达170 KM/h,具备安全超车能力。但他
们的系统主要是依靠车载雷达、红外测距仪和图像传感器来识别测量路面环境状况,所得到的路面环境信息不丰富,不能满足
汽车智能驾驶的要求,所以这些系统都还只能在路况良好的高速公路上应用,无法适应道路环境恶劣的低级公路和城市公路。
视觉是人类观察世界、认识世界的重要功能手段,人类从外界获得的信息约有75%来自视觉系统,特别是驾驶员驾驶需要的信
息90%来自视觉。在目前汽车辅助驾驶所采用的环境感知手段中,视觉传感器比超声、激光雷达等可获得更高、更精确、更丰
富的道路结构环境信息。随着计算机技术的发展和图像处理/识别技术的成熟,机器视觉技术获得长足的发展,目前广泛的应
用在三维测量、三维重建、虚拟现实、运动目标检测和目标识别等方面。在汽车的自动驾驶发面,一个前提性的问题就是路况
识别和车辆、障碍物的距离、速度检测,解决了这个问题才可能去控制汽车的驾驶。而机器视觉技术融合三维测量和图像识别
技术于一身。
目前,机器视觉在智能机器人领域的研究热火朝天:Klaus Fleischer等人提出的基于机器视觉的城外公路基础设施固定对象的
检测与跟踪;D. Brzakovie等人提出道路边缘检测在移动机器人导航中应用 ; O.Djekoune等人提出基于神经网络的视觉引导机
器人导航。这些研究成果对机器视觉在智能驾驶中应用有着重要的启迪。
本文把机器视觉技术为主要的路况感知手段应用到车辆自动驾驶中去,为实现车辆智能化驾驶提供一个不同的思考角度。
2、机器视觉技术
自从MARR视觉计算理论提出以来,机器视觉技术迅速发展,是目前智能驾驶领域发展最快的技术之一,也是智能驾驶领域研
究的主要方向之一。
2.1机器视觉基本原理
获取场景中各点相对于摄像机的距离是立体视觉系统的重要任务之一,场景中各点相对于摄像机的距离可以用深度图(depth
map)来表示。机器视觉系统主要是依靠双(多)目CCD在不同的空间位置上上获取两(多)幅图像,通过这两(多)幅图
像的深度信息和成像几何来生成深度图(图1所示)。
本文以比较简单常用的双目CCD视觉系统为例,它的几何关系如图所示。它由两个完全相同的CCD摄像机(摄像头)构成,
两个图像平面位于同一个平面上,两个摄像机(摄像头)的坐标轴相互平行,且x轴重合,摄像机之间在下x方向上的间距为极
限距离B。
图1 双目立体视觉几何模型
在图中,场景点P在左右图像平面中的投影点分别为P左和P右,假设坐标系原点与左透镜中心重合,比较相似三角形PMCl和
PlLCl得到:
(1)
同理,从相似三角形PNCr和PlRCr,得到: