摘 要：介紹了智能車輛環(huán)境感知傳感器的優(yōu)缺點(diǎn)，分析了環(huán)境感知傳感器在智能車輛技術(shù)中尤其是在車道線識(shí)別、障礙物檢測(cè)中的應(yīng)用現(xiàn)狀。由于車輛運(yùn)行環(huán)境的復(fù)雜性和傳感器的局限性，僅利用某一種傳感器難以保證在任何時(shí)刻都能提供完全可靠的信息，基于此，討論了多傳感器信息融合技術(shù)在智能車輛技術(shù)中的應(yīng)用現(xiàn)狀及其發(fā)展方向，以便在今后的應(yīng)用中根據(jù)實(shí)際需要選擇適當(dāng)?shù)膫鞲衅骱蜋z測(cè)方法。

關(guān)鍵詞：智能車輛;環(huán)境感知;傳感器;信息融合

中圖分類號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：1004373X(2008)1915106

Application Statement of Intelligent Vehicle Environment Perception Sensor

GAO Dezhi，DUAN Jianmin，ZHENG Banggui，TIAN Bingxiang

(Intelligent Measure Control Laboratory，Beijing University of Technology，Beijing，100022，China)

Abstract：

Advantages and disadvantages of Intelligent Vehicle(IV) environment perception sensor is introduced，application and development trends of them used in the IV especially in lane recognition and obstacle detection are analyzed.Because of limitation of sensor and complexity of operating environment，it is difficult to supply the completely reliable information by some sensor in any time.So，the application and development direction of multi-sensor information fusion technology in the IV is introduced，in order to choose suitable sensor and detection method.

Keywords：intelligent vehicles;environment sensing;sensors;information fusion

1 引 言

傳感器是一種變換器，可以將來(lái)自外界的各種信號(hào)轉(zhuǎn)變成計(jì)算機(jī)能夠識(shí)別的電信號(hào)^［1］

。已經(jīng)廣泛地應(yīng)用于能源、交通、通信、家電、金融、鋼鐵、化工、商業(yè)、農(nóng)業(yè)和機(jī)械制造等行業(yè)。在智能車輛 (Intelligent Vehicles，IV) 技術(shù)中，傳感器負(fù)責(zé)采集車輛所需要的信息，包括感知汽車自身、汽車行駛的周圍環(huán)境及駕駛員本身的狀態(tài)等，為智能車的安全行駛提供及時(shí)、準(zhǔn)確、可靠的決策依據(jù)。因此，在智能車輛技術(shù)中，傳感器就相當(dāng)于系統(tǒng)的感受器官，快速、精確地獲取信息，是實(shí)現(xiàn)車輛安全行駛的保證。傳感器技術(shù)作為促進(jìn)汽車智能化發(fā)展的關(guān)鍵技術(shù)之一，承擔(dān)著重要的角色，已被廣泛用于智能車的防碰撞、車道保持、自巡航等系統(tǒng)中。各種傳感器都有其特有的性質(zhì)，它們的局限性決定了在實(shí)際應(yīng)用中不能滿足系統(tǒng)的某些需求。為此，研究人員利用多傳感器信息融合技術(shù)，將不同傳感器的信號(hào)相互融合形成對(duì)同一個(gè)目標(biāo)的映射，通過(guò)處理來(lái)自不同傳感器的冗余、互補(bǔ)的信息提高傳感器系統(tǒng)的能力。隨著對(duì)智能車輛技術(shù)研究的深入以及智能車輛應(yīng)用的范圍多樣化，多傳感器信息融合技術(shù)在智能車輛技術(shù)中有著廣泛的應(yīng)用前景。

圖1所示為2007年在北京展覽館舉行的第十四屆智能交通世界大會(huì)上參展的凌志展示車以及該車所安裝的傳感器系統(tǒng)。由圖可以看到該系統(tǒng)用到了多種環(huán)境感知傳感器，例如雷達(dá)、超聲波傳感器、立體攝像頭等實(shí)現(xiàn)了道路的識(shí)別和障礙物的檢測(cè)等功能。本文首先介紹幾種環(huán)境感知傳感器以及它們?cè)谥悄苘囕v技術(shù)中的應(yīng)用現(xiàn)狀，接著敘述了多傳感器信息融合技術(shù)的應(yīng)用現(xiàn)狀，最后總結(jié)了傳感器技術(shù)和傳感器信息融合技術(shù)的發(fā)展趨勢(shì)。

2 環(huán)境感知傳感器的應(yīng)用現(xiàn)狀

智能車輛系統(tǒng)主要有環(huán)境感知模塊、分析模塊、控制模塊等部分組成^［1］，其中環(huán)境感知模塊是利用各種傳感器對(duì)本車所處的周邊環(huán)境進(jìn)行數(shù)據(jù)采集，獲取道路環(huán)境信息，再處理所得環(huán)境信息，從而得到本車和周圍障礙物所處的位置信息以及周圍車輛等障礙物的距離、速度等信息，進(jìn)而為各種控制決策提供信息依據(jù)。該模塊中所用到的環(huán)境感知傳感器主要有機(jī)器視覺(jué)、雷達(dá)傳感器、超聲波傳感器、紅外線傳感器等。

2.1 機(jī)器視覺(jué)

雖然機(jī)器視覺(jué)受天氣狀況和光照條件變化的影響很大并且無(wú)法直接得到檢測(cè)對(duì)象的深度信息，但是它具有檢測(cè)范圍廣、信息容量大、成本低等優(yōu)點(diǎn)，并且通過(guò)對(duì)其所得的圖像進(jìn)行處理可以識(shí)別、檢測(cè)對(duì)象，所以越來(lái)越多的人對(duì)利用機(jī)器視覺(jué)感知車輛行駛環(huán)境產(chǎn)生很大的興趣，以致使機(jī)器視覺(jué)在智能車輛研究領(lǐng)域得到廣泛的應(yīng)用，成為最受歡迎的傳感器之一。機(jī)器視覺(jué)主要用于車道線的識(shí)別、障礙物的檢測(cè)與跟蹤與駕駛員狀態(tài)監(jiān)測(cè)等。近些年來(lái)，隨著許多國(guó)家的政府機(jī)構(gòu)、汽車制造商和供應(yīng)商都積極投身于智能車輛的研究，機(jī)器視覺(jué)的應(yīng)用也相應(yīng)的取得了令人矚目的成果，例如由德國(guó)UBM大學(xué)Dickmans教授的智能車輛研究小組研制的EMS-Vision (Expectation-based Multi-focal Saccadic Vision System)視覺(jué)系統(tǒng)^［2］，該系統(tǒng)能隨車速的變化自動(dòng)調(diào)節(jié)攝像機(jī)的焦距；具有較寬的感知范圍；能適應(yīng)顛簸的路徑環(huán)境；能夠獲得立體視覺(jué)的解釋信息。該視覺(jué)系統(tǒng)已經(jīng)應(yīng)用于德國(guó)UBM大學(xué)和奔馳汽車公司聯(lián)合研制的VaMoRs和VaMoRs-P兩種實(shí)驗(yàn)車中，試驗(yàn)車的傳感器系統(tǒng)由3個(gè)慣性線性加速計(jì)和角速度變化傳感器、測(cè)速表、發(fā)動(dòng)機(jī)狀態(tài)測(cè)量?jī)x以及4個(gè)小型彩色CCD攝像機(jī)，其中4個(gè)小型彩色CCD攝像機(jī)構(gòu)成兩組雙目視覺(jué)系統(tǒng)，一組安裝在車體后視鏡附近特制的平臺(tái)上，另一組固定在車體后部擋風(fēng)板的上方，主要實(shí)現(xiàn)車道線的識(shí)別與跟蹤和障礙物的檢測(cè)與跟蹤。意大利MOB-LAB研究所研制的GOLD(Generic Obstacle and Lane Detection)系統(tǒng)^［3］，它利用立體視覺(jué)同時(shí)進(jìn)行車道線的識(shí)別和障礙物的檢測(cè)，并已經(jīng)應(yīng)用到意大利University of Parma大學(xué)研制的ARGO試驗(yàn)車中，該實(shí)驗(yàn)車裝有兩個(gè)攝像機(jī)，利用模式匹配技術(shù)實(shí)現(xiàn)車道線的識(shí)別，為了降低搜索前方車輛的時(shí)間，采用立體圖像對(duì)技術(shù)完成障礙物的檢測(cè)，并利用車輛左右邊緣灰度值和邊緣結(jié)構(gòu)對(duì)稱的特征確定車輛位置。法國(guó)的Romuald Aufrere提出的一種視覺(jué)方法^［4］，該方法使用一臺(tái)攝像機(jī)得到路面信息，采用車道的統(tǒng)計(jì)模型進(jìn)行匹配；利用三個(gè)模型實(shí)現(xiàn)有路標(biāo)和無(wú)路標(biāo)兩種情況下的道路跟蹤，此三個(gè)模型實(shí)現(xiàn)的功能分別是：一個(gè)從圖像中提取道路的邊緣特征，另一個(gè)用于定位車輛所在車道的位置，第三個(gè)用于提供可靠的時(shí)間間隔。

2.2 雷達(dá)

雖然到目前為止，雷達(dá)傳感器在檢測(cè)遠(yuǎn)距離的小障礙物時(shí)有一些不足之處，但是它具有遠(yuǎn)距離測(cè)距能力，能提供本車前方道路和目標(biāo)車輛的方位和速度信息，同時(shí)還能夠可靠地提供本車周圍障礙物的深度信息，易于解決機(jī)器視覺(jué)技術(shù)在深度信息方面的難題，而且不受天氣、陽(yáng)光等影響，可以準(zhǔn)確地發(fā)現(xiàn)本車周圍存在的障礙物以及前方車輛和行人。由于雷達(dá)在準(zhǔn)確提供遠(yuǎn)距離的車輛和障礙物信息方面有著得天獨(dú)厚的優(yōu)勢(shì)，因此在車輛的防碰撞系統(tǒng)中有著廣闊的應(yīng)用前景。目前應(yīng)用于環(huán)境感知模塊中的雷達(dá)主要有微波雷達(dá)、毫米波雷達(dá)、激光雷達(dá)和電波雷達(dá)。

2.2.1 微波雷達(dá)

微波雷達(dá)能夠直接獲得被測(cè)物體的距離、速度信息，比紅外線或激光雷達(dá)傳感器氣象適應(yīng)性好，并且具有探測(cè)距離遠(yuǎn)、技術(shù)成熟等優(yōu)點(diǎn)，一些系統(tǒng)利用微波雷達(dá)實(shí)現(xiàn)車輛和盲區(qū)的檢測(cè)。例如Valeo Raytheon系統(tǒng)^［5］利用24 GHz的微波雷達(dá)探測(cè)本車兩側(cè)的盲區(qū)，它的檢測(cè)范圍是150°，測(cè)檢距離為40 m。該系統(tǒng)將微波雷達(dá)安裝在后部的保險(xiǎn)杠上，如果有車輛進(jìn)入盲區(qū)，視覺(jué)警告信號(hào)將會(huì)提醒駕駛員。Visteon系統(tǒng)^［6］也利用24 GHz的微波雷達(dá)探測(cè)本車兩側(cè)的盲區(qū)，它的檢測(cè)距離是可編程的，當(dāng)檢測(cè)到靜止物體時(shí)該系統(tǒng)不發(fā)出警告。美國(guó)TRW公司研制的車載防撞微波雷達(dá)已投入應(yīng)用到貨車和公共汽車上^［7］。

2.2.2 毫米波雷達(dá)

與微波雷達(dá)相比，毫米波雷達(dá)波束窄，分辨率高，抗干擾能力強(qiáng)，具有較好的環(huán)境適應(yīng)性，下雨、大霧或黑夜等天氣狀況對(duì)毫米波的傳輸幾乎沒(méi)有影響，因此可在各種環(huán)境下可靠地工作。隨著單片微波集成電路技術(shù)的發(fā)展，毫米波雷達(dá)的價(jià)格和外型尺寸都有很大的下降。因此，近年來(lái)國(guó)外一些公司對(duì)毫米波雷達(dá)在智能車上的應(yīng)用表現(xiàn)出了極大的興趣。像日本豐田公司使用毫米波雷達(dá)和機(jī)器視覺(jué)共同探測(cè)前方障礙物。該系統(tǒng)中毫米波雷達(dá)用于探測(cè)障礙物的距離和相對(duì)速度，CCD攝像頭實(shí)現(xiàn)車道線識(shí)別和車道上前行車輛的檢測(cè)，同時(shí)完成對(duì)雷達(dá)方向的控制。三菱汽車ASV-2所安裝的傳感器系統(tǒng)包括前后視覺(jué)攝像機(jī)，能探測(cè)前方車輛的距離和相對(duì)速度的微波雷達(dá)，具有高分析能力的激光雷達(dá)以及其他檢測(cè)道路環(huán)境的傳感器^［7］。毫米波雷達(dá)的不足是進(jìn)行目標(biāo)識(shí)別時(shí)，一般不能識(shí)別出正在轉(zhuǎn)彎與正在換道的車輛。

2.2.3 激光雷達(dá)

與機(jī)器視覺(jué)相比，激光雷達(dá)能解決圖像模糊問(wèn)題，通過(guò)激光雷達(dá)技術(shù)可以跟蹤目標(biāo)，獲得周圍環(huán)境的深度信息；再者激光雷達(dá)方向性好、波束窄、無(wú)電磁干擾、獲得距離及位置探測(cè)精度高，因此它廣泛應(yīng)用于障礙物檢測(cè)、環(huán)境三維信息的獲取、車距保持、車輛避障中。

由于光學(xué)系統(tǒng)的脆弱性，激光雷達(dá)在智能車輛系統(tǒng)的應(yīng)用受到了限制，但是從激光雷達(dá)所得的測(cè)距圖像中可以直接獲取環(huán)境的三維信息，因此激光距離成像的研究受到重視。被廣泛的應(yīng)用于機(jī)器人領(lǐng)域，而且已被應(yīng)用到智能車輛領(lǐng)域，例如文獻(xiàn)［8，9］均用激光雷達(dá)實(shí)現(xiàn)障礙物的檢測(cè)，再如日本馬自達(dá)公司研制的行人避撞系統(tǒng)將激光雷達(dá)安裝于汽車前部，利用發(fā)射垂直的激光帶來(lái)實(shí)現(xiàn)路上行人的檢測(cè)，根據(jù)行人衣服顏色和布料的不同，該系統(tǒng)的探測(cè)距離范圍是35~60 m，還能檢測(cè)到直道和彎道上行人，能夠計(jì)算出本車與行人的距離以及行人的行走方向。德國(guó)大眾汽車公司研制的“特定車道障礙物預(yù)警系統(tǒng)^［1］”利用多光束激光測(cè)距傳感器掃描汽車前部至障礙物的距離，同時(shí)，利用一種影像處理系統(tǒng)監(jiān)視前方道路。該系統(tǒng)能夠識(shí)別本車道及相鄰車道上的車輛及障礙物，并能根據(jù)相應(yīng)的多光束測(cè)距雷達(dá)測(cè)得的距離及其相對(duì)變化得到接近車輛的行駛速度。

2.2.4 電波雷達(dá)

電波雷達(dá)兼有超聲波傳感器的波動(dòng)特征和激光雷達(dá)的快速傳輸特性，并且與激光雷達(dá)一樣，與障礙物之間的距離可以用反射時(shí)間進(jìn)行計(jì)算。由于電波雷達(dá)的波長(zhǎng)約幾毫米左右，因此不容易受到霧等反射的影響。另外，它不以空氣作為傳播媒體，所以不太受風(fēng)的影響，這一點(diǎn)比激光雷達(dá)和超聲波傳感器都優(yōu)越。再者，利用從反射接收波和發(fā)送波之間的頻率差能直接測(cè)定相對(duì)速度，這是電波雷達(dá)的一個(gè)很大優(yōu)點(diǎn)。因?yàn)闃?shù)脂等難以反射電波，所以電波雷達(dá)對(duì)由樹(shù)脂等構(gòu)成的對(duì)象物不能檢測(cè)，這也是電波雷達(dá)的缺點(diǎn)。但由于電波雷達(dá)抗環(huán)境性好，距離信息和相對(duì)速度信息能同時(shí)測(cè)出，結(jié)合上述優(yōu)點(diǎn)，價(jià)格低廉的電波雷達(dá)傳感器的開(kāi)發(fā)對(duì)智能車輛系統(tǒng)的研究有著重要的意義。

2.3 超聲波傳感器

超聲波傳感器的數(shù)據(jù)處理簡(jiǎn)單、快速，主要用于近距離障礙物檢測(cè)，一般能檢測(cè)到的距離大約為1~5 m，但檢測(cè)不出來(lái)詳細(xì)的位置信息。超聲波停車裝置^［10］已經(jīng)在歐洲銷售的BMW車上使用，這種系統(tǒng)利用一片單片機(jī)進(jìn)行控制，在車的前、后保險(xiǎn)杠上安裝上超聲波傳感器，前部傳感器的探測(cè)距離為0.6 m，后面的探測(cè)距離達(dá)到1.5 m，當(dāng)?shù)管囘M(jìn)入要停放的位置時(shí)，在后面的汽車約1.5 m時(shí)，停車裝置將會(huì)發(fā)出連續(xù)而緩慢的警告聲，倒車越接近停放的車輛，警告聲就越急促，當(dāng)距離為幾厘米時(shí)，警告聲變?yōu)槌练€(wěn)，此時(shí)向前開(kāi)車時(shí)警告聲會(huì)變得急促。

2.4 紅外線傳感器

紅外線傳感器的情況與超聲波傳感器相仿，只是紅外傳感器不受黑暗、風(fēng)、沙、雨、雪、霧的阻擋，因此它的環(huán)境適應(yīng)性好，且功耗低，與超聲波傳感器相比，其探測(cè)視角小，方向性和測(cè)量精度有所提高。紅外線傳感器可以增強(qiáng)機(jī)器視覺(jué)識(shí)別的可靠性，因此常被用于智能汽車中的夜視系統(tǒng)中，美國(guó)通用汽車公司利用紅外技術(shù)相繼研制成了供汽車司機(jī)在夜間行駛用的第一代和第二代夜視系統(tǒng)，系統(tǒng)中的紅外傳感器通過(guò)感知及記錄物體間溫度的差別進(jìn)行區(qū)分物體，該夜視系統(tǒng)的顯示屏幕的亮度可調(diào)，所研制的第二代夜視系統(tǒng)為彩色顯示。美國(guó)美洲虎公司同樣利用紅外技術(shù)實(shí)現(xiàn)了夜視系統(tǒng)的研制。

3 多傳感器信息融合的應(yīng)用現(xiàn)狀

為了克服傳感器的數(shù)據(jù)可靠性低、有效探測(cè)范圍小等局限性，保證在任何時(shí)刻都能為車輛運(yùn)行提供完全可靠的環(huán)境信息，在智能車輛的研究中使用多個(gè)傳感器進(jìn)行數(shù)據(jù)采集，利用傳感器信息融合技術(shù)對(duì)檢測(cè)到的數(shù)據(jù)進(jìn)行分析、綜合、平衡，根據(jù)各個(gè)傳感器信息在時(shí)間或空間的冗余或互補(bǔ)特性進(jìn)行容錯(cuò)處理，擴(kuò)大系統(tǒng)的時(shí)頻覆蓋范圍，增加信息維數(shù)，避免單個(gè)傳感器的工作盲區(qū)，從而得到所需要的環(huán)境信息。因此，隨著智能車的研究和應(yīng)用領(lǐng)域逐步地深入和多樣化，傳感器信息融合技術(shù)在智能車輛技術(shù)的研究領(lǐng)域應(yīng)用倍受歡迎。近年來(lái)，智能車輛技術(shù)研究中多傳感器信息融合技術(shù)的應(yīng)用取得了許多令人振奮的成果，如美國(guó)卡內(nèi)基·梅隆大學(xué)機(jī)器人研究所研制的Navlab-II智能車，它利用激光雷達(dá)和視覺(jué)傳感器進(jìn)行道路、車輛、行人等目標(biāo)的檢測(cè)^［11］。德國(guó)Braunschweig科技大學(xué)研制的智能車^［12］采用的傳感器系統(tǒng)由1個(gè)立體視覺(jué)傳感器、4個(gè)激光掃描器、1個(gè)雷達(dá)傳感器組成，這些傳感器的探測(cè)范圍在車輛前面有很大的重疊。立體視覺(jué)傳感器安裝在后視鏡后面，主要實(shí)現(xiàn)對(duì)中遠(yuǎn)距離障礙物探測(cè)和路徑識(shí)別功能；在前保險(xiǎn)杠上安裝有1個(gè)長(zhǎng)距離、小角度雷達(dá)傳感器；并在前保險(xiǎn)杠的左右兩端分別安裝1個(gè)激光掃描器，每個(gè)掃描器的覆蓋范圍為270°，它們對(duì)車輛正前方進(jìn)行掃描；在前后保險(xiǎn)杠的中間位置分別安裝1個(gè)激光掃描器，這個(gè)掃描器能夠發(fā)射出3個(gè)不同角度的激光束，因此比單激光束的傳感器具有更強(qiáng)的抗干擾能力，主要用于短、中、遠(yuǎn)的障礙物目標(biāo)探測(cè)。德國(guó)大眾公司最新研究的智能車輛系統(tǒng)裝有雷達(dá)、機(jī)器視覺(jué)，激光掃描等傳感器，利用傳感器之間的數(shù)據(jù)互補(bǔ)及冗余得到車輛所需要的可靠、穩(wěn)定的全方位信息。美國(guó)國(guó)防部最新研制的智能車輛Demo系列，目的是用于危險(xiǎn)地段的軍事偵察。Demo系列采用的關(guān)鍵技術(shù)有：感知系統(tǒng)、計(jì)算機(jī)處理器、導(dǎo)航系統(tǒng)、路徑規(guī)劃、車輛控制、立體視覺(jué)、地形理解以及傳感器等技術(shù)。Demo-III^［13］智能汽車采用了雷達(dá)與機(jī)器視覺(jué)融合技術(shù)用于障礙物的探測(cè)。該車中所用的立體視覺(jué)系統(tǒng)包括彩色攝像機(jī)、單色攝像機(jī)和紅外攝像機(jī)，并且裝有兩種雷達(dá)，一種是77 GHz的毫米雷達(dá)主要用于遠(yuǎn)距離障礙物的探測(cè)，其有效感應(yīng)距離可達(dá)128 m，角度范圍可達(dá)64°，另一種是可以發(fā)現(xiàn)隱藏在植物中障礙物的2 GHz的LADAR雷達(dá)。

與發(fā)達(dá)國(guó)家相比，我國(guó)對(duì)智能車輛技術(shù)領(lǐng)域的研究起步較晚，目前主要為一些高等院校和科研機(jī)構(gòu)，他們相繼開(kāi)展了對(duì)智能車輛的研究，并在智能車輛的視覺(jué)導(dǎo)航、多傳感器信息融合、路徑規(guī)劃與控制、自主駕駛等方面取得了一些積極的成果，例如清華大學(xué)的汽車安全與節(jié)能國(guó)家重點(diǎn)實(shí)驗(yàn)室研究的汽車主動(dòng)碰撞系統(tǒng)，該系統(tǒng)采用了激光雷達(dá)和毫米波雷達(dá)實(shí)現(xiàn)了對(duì)本車前方車輛的探測(cè)；吉林大學(xué)所研制的JUTIV-II試驗(yàn)車所使用的傳感器有CCD攝像機(jī)、三維激光測(cè)距儀、GPS定位系統(tǒng)等，它利用視覺(jué)信息和激光雷達(dá)信息融合技術(shù)實(shí)現(xiàn)路徑識(shí)別與跟蹤、前方車輛的探測(cè)與跟蹤、保持本車與前方車輛安全車距等功能；西安交通大學(xué)人工智能與機(jī)器人研究所的Spring robot智能汽車^［14］安裝了毫米波雷達(dá)、SICK激光雷達(dá)、GPS和攝像機(jī)等感知傳感器，所安裝的毫米波雷達(dá)工作范圍可達(dá)120 m，掃描角度為12°，掃描目標(biāo)最多可達(dá)20個(gè)，測(cè)量距離精度可達(dá)5%，速度精度可達(dá)1%，角度分辨率精度可達(dá)± 0.2°，實(shí)現(xiàn)動(dòng)態(tài)目標(biāo)的檢測(cè)，激光雷達(dá)掃描角度達(dá)到180°，角度分辨率為0.25°，距離分辨率為10 mm，實(shí)現(xiàn)前方靜止障礙物的檢測(cè)。該車可以實(shí)現(xiàn)手動(dòng)駕駛和自動(dòng)駕駛兩種方式，能夠?qū)崟r(shí)檢測(cè)道路、行人、車輛等障礙物。

4 發(fā)展方向

近年來(lái)，在環(huán)境感知模塊中CCD攝像機(jī)是最常用的傳感器。但是，由于障礙物本身的特征和光照條件的影響，在復(fù)雜的光照條件下，傳統(tǒng)的CCD攝像機(jī)不能滿足實(shí)際操作中系統(tǒng)對(duì)傳感器動(dòng)態(tài)范圍的要求。因此，傳統(tǒng)的基于機(jī)器視覺(jué)的障礙物檢測(cè)過(guò)程具有一定的局限性，為此，人們開(kāi)始研究不用任何輔助照明的前提下能夠全天候正常工作并具有大動(dòng)態(tài)范圍的攝像機(jī)并取得了一定的成功，例如由福特研究實(shí)驗(yàn)室和SENTECH聯(lián)合研制的低光(low-light)攝像機(jī)^［15］，它通過(guò)對(duì)Sony X-view陣列進(jìn)行特殊的設(shè)計(jì)，擴(kuò)大了攝像機(jī)的動(dòng)態(tài)范圍。近年來(lái)，研究者提出許多能在弱光照條件下正常工作的算法，使得傳統(tǒng)的基于機(jī)器視覺(jué)的障礙物檢測(cè)系統(tǒng)的性能得到很大的提高，同時(shí)，人們也致力于利用COMS傳感器動(dòng)態(tài)范圍大，魯棒性較高等優(yōu)點(diǎn)，提高攝像機(jī)的動(dòng)態(tài)范圍，降低傳感器數(shù)據(jù)采集時(shí)間和傳輸時(shí)間。

雖然低光攝像機(jī)已經(jīng)被應(yīng)用到許多研究中，但是它不能夠得到可見(jiàn)光譜之外的重要信息和檢測(cè)目標(biāo)的距離信息，相反地對(duì)光照和天氣狀況的改變不敏感的外線傳感器和雷達(dá)傳感器等卻可以，因此，基于紅外線傳感器、超聲波傳感器和雷達(dá)傳感器的智能車輛系統(tǒng)得到人們的關(guān)注，研究者逐步地將它們應(yīng)用到智能車輛環(huán)境感知模塊中。例如Dirk Linzmeir 和他的同事們利用行人的溫度比周圍環(huán)境的溫度要高很多的原理，將溫度傳感器用于行人的檢測(cè)。利用同樣的原理，Massimo Bertozzi， Alberto Broggi和A.Lasagni 利用紅外線傳感器進(jìn)行行人檢測(cè)^［15］。雖然紅外線傳感器、超聲波傳感器和雷達(dá)等受光照條件和天氣變化的影響不大，有著較強(qiáng)的抗環(huán)境變化的能力，但是當(dāng)有多輛車一起沿同方向行駛時(shí)，同種傳感器之間的干擾是個(gè)嚴(yán)重的問(wèn)題，并且他們的分辨率和精度都不能滿足智能車輛對(duì)傳感器性能的要求。

在智能車輛技術(shù)研究中，傳感器作為控制系統(tǒng)的信息源，是智能車輛控制系統(tǒng)的關(guān)鍵。在環(huán)境感知模塊中，所用傳感器的動(dòng)態(tài)范圍、對(duì)光的敏感性、空間分辨率、相互融合能力等性能在很大程度上影響到系統(tǒng)的性能。但是由于目前傳感器的局限性使其不能滿足研究和實(shí)際應(yīng)用的需要，因此研制高性能和高可靠性的智能傳感器將成為傳感器技術(shù)研究領(lǐng)域的一個(gè)發(fā)展方向。

傳感器的特性表明每種傳感器僅僅能得到特定的環(huán)境信息，因此單一的傳感器不能為系統(tǒng)提供足夠的廣泛的環(huán)境信息，為了克服單一傳感器的局限性，促進(jìn)智能車的深入研究，擴(kuò)大智能車的應(yīng)用領(lǐng)域，需要研制一種能夠有效地利用來(lái)自多種傳感器包括主動(dòng)傳感器和被動(dòng)傳感器信息的系統(tǒng)，多傳感器信息融合在解決這方面的問(wèn)題上有著巨大的潛力。目前多傳感器信息融合使用的方法主要有加權(quán)平均法、卡爾曼濾波法、貝葉斯估計(jì)法、統(tǒng)計(jì)決策理論方法、D-S 證據(jù)推理法、模糊邏輯法和人工神經(jīng)網(wǎng)絡(luò)方法等^［16］。

盡管傳感器融合技術(shù)在為智能車提供可靠的環(huán)境特征信息方面有很大的幫助，但是發(fā)展實(shí)際的多傳感器信息融合平臺(tái)需要處理一系列的問(wèn)題，包括一些傳感器融合的常規(guī)問(wèn)題和存在系統(tǒng)設(shè)計(jì)中的特殊問(wèn)題。多傳感器信息融合需要所用到的環(huán)境感知傳感器提供精確的環(huán)境信息，然而實(shí)際的應(yīng)用中所得到信息大多數(shù)都是不確定信息。因此，研究多傳感器信息融合的魯棒性對(duì)于整個(gè)融合過(guò)程是很重要的，合理的描述并解決各傳感器信號(hào)間的不確定性問(wèn)題將是多傳感器信息融合的一個(gè)發(fā)展方向。

多傳感器信息融合通過(guò)處理來(lái)自不同傳感器的冗余、互補(bǔ)的信息提高傳感器系統(tǒng)的能力。這些不同的傳感器共同工作，將不同傳感器的信號(hào)相互融合形成對(duì)同一個(gè)目標(biāo)的映射。例如考慮到單個(gè)傳感器的可靠性和置信度，利用聲學(xué)傳感器和視覺(jué)傳感器信息的互補(bǔ)性，將兩種傳感器共同用在障礙物的檢測(cè)和道路的識(shí)別中能夠獲得比單個(gè)傳感器更準(zhǔn)確的環(huán)境特征和信息。常用的環(huán)境感知傳感器有毫米波雷達(dá)、激光雷達(dá)和攝像機(jī)等。由于視覺(jué)技術(shù)具有不向外部環(huán)境發(fā)射信號(hào)、圖像信息豐富、價(jià)格低、角度和方向分辨率較高，能夠消除駕駛員的盲區(qū)等優(yōu)勢(shì)。因此，利用機(jī)器視覺(jué)的優(yōu)勢(shì)，結(jié)合由雷傳感器達(dá)或超聲波雷達(dá)傳感器或紅外線傳感器等獲取的距離信息實(shí)現(xiàn)對(duì)本車周圍環(huán)境的感知成為各國(guó)學(xué)者研究的熱點(diǎn)。由于各傳感器采集信號(hào)和輸出信號(hào)的方式不一樣，要合理的利用各傳感器的信息，就必須利用多傳感器信息融合技術(shù)，研究利用多傳感器信息融合技術(shù)獲得具有豐富、魯棒性及實(shí)時(shí)性高的信息，提出具有魯棒性高的融合算法將是傳感器信息融合技術(shù)的發(fā)展趨勢(shì)。

傳感器信息融合技術(shù)對(duì)智能車輛技術(shù)的發(fā)展有著巨大的潛力，自從傳感器信息融合技術(shù)應(yīng)用到智能車輛領(lǐng)域以來(lái)取得了一些令人矚目的成果，但是，目前人們對(duì)多傳感器信息融合方法的應(yīng)用研究還不深入，多數(shù)是基于規(guī)則的專家系統(tǒng)進(jìn)行信息融合，從而使多傳感器信息融合的優(yōu)勢(shì)沒(méi)有得到充分的發(fā)揮，因此，為了彌補(bǔ)單個(gè)傳感器的不足之處，尋找新的融合策略或提出新的傳感器融合方法，將是多傳感器信息融合的一個(gè)發(fā)展方向。

5 結(jié) 語(yǔ)

隨著傳感器、數(shù)據(jù)處理、人工智能以及計(jì)算機(jī)等技術(shù)的發(fā)展，對(duì)智能車輛技術(shù)的研究受到各國(guó)學(xué)者們關(guān)注，對(duì)其研究逐步地深入并且取得了令人鼓舞的成果。本文介紹了智能車常用的幾種環(huán)境感知傳感器的優(yōu)勢(shì)和不足之處，總結(jié)了智能車輛環(huán)境感知傳感器技術(shù)以及多傳感器信息融合技術(shù)在智能車輛技術(shù)中的應(yīng)用現(xiàn)狀及其發(fā)展趨勢(shì)。

參考文獻(xiàn)

［1］莊繼德.汽車電子控制系統(tǒng)工程［M］.北京:北京理工大學(xué)出版社，1998.

［2］Hofmann U，Rieder A，Dickmanns E D.EMS-Vision:Applicationto Hybrid Adaptive Cruise Control ［J］.Proceedings of the IEEE 2000 Dearborn (MI)，USA，2000:468-473.

［3］Massimo Bertozzi，Albert Broggi.Real-Time Lane and Obstacle Detection on the GOLD System ［J］.Proceedings of the IEEE Intelligent VehiclesSymposium，1996:213-218.

［4］徐有春，王榮本，李兵，等.世界智能車輛近況綜述［J］.汽車工程，2001，23(5):289-295.

［5］http://www.valeoraytheon.com/hazards.html，accessed Jan.2007.

［6］http://www.visteon.com/products/automotive/driverawareness.shtml，accessed Jan.2007.

［7］王榮本，李斌，儲(chǔ)江偉，等.世界智能車輛行駛安全保障技術(shù)的研究進(jìn)展［J］.公路交通科技，2002，19(2):117-121.

［8］Wu Shunxi，Yang Ming.Landmark Pair-based Localization for Intelligent Vehicles Using Laser Radar ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:209-214.

［9］Fadi Fayad，Véronique Cherfaoui.Tracking Objects Using a Laser Scanner in Driving Situation Based on Modeling Target Shape［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:44-49.

［10］Stefan Hoch，Manfred Schweigert.The BMW SURF Project:A Contribution to the Research on Cognitive Vehicles ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:692-697.

［11］Rosenblum M，Gothard B.A High Fidlity Multi-sensor Scene Unerstanding Systemfor Autonomous Navigation［J］.Proceedings of the IEEE Intelligent Vehicles Symposium，2000，10:637-6 431.

［12］Jan C Becker，Andreas Simon.Sensor and Navigation Data Fusion for an Autonomous Vehicle ［J］.Proceedings of the IEEE Intelligent Vehicles Symposium，2000，10:156-1 611.

［13］Bellutta P，Manduchil R.Terrain Perception for DEMO III ［J］.Proceedings of the IEEE Intelligent Vehicles Symposium 2000，2000 10:326-331.

［14］http://unit.x_jtu.edu.cn/iv-aiar/researchfruit₃.htm.

［15］Bishop R.A Survey of Intelligent Vehicle Application Worldwide ［J］.USA:Proceedings of the IEEE Intelligent Vehicles Symposium，Dearborn，USA，2000:25-301.

［16］［美］ Lawrence A Klein.多傳感器信息融合理論及應(yīng)用［M］.戴亞平，劉征，郁光輝，譯.北京:北京理工大學(xué)出版社，2004.

［17］Jyh-Yeong Chang，Chien-Wen Cho.Vision-Based Forward-Looking Traffic Scene Analysis Scheme ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:56-61.

［18］Guanglin Ma，Su-Birm Park，Alexander Ioffee，et al.A Real-time Object Detection Approach Applied to Reliable Pedestrian Detection ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:755-760.

［19］Yasuyuki Miyake，Kazuma Natsume，Koichi Hoshino.Road-Shape Recognition Using On-Vehicle Millimeter-wave Radar ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:75-80.

［20］Gunnarsson J，Svensson L，Danielsson L，et al.Tracking Vehicles Using Radar Detections ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:296-302.

［21］Roland Stahn1，Gerd Heiserich，Andreas Stopp.Laser Scanner-based Navigation for Commercial Vehicles ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:969-974.

［22］Nikos Floudas，Aris Polychronopoulos，Olivier Aycard，et al.High Level Sensor Data Fusion Approaches for Object Recognition In Road Environment ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:136-141.

［23］Tang-Hsien Chang，Chih-Sheng Hsu.Irregular Vehicle Behavior Warning Modules ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:150-1 155.

［24］Dirk Bank.Short Range Radar Signal Processing for LateralCollision Warning in Road Traffic Scenarios ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:111-116.

［25］Ulrich Kadow，Georg Schneider，Alejandro Vukotich.Radar-vision-Based Vehicle Recognition with Evolutionary Optimized and Boosted Features ［J］.Proceedings of the 2007 IEEE Intelligent Vehicles Symposium Istanbul，Turkey，2007:749-754.

作者簡(jiǎn)介 高德芝 女，1980年出生，山東省滕州人，博士研究生。主要從事機(jī)器視覺(jué)，圖像處理與多傳感器信息融合方面的研究。

段建民 男，1959年出生，北京工業(yè)大學(xué)電子信息與控制工程學(xué)院教授，博士研究生導(dǎo)師。

鄭榜貴 男，1972年出生，浙江江山人，博士研究生。主要從事機(jī)器視覺(jué)與智能檢測(cè)方面的研究。