鄺沛江 康 磊 莊衍豎

華南理工大學(xué)電子與信息學(xué)院

在基于視覺感知的汽車安全智能預(yù)警系統(tǒng)中，針對(duì)障礙物搜索的策略問題，提出了一種可以減少搜索量，增加實(shí)時(shí)性的方法，完成道路上障礙物的初步篩選的任務(wù)，進(jìn)而指導(dǎo)車輛在道路上安全行駛。

引言

安全駕駛在如今高速發(fā)展的社會(huì)是一個(gè)逐漸被強(qiáng)調(diào)和關(guān)注的問題。隨著各國(guó)車輛的數(shù)目迅猛增加，每天幾乎都能聽到關(guān)于交通事故的新聞。這現(xiàn)狀引起了人們對(duì)汽車安全輔助駕駛技術(shù)給予了空前的重視。輔助駕駛是智能交通研究領(lǐng)域的一個(gè)舉足輕重的組成部分，是一項(xiàng)融合了車輛工程、人工智能、計(jì)算機(jī)視覺等多學(xué)科領(lǐng)域理論的技術(shù)，是未來車輛的發(fā)展趨勢(shì)。

本文針對(duì)基于視覺感知的車載攝像頭安全智能駕駛系統(tǒng)中的障礙物搜索策略問題，提出一種減少搜索量，增加實(shí)時(shí)性的方法。通過先驗(yàn)知識(shí)，只對(duì)具有潛在危險(xiǎn)的區(qū)域進(jìn)行障礙物的搜索，能夠大幅度的減少搜索量，提高實(shí)時(shí)性。

為了引出本文所研究的降低搜索量的問題，本文的第二節(jié)將對(duì)整個(gè)障礙物檢測(cè)系統(tǒng)作一個(gè)簡(jiǎn)單的介紹，而在第三節(jié)將給出本文提出的降低障礙物搜索量的方法。

圖1 處理流程圖

障礙物檢測(cè)的框架簡(jiǎn)介

本文使用前視攝像頭，攝像頭放置于汽車駕駛位置上方的后視鏡處，實(shí)時(shí)拍攝道路前方的圖像，將攝像頭拍攝所得的圖像進(jìn)行分析，對(duì)路面上的障礙物進(jìn)行框定。本文對(duì)圖像的處理流程圖如圖1 所示，對(duì)路面上的障礙物進(jìn)行框定的效果圖如2 所示。

在圖1 的檢測(cè)子程序中，如果需要對(duì)一整幅圖像進(jìn)行障礙物的檢測(cè)，搜索量將是整幅圖像的大小。如今一般的攝像頭的分辨率較高，大約為848×480 左右。因此，整幅圖像進(jìn)行搜索是一個(gè)很大的搜索量。鑒于此，本文提出降低搜索量的方法，在第三節(jié)給出。

危險(xiǎn)區(qū)域的建立

本文著重對(duì)障礙物檢測(cè)算法中的搜索量的降低進(jìn)行研究。

圖2 障礙物框定效果圖

圖3 車載攝像頭采集的路面狀況

圖4 直接構(gòu)成危險(xiǎn)的車輛出現(xiàn)的區(qū)域

如圖3 所示，從車載攝像頭采集得到的路面狀況圖像中可以發(fā)現(xiàn)，障礙物（主要是車輛）主要出現(xiàn)在圖像的下半部分，而上半部分主要由天空，樹木等背景構(gòu)成。而在行駛過程中對(duì)宿主車輛構(gòu)成直接危險(xiǎn)的車輛則主要出現(xiàn)在圖像的左下角，右下角，以及正前方這三個(gè)位置，如圖4所示。

紅色框表示離散的危險(xiǎn)區(qū)域，綠色框表示綜合的危險(xiǎn)區(qū)域。

通過對(duì)車載攝像頭采集到的路面狀況圖像的分析，獲知車輛更有可能出現(xiàn)的區(qū)域，即對(duì)問題的先驗(yàn)知識(shí)。本文通過此先驗(yàn)知識(shí)，對(duì)每個(gè)視頻幀動(dòng)態(tài)刻畫如圖4 中的綠色框所示的區(qū)域，只針對(duì)綠色框內(nèi)的圖像內(nèi)容進(jìn)行搜索。從圖2 中可以看出，綠色框內(nèi)的圖像大小占原圖像大小的約為1/2～1/3。又因?yàn)槿缃窳餍械恼系K物檢測(cè)算法，如車底陰影，Haar特征法等，都與搜索區(qū)域的大小成線性關(guān)系，甚至更高階的比例關(guān)系。因此，采用本文提出的障礙物搜索策略，利用先驗(yàn)知識(shí)，只對(duì)車輛可能出現(xiàn)的位置進(jìn)行障礙物檢測(cè)，將至少能減低1/2～1/3 的搜索量，大幅提高實(shí)時(shí)性。

結(jié)束語

本文研究利用智能信息處理理論處理道路路況障礙物檢測(cè)的問題，目的在于降低檢測(cè)方法中檢測(cè)障礙物的搜索量，達(dá)到提高實(shí)時(shí)性的目標(biāo)。從而為實(shí)現(xiàn)輔助駕駛員駕駛的智能行車系統(tǒng)提供可能。