单身自驾游

当前位置:华夏汽车网 > 汽车百科 > 正文

汽车视觉技术详谈

http://www.sinocars.com   2016-08-02   责编:zhaoshuai

[导读]把视觉技术引进汽车领域,向汽车智能化领域更进一步。

华夏汽车网 汽车百科

  随着汽车工业的快速发展,以及各种相关技术的日趋完善,汽车的性能也日益增强,日趋全面,不仅完全发挥了其基本的行走功能,而且在此基础上更向"视觉"功能迈进,从而把"视觉"技术引进汽车领域,从提供最基本的视觉信息开始,向超越视觉,甚至代替视觉等更高更广的方向发展,使得汽车的安全性、舒适性和可靠性得到进一步的提高和完善。

汽车视觉技术详谈

  1、计算机视觉

  很多厂商都说要在2020年推出自动驾驶汽车,无论这些车的自动驾驶程度如何,都要依靠计算机视觉技术来实现。计算机视觉 (Computer Vision,CV),这是一门研究如何使机器“看”的科学,更进一步说就是用摄影机和电脑代替人眼对目标进行识别、跟踪和判别决策等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。 作为一个科学学科,计算机视觉研究与其相关的理论和技术,试图建立能从图像或者多维数据中获取信息的人工智能系统。视频和图像之中包含了大量的数据,过去我们不知道怎么让机器来捕捉和利用这些数据。但随着深度学习的发展,卷积神经网络的提出和运用,这些数据慢慢的能被机器解读到了。这些进步为以后的汽车自动驾驶,打下了获得信息和处理信息的基础。 目前在研究计算机视觉技术的有很多公司,比如SenseTime(商汤)、Cogtu(知图科技)、Deepglint(格灵深瞳)等。计算机视觉技术让每辆车都有自己的眼睛,在汽车行驶的时候像人的眼睛一样能看懂交通标识,道路信息和各种不同的路况。 计算机视觉技术除了在汽车上使用外,还可以在智能交通领域帮上忙。在路口的红绿灯可以通过使用该技术,来判断所在道路交通流量,然后自动变灯,增加路口的通行能力。

汽车视觉技术详谈

  2、机器视觉

  机器视觉技术发展至今已有二十多年的历史,而真正发生革命性进步的则是莫尔视觉计算理论的提出,通过实现神经网络相关算法使机器拥有同人类视觉系统同样的功能提供了可能。一般来说,机器视觉系统包含有镜头、摄像系统和图像处理系统,而其核心则是专用高速图像处理单元,也就是把存入的大量数字化信息与模板库信息进行比较处理,并快速得出结论,其运算速度和准确率是关键指标。这主要通过高效合理的算法和处理能力强大的芯片来实现。 目前,市场上已有多种高效视觉专用硬件处理器及芯片等电子器件,并且随着计算机技术的进步,更先进的算法被相继发明,如采用网格分布式处理系统能够有效的提高运算的效率。今后机器视觉的核心问题将是对图像的深入理解。机器视觉在自动驾驶中的应用主要有以下两个个方面: 

  障碍物检测

  障碍物检测的准确率是车辆自动驾驶过程中安全性的重要保证。在行驶过程中,障碍物的出现是不可预知的, 也就无法根据现有的电子地图避开障碍物,只能在车辆行驶过程中及时发现, 并加以处理。当前, 由于自动驾驶环境的不成熟,关于障碍物的定义尚没有统一的标准。因此, 可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的异常地形都是车辆行驶过程中的障碍物。目前来看,障碍物检测算法主要有以下三 种:1. 基于特征的障碍物检测;2. 基于光流场的障碍物检测;3. 基于立体视觉的障碍物检测。在三种算法中,基于立体视觉的障碍物检测因为既不需要障碍物的先验知识, 对障碍物是否运动也无限制,还能直接得到障碍物的实际位置而成为主流研究方向。但其对摄像机标定要求较高。而在车辆行驶过程中, 摄像机定标参数会发生漂移, 需要对摄像机进行动态标定。 

汽车视觉技术详谈

  道路检测

  自动导航是自动驾驶的必要条件,自动驾驶过程中,道路检测主要是为了确定车辆在道路中的位置和方向,以便控制车辆按照正确的路线行驶。另外,它还为后续的障碍物检测确定搜索范围,以及缩小障碍物检测的搜索空间,降低算法复杂度和误识率。然而由于现实中的道路多种多样,在加上光照、气候等各种环境因素的影响,道路检测是一个十分复杂的问题。至今仍无一个通用的算法,现有算法基本上都对道路做了一定的假设。通常采用的假设有:1特定兴趣区域假设;2道路等宽假设;3道路平坦假设。另外,道路平坦假设也为障碍物定义提供参考。

  目前,机器视觉技术在自动驾驶中并没有进行大规模的应用,其实这这并非是硬件的问题,事实上摄像头技术在汽车中的应用已经十分成熟,如善领科技的行车记录仪,广角视野、倒车影像等功能都完全具备,而芯片技术也已能够高效完成图像的压缩处理,最终难点在于模拟神经网络的视觉算法。

  3、机器视觉技术助力汽车安全辅助驾驶

  视觉是人类认知世界最重要的功能手段,生物学研究表明,人类获取外界信息75%依靠视觉系统,而在驾驶环境中这一比例甚至高达90%。 如果能够将人类视觉系统应用到自动驾驶领域,无疑将会大幅度提高自动驾驶的准确性,而这正是当前计算机科学和自动驾驶领域最热门的研究方向之一,它就是机器视觉技术。 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。 在汽车的自动驾驶方面,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。以下将重点围绕这三方面进行分析。

汽车视觉技术详谈

  当前,机器视觉主要用于路径的识别与跟踪。与其它传感器相比,机器视觉具有检测信息量丰富、无接触测量和能实现道路环境三维建模等优点,但数据处理量极大,存在系统实时性 和稳定性问题,要靠开发高性能的计算机硬件,研究新算法来解决。随着计算机技术和图像处理技术的飞速发展,三维重建道路环境为车辆高速智能驾驶提供强大的 信息,在不远的将来具有现实可行性。 机器视觉处理软件系统主要是担负着障碍物检测识别、交通信号检测识别、交通图案识别检测、公路边缘 识别检测、弯道弧度识别检测和前方车辆距离速度检测和路面坑洼坡度识别检测这些主要信息的提取,在这些信息数据的基础上进行道路环境的三维重建。将处理得 到的道路环境信息和辅助系统的多传感器的信息进行融合,结合车辆动力学模型和车辆行驶状态参数,由车辆行为决策调度系统做出合理的决策调度,然后由路径规 划系统生成合理的路径规划和车辆控制命令,对汽车进行控制。 另外,能否安全准确的识别检测出前方汽车、障碍物对汽车智能驾驶也是十分关 键的。不仅要识别出前方汽车、障碍物,而且要检测出它们的运动速度、运动方向和离本车的距离,要能依据连续几次测定的它们离本车的距离和运动速度、运动方 向预测出它们的可能运动轨迹,为本车超车、减速、规避障碍物、降低危险风险提供可靠的数据。

汽车视觉技术详谈

  4、机器视觉技术实现智能交通车流量检测

  车流量检测一直是交通领域比较关注的项目,既可以保障道路行驶安全,也可以达到宏观调控的目的。如今已经是智能交通时代了,基于机器视觉的车牌识别技术的优势明显。同时,机器视觉车流量检测技术是我国实现智能交通的最好体现,在整个交通领域都有着重要的地位。 机器视觉车流量技术则更具有成本低、稳定性强、准确性高、应用范围广、以及交通管理信息全面等优点,正因为如此,此技术目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用。 机器视觉车流量检测技术能够为交通监测提供高质量的图像信息,实现准确可靠地道路交通的监视和控制。检测系统主要是由视频采集、视频信号处理、车流量检测结果输出等几部分组成的,对应的,这些环节则是由机器视觉系统的各部分来完成的。相机与图像采集啦负责视频的采集,实现将模拟视频信号转换为数字视频信号的过程。图像处理软件则实现了视频信号的处理与检测结果的输出,在信号处理环节,要采取不同的算法,例如白天与夜晚的检测所采用的算法是不同的。最终,将车流量信息传到监控中心,这样就完整的实现了整个监控检测过程了。

  5、视觉影像产品竞争升级助汽车电子布局

汽车视觉技术详谈

  高级驾驶辅助系统(ADAS)在刚过去的法兰克福车展上走向标配,变得越来越触手可及,趋势背后是汽车电子产品和技术的成熟,伴随而来的是各种车用电子元件愈加受到汽车产业各方的重视,从半导体芯片、MCU、传感器、雷达到各种无线通讯、总线连接,需求皆明显增温。随着社会对安全需求的提升,视觉传感、影像传输等ADAS系统成为汽车电子企业的研发重点,不断推出符合车规要求、级别更高的产品,加紧布局看得见的未来。 汽车产业当前正迅速进入第二发展阶段,即要求ADAS系统能预期发生状况,并结合包括雷达在内的周边讯息进行分析判断,如北美法规要求车辆配备倒车摄影机,从而预防驾驶从车库或停车场倒车时不小心伤害行人(尤其儿童)安全。分析人士认为,目前ADAS已经朝向采用一对同步摄影机立体视觉系统方向前进,未来车用视觉系统不仅是用来辨识物体,还需具备预估撞击点的能力。

(文/图 华夏汽车网 zhaoshuai)

分享到:

来源:华夏汽车网


相关文章标签: ADAS 视觉系统 计算机视觉

团购报名

省级:


市级:


县级:


品牌:


车系:


姓名:


手机:


优惠:


靓车美女更多>>