摘要:高級(jí)輔助駕駛系統(tǒng)研究多專(zhuān)注于單一的、獨(dú)立的、高度特化的任務(wù)。盡管現(xiàn)有系統(tǒng)展現(xiàn)出良好的性能，但缺少對(duì)環(huán)境空間關(guān)系的表示能力?？臻g關(guān)系在更高抽象層次上進(jìn)行場(chǎng)景分析，以進(jìn)行復(fù)雜場(chǎng)景和情況的處理。本文提出一種基于任務(wù)的空間表示的生成方法，可以在特定任務(wù)下從環(huán)境中獲取相關(guān)信息。

關(guān)鍵詞:輔助駕駛;場(chǎng)景分析;環(huán)境表示

中圖分類(lèi)號(hào):TP18 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1674-7712 (2012) 12-0113-01

一、引言

高級(jí)輔助駕駛系統(tǒng)的設(shè)計(jì)主旨是基于明確定義的交通情況下對(duì)駕駛者提供支持，例如車(chē)距控制。其研究大多專(zhuān)注于獨(dú)立且高度特化的單一任務(wù)。雖然系統(tǒng)各個(gè)性能的評(píng)估結(jié)果都是良好的，但是任務(wù)或環(huán)境的變化將導(dǎo)致整個(gè)系統(tǒng)的重新設(shè)計(jì)。此外，所獲取的空間信息僅限于低層傳感器的數(shù)據(jù)，難以簡(jiǎn)單地與各種算法進(jìn)行整合。本文提出一種整合不同處理模塊結(jié)果的方法，該方法在較高抽象層次上利用空間信息以獲取適于特定任務(wù)的環(huán)境表示。

二、系統(tǒng)描述

完整的系統(tǒng)體系結(jié)構(gòu)包括以下四個(gè)部分:

(一)“What”方法

該方法用于分析視景中某區(qū)域的細(xì)節(jié)信息。

1.探測(cè)

首先利用注意原理得當(dāng)前視景的顯著圖，通過(guò)最小化復(fù)雜度的方式進(jìn)行視景分解。注意原理是大腦的一種基本信息預(yù)處理過(guò)程，可以對(duì)感知的環(huán)境進(jìn)行預(yù)先過(guò)濾以最小化其復(fù)雜度。注意原理包括以下兩個(gè)獨(dú)立的驅(qū)動(dòng)方式。自上而下注意原則是基于任務(wù)的特定物體的搜索。自下而上則用于搜索非特定物體，以探測(cè)視景中潛在的危險(xiǎn)[1]。

2.分類(lèi)

利用基于區(qū)域生長(zhǎng)的圖像分割算法計(jì)算顯著圖的最大值以獲取關(guān)注焦點(diǎn)。通過(guò)計(jì)算關(guān)注焦點(diǎn)，圖像中一部分限定區(qū)域中的物體經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)分類(lèi)器被歸類(lèi)。不同的是，交通標(biāo)識(shí)單獨(dú)使用一組弱分類(lèi)器進(jìn)行分類(lèi)，通過(guò)對(duì)關(guān)注焦點(diǎn)的計(jì)算，獲得其屬于某一交通標(biāo)識(shí)類(lèi)型的概率[2]。

3.信息融合

信息融合過(guò)程可以提高各模塊的執(zhí)行能力。例如通過(guò)與數(shù)字地圖進(jìn)行信息融合，可以提高識(shí)別交通標(biāo)識(shí)的確定性。數(shù)字地圖也稱(chēng)作電子視界，提供了基于當(dāng)前位置和方向的經(jīng)裁剪的地圖，包括當(dāng)前環(huán)境中的靜態(tài)物體和道路信息。通過(guò)將弱分類(lèi)器的結(jié)果與電子視界進(jìn)行比對(duì)可以提高其分類(lèi)信任度。此外，數(shù)字地圖還可用于在視景中搜索特定物體。

4.長(zhǎng)時(shí)存儲(chǔ)

長(zhǎng)時(shí)存儲(chǔ)用于存儲(chǔ)各種對(duì)象類(lèi)型的屬性。基于這些數(shù)據(jù)，可以進(jìn)行自上而下視覺(jué)注意的計(jì)算，因此使得動(dòng)態(tài)搜索所有可能的物體類(lèi)型成為可能?？梢允褂密?chē)輛、指示牌和交通標(biāo)識(shí)等作為長(zhǎng)時(shí)存儲(chǔ)的內(nèi)容。

(二)靜態(tài)特定領(lǐng)域任務(wù)

該模塊用以提供道路的相關(guān)信息。

1.標(biāo)記路徑探測(cè)

標(biāo)記路徑探測(cè)是基于哈夫變換的，其輸入源于注意系統(tǒng)。此時(shí)的自上而下注意突顯了黑暗背景下黃色和白色結(jié)構(gòu)。黃色結(jié)構(gòu)又強(qiáng)于白色有助于施工現(xiàn)場(chǎng)路徑標(biāo)識(shí)的處理。經(jīng)過(guò)過(guò)濾的視景在進(jìn)行哈夫變換前首先需要轉(zhuǎn)換為俯視圖，而且視景中道路的寬度及位置需要預(yù)先設(shè)定。

2.無(wú)標(biāo)記路徑探測(cè)

無(wú)標(biāo)記路徑探測(cè)通過(guò)評(píng)估車(chē)輛前方訓(xùn)練區(qū)域的街道和非街道區(qū)來(lái)探測(cè)行駛道路。區(qū)域生長(zhǎng)算法以測(cè)試區(qū)域?yàn)槠瘘c(diǎn)，能夠確保清晰分辨公路和人行道。通過(guò)對(duì)比訓(xùn)練區(qū)域的街道和非街道的特征，算法產(chǎn)生一個(gè)閾值用以進(jìn)行動(dòng)態(tài)自適應(yīng)調(diào)整。

3.數(shù)字地圖

大部分相關(guān)研究所使用的數(shù)字地圖都是經(jīng)過(guò)處理的地圖數(shù)據(jù)，僅著重某一特定功能。而這里使用的數(shù)字地圖是由電子視界提供的分辨率為0.1米的空間地圖數(shù)據(jù)，可以展示前方的行駛環(huán)境，包括精確的GPS定位、路徑的形狀和方向、交通十字路口、交通標(biāo)識(shí)和交通信號(hào)燈等。數(shù)字地圖數(shù)據(jù)還可以作為實(shí)際傳感器數(shù)據(jù)直接使用。數(shù)字地圖不僅限于單一功能，是基于任務(wù)的表示生成中多種任務(wù)的基礎(chǔ)。

4.視景分類(lèi)

需要明確當(dāng)前視景的情境，例如城市、鄉(xiāng)村道路、高速公路等，來(lái)選擇不同的操縱模式。否則將無(wú)法設(shè)定處理模塊的參數(shù)，也無(wú)法設(shè)定當(dāng)前環(huán)境下的駕駛規(guī)則等。視景分類(lèi)僅需要使用一張圖片，首先將其分割為16部分，并各自轉(zhuǎn)換為頻域，然后通過(guò)一組高斯濾鏡取樣得到平均功率譜，并運(yùn)用層次主成分分類(lèi)器進(jìn)行分類(lèi)。

(三)環(huán)境交互

系統(tǒng)需要能夠進(jìn)行環(huán)境交互的接口以輔助駕駛者。例如，通過(guò)測(cè)算障礙物的距離和相應(yīng)速度并需要緊急制動(dòng)的情況下，調(diào)用危險(xiǎn)處理機(jī)制。

(四)“Where”方法

該方法用于定位和追蹤較小數(shù)目的物體。

1.短時(shí)存儲(chǔ)

短時(shí)存儲(chǔ)包括多個(gè)不同的層次用以存儲(chǔ)不同的對(duì)象類(lèi)型。這樣，由于更新和融合過(guò)程只需要處理同一類(lèi)型的元素而被大大簡(jiǎn)化。此外，每一層元素都以米為單位標(biāo)識(shí)，因此不需要描述各元素的高度，不同的類(lèi)型就粗略反映了其高度。每次圖像刷新后，根據(jù)車(chē)輛的不規(guī)則行進(jìn)，每層的各個(gè)元素基于卡爾曼濾波預(yù)測(cè)進(jìn)行移動(dòng)和旋轉(zhuǎn)。

2.對(duì)象融合

下面需要將新探測(cè)到的對(duì)象與已知對(duì)象進(jìn)行融合。根據(jù)新探測(cè)對(duì)象的類(lèi)型選擇不同的層次，例如交通標(biāo)識(shí)層或者物體層。基于新探測(cè)物體的位置和大小，搜索短時(shí)存儲(chǔ)中相應(yīng)層某一半徑范圍，如果該范圍內(nèi)無(wú)其它對(duì)象，那么該層只需更新新探測(cè)到的對(duì)象。否則，需要將搜索到的對(duì)象與新探測(cè)對(duì)象進(jìn)行比較，如果相似度超過(guò)閾值，則對(duì)象的新位置將被存儲(chǔ)于短時(shí)存儲(chǔ)的相應(yīng)層。

3.對(duì)象追蹤

所有對(duì)象的探測(cè)都是基于直角坐標(biāo)系的。結(jié)合車(chē)輛不規(guī)則運(yùn)動(dòng)以及已探知對(duì)象，經(jīng)過(guò)卡爾曼濾波預(yù)測(cè)，二維探測(cè)器從三維信息中獲得其錨點(diǎn)[3]。通過(guò)比較當(dāng)前三維位置與探測(cè)對(duì)象的位置可以獲得探測(cè)對(duì)象的類(lèi)型。如果探測(cè)器在當(dāng)前幀重復(fù)探測(cè)到某對(duì)象，則更新三維信息。如果探測(cè)器丟失某對(duì)象，系統(tǒng)將中斷當(dāng)前處理，搜索短時(shí)存儲(chǔ)中后續(xù)的幀。

4.基于任務(wù)的表示的生成

無(wú)標(biāo)記路徑層、標(biāo)記路徑層和電子視界層整合為第一層，由于是基于冗余數(shù)據(jù)的，可以有多種整合模式。例如，如果電子視界數(shù)據(jù)簡(jiǎn)化為二維矩陣，無(wú)標(biāo)記路徑層和電子視界層的整合就是簡(jiǎn)單的乘法運(yùn)算以確定行駛路線。而第二、三層的整合是基于當(dāng)前任務(wù)的。假設(shè)當(dāng)前任務(wù)為尋找合適的停車(chē)位。那么第一層需要與交通標(biāo)識(shí)層進(jìn)行整合，并只需要保留相關(guān)的交通標(biāo)識(shí)，其結(jié)果是行駛路徑中的基于停車(chē)標(biāo)識(shí)的位置。最后與物體層進(jìn)行整合，物體層僅需保留行駛路徑中的物體，首先需比較物體與停車(chē)線的距離，如果物體較近，那么停車(chē)線轉(zhuǎn)換為該物體的位置。整合結(jié)果為當(dāng)前形式路徑中最近的停車(chē)位置的空間信息。

參考文獻(xiàn):

[1]尹立蘋(píng)，于德敏，王永強(qiáng)，許增樸.二值圖像中多目標(biāo)區(qū)域的標(biāo)號(hào)和幾何特征提取[J].計(jì)量與測(cè)試技術(shù)，2006，3

[2]陳限.基于視頻的交通參數(shù)采集系統(tǒng)的研究與實(shí)現(xiàn)[D].西安:西北大學(xué)，2005

[3]張娟.靜態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)的快速檢測(cè)與跟蹤技術(shù)[D].鄭州大學(xué)，2010