1、导言
跟着社会的展开和人口的增加，轿车越来越多的进入咱们的日常日子，交通也日益拥堵。驾驭轿车是一项杂乱的活动，长期的驾驭很简略使人感到疲惫，然后简略导致交通事故。此外一些工程车辆在作业时环境恶劣、劳动强度大，这些车辆的驾驭自动化对错常有必要的。为了使轿车驾驭操作简略、安全、舒适，把人从深重单调的轿车驾驭中摆脱出来，当今国际各国都在活跃研讨开发自动驾驭技能。
德国、美国和日本等国在轿车自动驾驭范畴展开了活跃的研讨并取得了很大的成果。我国国防科技大学机电工程学院一直在进行轿车自动驾驭技能的研讨，其与榜首轿车集团公司联合研发的无人驾驭型“红旗”CA7460于2003年6月在湖南长沙试车成功，安稳行进时速达130KM/h（美国最高水平 100KM/h、德国120 KM/h），最高时速达170 KM/h，具有安全超车才能。但他们的体系首要是依托车载雷达、红外测距仪和图画传感器来辨认丈量路面环境情况，所得到的路面环境信息不丰厚，不能满意轿车智能驾驭的要求，所以这些体系都还只能在路况杰出的高速公路上运用，无法习惯路途环境恶劣的初级公路和城市公路。
视觉是人类调查国际、知道国际的重要功用手法，人类从外界取得的信息约有75%来自视觉体系，特别是驾驭员驾驭需求的信息90%来自视觉。在现在轿车辅佐驾驭所选用的环境感知手法中，视觉传感器比超声、激光雷达等可取得更高、更精确、更丰厚的路途结构环境信息。跟着核算机技能的展开和图画处理/辨认技能的老练，机器视觉技能取得长足的展开，现在广泛的运用在三维丈量、三维重建、虚拟实际、运动方针检测和方针辨认等方面。在轿车的自动驾驭发面，一个条件性的问题便是路况辨认和车辆、妨碍物的间隔、速度检测，处理了这个问题才或许去操控轿车的驾驭。而机器视觉技能交融三维丈量和图画辨认技能于一身。
现在，机器视觉在智能机器人范畴的研讨如火如荼：Klaus Fleischer等人提出的根据机器视觉的郊外公路基础设施固定目标的检测与盯梢;D. Brzakovie等人提出路途边际检测在移动机器人导航中运用 ; O.Djekoune等人提出根据神经网络的视觉引导机器人导航。这些研讨成果对机器视觉在智能驾驭中运用有着重要的启迪。
本文把机器视觉技能为首要的路况感知手法运用到车辆自动驾驭中去，为完结车辆智能化驾驭供给一个不同的考虑视点。
2、机器视觉技能
自从MARR视觉核算理论提出以来，机器视觉技能迅速展开，是现在智能驾驭范畴展开最快的技能之一，也是智能驾驭范畴研讨的首要方向之一。
2.1机器视觉基本原理
获取场景中各点相对于摄像机的间隔是立体视觉体系的重要任务之一，场景中各点相对于摄像机的间隔能够用深度图（depth map）来表明。机器视觉体系首要是依托双（多）目CCD在不同的空间方位上上获取两（多）幅图画，通过这两（多）幅图画的深度信息和成像几许来生成深度图（图1所示）。
本文以比较简略常用的双目CCD视觉体系为例，它的几许联系如图所示。它由两个完全相同的CCD摄像机（摄像头）构成，两个图画平面坐落同一个平面上，两个摄像机（摄像头）的坐标轴彼此平行，且x轴重合，摄像机之间鄙人x方向上的间隔为极限间隔B。
图1 双目立体视觉几许模型
在图中，场景点P在左右图画平面中的投影点分别为P左和P右，假定坐标系原点与左透镜中心重合，比较类似三角形PMCl和PlLCl得到：
（1）
同理，从类似三角形PNCr和PlRCr，得到：
（2）
兼并上面两式：
（3）
其间F是焦距。
由上面推导可知各种场景中的深度信息能够通过核算视差来完结。在机器视觉系中统要能精确的核算视差，一个重要的条件便是能够找到左右图画对中投影点的共轭对（场景中同一点在不同的图画中的投影点称作共轭对），即立体匹配。匹配的办法首要有边际特征匹配、区域特征匹配和相位匹配三类。立体配对是机器视觉里边研讨的一个重要方向，在这方面有许多有用的研讨成果，O.Djekoune等人在文中提出了运用神经网络的办法进步立体像对的匹配速度和精确度的新算法。
2.2 机器视觉技能在智能驾驭中运用
在智能驾驭中运用机器视觉技能，机器视觉技能有必要具有实时性、鲁棒性、实用性这三个特色。实时性要求机器视觉体系的数据处理有必要与车辆的高速行进同步进行;鲁棒性是要求智能车辆对不同的路途环境如高速公路、市内公路、一般公路等，杂乱的路面环境如路面的宽度、色彩、纹路、弯道、斜度、坑洼、妨碍与车流等，各种气候晴、阴、雨、雪、雾等均具有杰出的习惯性;实用性指智能车辆能够为一般用户所承受。
现在，机器视觉首要用于途径的辨认与盯梢。与其它传感器比较，机器视觉具有检测信息量丰厚、无触摸丈量和能完结路途环境三维建模等长处，但数据处理量极大，存在体系实时性和安稳性问题，要靠开发高功能的核算机硬件，研讨新算法来处理。跟着核算机技能和图画处理技能的飞速展开，三维重建路途环境为车辆高速智能驾驭供给强壮的信息，在不远的将来具有实际可行性。
机器视觉的路途辨认基本原理为，公路路面的环境（白色路标、边际、路面色彩、坑洼、妨碍物等）的CCD图画灰度值和图画纹路、光流有差异。根据这种差异，经图画处理后能够取得需求的途径图画信息，如方位差错、侧向差错、车辆在路途中的方位等信息。将这些信息与车辆的动力学方程相结合，可构成车辆操控体系数学模型。
3、智能驾驭体系的结构规划
（1） 机器视觉体系
机器视觉体系的硬件构成：首要由参数、类型、功能相同的两个CCD摄像头、两片相同的视频收集卡和核算机上的视频处理软件构成。咱们运用左右两路CCD摄像头吸取的相片对进行图画处理而得到相关的深度信息，有必要确保左右两路CCD摄像头信号是同步的，不然吸取的图片不对应，就无法正确的提取相关深度信息。因而咱们左右两路CCD摄像头是通过同步处理的摄像头，便是从左路摄像头的帧同步电路里引出帧同步信号到右路CCD摄像头的帧同步电路里，然后确保左右两路的图画总是同步的。
机器视觉处理软件体系首要是担负着妨碍物检测辨认、交通信号检测辨认、交通图画辨认检测、公路边际辨认检测、弯道弧度辨认检测和前方车辆间隔速度检测和路面坑洼斜度辨认检测这些首要信息的提取，在这些信息数据的基础上进行路途环境的三维重建。机器视觉处理软件体系处理得到的路途环境信息和辅佐体系的多传感器的信息进行交融，结合车辆动力学模型（现已有许多科学家在研讨含糊操控技能和神经网络技能在车辆动力学模型上的运用）和车辆行进状况参数，由车辆行为决议计划调度体系做出合理的决议计划调度，然后由途径规划体系生成合理的途径规划和车辆操控指令，对轿车进行操控。
公路边际辨认检测联系着轿车能否正确辨认公路，尤其是缺少交通图画的低等级公路。咱们机器视觉检测公路的边际信息和公路的宽度信息。公路的边际检测，对CCD吸取的图画进行二值化处理，就能够提取出公路边际;公路宽度信息检测，运用左右两路CCD吸取的公路图画进行立体匹配，提取里边的深度信息，根据机器视觉理论核算出公路的宽度。根据其他传感器的数据确认轿车在公路中的方位和轿车的行进状况参数，做出合理的途径规划，优化操控轿车在公路中的方位，做好途径盯梢，不至于行进中违背公路路面。
交通图画、路途标识、交通信号的辨认检测。交通图画包含常见的斑马线、车道线、箭头号。这些交通图画都是有固定的色彩（比方斑马线都是白色的）和固定的形状，因而对他们的辨认只需运用简略的图画处理，然后对照咱们预先树立的交通图画模型就能够快速的辨认。交通标识辨认就要相对费事一些。有些交通标识上面有文字，咱们不只需求运用图画处理技能提取这些文字信息，并且需求剖析这些文字包含的交通信息。交通信号包含交通信号灯和交警旗语，他们都有固定的运转形式，能够预先建模，然后根据图画处理结合其他传感器的信息，进行检测辨认。
前方轿车、妨碍物的间隔、速度的检测和辨认。能否安全精确的辨认检测出前方轿车、妨碍物对轿车智能驾驭是非常要害的。不只需辨认出前方轿车、妨碍物，并且要检测出它们的运动速度、运动方向和离本车的间隔，要能根据接连几回测定的它们离本车的间隔和运动速度、运动方向预测出它们的或许运动轨道，为本车超车、减速、躲避妨碍物、下降危险危险供给牢靠的数据。运用机器视觉技能，能够运用根据成像模型的对应点估量三维运动检测办法和根据光流的估量的三维运动检测办法。模型法、光流法有许多老练的算法能够挑选，有利于体系程序的完结。
机器视觉体系中摄像机标定：摄像机标定的意图是确认摄像机的内外部特点参数并树立空间成像模型，以便确认空间坐标系中物体点与它在图画平上像点之间的相应联系。摄像机的标定分为摄像机内部参数标定和外部参数标定。内部参数确认了摄像机内部的几许和光学特征，不随摄像机的移动而改动;外部参数是确认摄像机像平面相对于客观国际坐标体系的三维方位和朝向，摄像机移动后，需从头校对。本文中摄像机随车运动，但咱们所需求的参数都是内部参数，只需预先标定摄像机的内部参数就能够。
图2 智能驾驭体系结构框图
（2） 主操控体系
整个智能驾驭体系的中心是主操控体系，它担任各种传感器的信息收集、辨认，然后进行处理，最终根据处理后的信息进行车辆行为决议计划调度，规划途径并生成轿车操控指令。本文整个智能驾驭体系的规划思维也是根据仿照人工驾驭来进行的，主操控体系是轿车的大脑，机器视觉体系好比人的双眼。主操控体系一旦呈现体系死机或许操控软件运转不安稳，则会带来车毁人亡的严重交通事故。而主操控体系核算机作业环境恶劣，轿车在高速行进的时分轰动很大，接近轿车引擎的部位温度较高，为了确保主操控体系的安全安稳的运转，主操控体系核算机应该选用高功能高安稳的工控机。
（3） 辅佐测距定位体系
首要包含车载GPS定位体系、测距雷达、电子地图等。跟着交通信息化的展开，根据GIS的电子地图现已开端运用在日常轿车驾驭中。根据GIS的电子地图它包含了大范围层次的地理方位信息，能够运用它来设定大的方向上的轿车驾驭的微观途径。然后通过车载GPS全球定位体系来确认轿车其时方位点的地理方位信息，把它跟电子地图上该点的地理方位信息比较，就能够知道轿车现在处于咱们设定的微观途径中的什么方位，能够避免轿车在自动驾驭的时分走错路口，走错方向，违背预先设定的微观途径。根据GIS的电子地图和车载GPS全球定位体系的归纳运用，确保了轿车能在微观上依照咱们预先设定的微观途径进行自动驾驭而不违背咱们预先设定的途径。
车载测距雷达首要是辅佐机器视觉体系在一些特别的环境下测定前方车辆的速度和间隔，以及路面妨碍物的间隔。由于跟人相同，由双CCD构成的立体视觉体系在天阴、大雾、暴雨等能见度欠好的条件下，对前方车辆妨碍物的辨认作用会有很大的下降，测定车辆（妨碍物）速度和间隔更存在精度上的差错，不能测定能见度外的前方车辆和妨碍物。而车载测距雷达能够在气候晴好的时分辅佐立体视觉体系进步丈量车辆（妨碍物）的间隔精度和丈量车辆（妨碍物）速度的精度，在恶劣气候能够补偿立体视觉丈量作用欠好的缺陷，进步体系的牢靠性。
（4） 车辆行进参数检测体系
车辆行进参数检测体系的首要作用是检测轿车的前轮转角、后轮速度、油门巨细等车辆行进状况的要害参数，为主操控体系进行车辆决议计划调度和途径规划供给参数。这个体系相对简略，车辆行进状况参数都被车辆外表检测出，只需想把这些参数读取到主操控体系就能够。
（5） 履行机构
整个车辆的自动驾驭履行机构首要是电液压伺服体系，由多个伺服油缸来完结各种驾驭轿车的动作，它仿照人类驾驭轿车的动作，推拉各操纵杆，完结轿车换档、加快、减速、转向、泊车、熄火等一系列作业。操控电液压伺服体系的中心部件是离合器ECU（electronic control unit），档位ECU，转向ECU，油门ECU，刹车ECU这五个各司其职的电子操控器（ECU）来接纳并履行主操控核算机通过决议计划调度核算后宣布的操控指令，指令的履行首要是靠ECU把指令信号扩大然后送达电液压伺服体系进行机械履行。
4、结语
智能驾驭中的机器视觉技能是一项很杂乱的技能，它需求进行更多更详尽的研讨。现在的难点和要点首要会集在快速有用的立体配对、路途环境的快速三维重建和机器视觉处理的实时性上，有许多科学家现已在这方面进行了深化的研讨，新的研讨成果无疑讲推进机器视觉技能在智能驾驭中引证。
