文/北京市海淀實驗中學(xué)高三五班 王一名

1 背景概述

自動駕駛不僅可以避免因司機(jī)酗酒或疲勞引起的交通事故，而且基于自動駕駛的快速反應(yīng)能力及時刻在線的監(jiān)控系統(tǒng)，還能緩解交通壓力，使得公共道路交通資源得到更有效地分配。

目前自動駕駛被分為五個等級：1級，輔助駕駛，通過駕駛環(huán)境對方向盤和加減速中的一項操作提供駕駛支持，其他的駕駛動作都由人類駕駛員進(jìn)行操作；2級，半自動駕駛，通過駕駛環(huán)境對方向盤和加減速中的多項操作提供駕駛支持，其他的駕駛動作都由人類駕駛員進(jìn)行操作；3級，高度自動駕駛，或者稱有條件自動駕駛，由自動駕駛系統(tǒng)完成所有的駕駛操作，根據(jù)系統(tǒng)要求，人類駕駛者需要在適當(dāng)?shù)臅r候提供應(yīng)答；4級，超高度自動駕駛，由自動駕駛系統(tǒng)完成所有的駕駛操作，根據(jù)系統(tǒng)要求，人類駕駛者不需要對所有的系統(tǒng)請求做出應(yīng)答，包括限定道路和環(huán)境條件等；5級，全自動駕駛，在所有人類駕駛者可以應(yīng)付的道路和環(huán)境條件下，均可以由自動駕駛系統(tǒng)自主完成所有的駕駛操作。

目前，國內(nèi)已有多家廠商投入自動駕駛的研究。京東已開始使用自動駕駛送貨機(jī)器人進(jìn)行快遞的配送。百度在7月4日的開發(fā)者大會上宣布其量產(chǎn)自動駕駛巴士阿波羅龍已達(dá)到L4級，且其對外開放了自動駕駛平臺apollo用于幫助汽車行業(yè)及自動駕駛領(lǐng)域研究者搭建自動駕駛系統(tǒng)。Google旗下的自動駕駛公司W(wǎng)aymo預(yù)計在今年實現(xiàn)自動駕駛商用。

2 用于自動駕駛的計算機(jī)視覺技術(shù)

自動駕駛系統(tǒng)是一個集合多種學(xué)科技術(shù)的復(fù)雜系統(tǒng)。通常來說自動駕駛大體上可以分為三個模塊：（1）運動控制模塊，此模塊用于控制汽車的速度、轉(zhuǎn)向、剎車燈行為；（2）行為決策模塊，該模塊用于根據(jù)汽車所處的環(huán)境決策出汽車下一步需要采取的運動方式，該模塊需要依賴GPS系統(tǒng)及計算機(jī)視覺系統(tǒng)，GPS系統(tǒng)用于對汽車運動的路徑做全局規(guī)劃，而計算機(jī)視覺系統(tǒng)則主要根據(jù)路況實時調(diào)整汽車行駛策略；（3）環(huán)境感知模塊，該模塊用于感知周圍的環(huán)境尤其是車輛、行人、路障等對汽車行駛有影響的環(huán)境信息，該模塊主要通過激光雷達(dá)、毫米波測距雷達(dá)、超聲波傳感器等精密儀器對車輛周圍物體進(jìn)行感知，同時，計算機(jī)視覺系統(tǒng)也會在該模塊中起到輔助定位的作用。

圖1 YOLO的網(wǎng)絡(luò)結(jié)構(gòu)圖

圖2 YOLO圖像分解示意圖

可以看到，計算機(jī)視覺技術(shù)在自動駕駛系統(tǒng)中承擔(dān)著十分重要的任務(wù)。本章將對自動駕駛中的計算機(jī)視覺技術(shù)做簡要介紹。

2.1 用于行為決策的計算機(jī)視覺技術(shù)

在自動駕駛中，車輛需要根據(jù)交通標(biāo)志、道路地標(biāo)、前后車轉(zhuǎn)向燈等信息制定下一步的行駛策略。而識別這些交通信息需要首先使用目標(biāo)檢測對目標(biāo)進(jìn)行定位。

由于車輛在行駛時通常速度較快，因此自動駕駛對于系統(tǒng)反應(yīng)速度要求極高。目前已有多種達(dá)到實時速度的目標(biāo)檢測算法，而這些目標(biāo)檢測算法多采用了回歸方法，下面以YOLO（圖1）為例，介紹采用回歸方法的目標(biāo)檢測算法。圖1為YOLO的網(wǎng)絡(luò)結(jié)構(gòu)圖。

該方法與基于候選框推薦方法的最大區(qū)別為該方法在輸出層直接將候選框位置和候選框內(nèi)目標(biāo)類別進(jìn)行回歸。而候選框推薦方法，如faster rcnn（圖2），采用先使用一個區(qū)域推薦網(wǎng)絡(luò)確定目標(biāo)位置再對候選框內(nèi)目標(biāo)進(jìn)行識別并微調(diào)候選框位置的方法。

YOLO將一張圖像分解為S*S個網(wǎng)格，每個網(wǎng)絡(luò)負(fù)責(zé)預(yù)測中心落在該網(wǎng)格的目標(biāo)的位置和類別，如圖2所示。

圖2中，每個網(wǎng)格均需要對目標(biāo)候選框位置、候選框含有目標(biāo)物體的置信度、候選框內(nèi)目標(biāo)的類別及該候選框預(yù)測的準(zhǔn)確度進(jìn)行預(yù)測。其中目標(biāo)候選框位置會給出B個預(yù)測值，每個預(yù)測值為一個包含四個元素的向量（x,y,w,h）。其中，（x,y）分別為目標(biāo)候選框左上角點的橫縱坐標(biāo)，（w,h）分別為目標(biāo)候選框的寬度和高度。候選框還有目標(biāo)物體的置信度為一個0到1之間的值。此外，模型會對候選框內(nèi)的目標(biāo)進(jìn)行類別預(yù)測，若存在C個類別，則給出C個對應(yīng)類別的置信度。候選框預(yù)測的準(zhǔn)確度計算公式為：

其中，Pr(Object)為目標(biāo)中心落在該網(wǎng)格內(nèi)的情況，若目標(biāo)落中心在該網(wǎng)格內(nèi)則其值為1，否則為0。第二項則為預(yù)測候選框和真實物體框的IOU值，圖3為IOU示例。

IOU計算方式為：

每個網(wǎng)格輸出一個S*S*(5*B+C)的向量作為該網(wǎng)格的預(yù)測值。

訓(xùn)練YOLO時，損失層使用的損失函數(shù)為：

圖4 自動駕駛決策流程示例圖

圖5 多特征行人軌跡預(yù)測流程示意圖

該損失函數(shù)每項都含有I，使得只有當(dāng)存在目標(biāo)中心落在網(wǎng)格內(nèi)時才會產(chǎn)生誤差損失，并且每個格子僅對中心落在其內(nèi)的目標(biāo)產(chǎn)生損失。

而由于在目標(biāo)檢測時，大部分網(wǎng)格內(nèi)不含目標(biāo)的中心點，如果對每個網(wǎng)格預(yù)測值取相同權(quán)重則容易過擬合，因此對于沒有目標(biāo)的網(wǎng)格其權(quán)重設(shè)置為一個小于1的值，而有目標(biāo)的網(wǎng)格其權(quán)重設(shè)置為1。同時，由于候選框位置預(yù)測結(jié)果的向量維度通常小于類別數(shù)目，若兩者權(quán)重一致也不合理，因此在位置預(yù)測損失項前加入權(quán)重一個大于1的值，而類別預(yù)測損失項權(quán)重為1。當(dāng)類別預(yù)測數(shù)量小于位置預(yù)測結(jié)果維度時，的值應(yīng)調(diào)整為小于1。

在檢測到目標(biāo)后仍可使用計算機(jī)視覺技術(shù)對交通信息進(jìn)行識別，例如對于紅綠燈信號信息可直接通過RGB值進(jìn)行判斷，對于道路交通標(biāo)志牌或道路地標(biāo)可使用模板匹配或目標(biāo)識別算法（圖4）對其內(nèi)容進(jìn)行識別，而對于道路車道線可使用Candy邊緣檢測等方法進(jìn)行檢測。

計算機(jī)視覺技術(shù)用于自動駕駛決策流程示例圖如圖4所示。

2.2用于環(huán)境感知的計算機(jī)視覺技術(shù)

目前環(huán)境感知工作主要由激光雷達(dá)、毫米波測距雷達(dá)等精密儀器完成，但是仍需要計算機(jī)視覺技術(shù)在環(huán)境感知中發(fā)揮輔助作用。

在自動駕駛系統(tǒng)中，通常使用激光雷達(dá)測量遠(yuǎn)距離物體距離，使用毫米波雷達(dá)測量近距離物體距離。但是使用雷達(dá)進(jìn)行測距受天氣影響極大，在大雨、濃霧、濃煙等環(huán)境中激光傳播距離急劇衰減，例如，在晴天時CO2激光雷達(dá)作用距離可達(dá)10至20千米，而在壞天氣時，其作用距離會降至1千米以內(nèi)。以高清視頻圖像為基礎(chǔ)的目標(biāo)檢測雖然也會受到惡劣天氣的影響，但相較激光雷達(dá)而言其所受影響較小，仍可對遠(yuǎn)距離物體進(jìn)行一定程度的識別。

另一方面，對于行人這樣的小目標(biāo)，Stixel（sticks abovethe ground in the image，棒狀像素）是目前效率最高的行人檢測方法，它是2008年由奔馳和法蘭克福大學(xué)Hern’an Badino教授推出的一種快速實時檢測障礙物的方法，其每秒檢測幀數(shù)可達(dá)到100幀以上。此外Stixel還可用于生成可行駛區(qū)域。

3 計算機(jī)視覺技術(shù)在自動駕駛中的發(fā)展

目前自動駕駛中面臨著小目標(biāo)、強遮擋、高動態(tài)三大難題。而自動駕駛環(huán)境中的行人同時具備了這三種特征。因此，行人檢測是自動駕駛需要重點解決的問題。

行人相較車輛最大的特點就是其運動方向難以預(yù)測，如果自動駕駛車輛檢測到行人就剎車等待行人通過，在人流量較大的路口將難以前進(jìn)；而若自動駕駛車輛在判定安全可通行時，行人突然加速或變向則很可能發(fā)生交通事故。因此僅僅根據(jù)行人是否靜止及行人當(dāng)前的運動速度判斷行人接下來的運動軌跡是無法保證行車安全的。

由于行人的運動模式具有復(fù)雜性，因此在對行人進(jìn)行運動軌跡預(yù)測時需要考慮多特征多模態(tài)。預(yù)測行人運動軌跡時，首先要解決的問題就是行人的行為分析，即分析行人接下來準(zhǔn)備采取的行動。例如，一個行人站在路旁，有可能是在等待合適的通行時機(jī)穿過街道，也可能是單純的在等待某人。此時如果能根據(jù)一些特征，如行人是否在留意往來車輛，識別出該行人的行為，就能輔助自動駕駛汽車做出正確的行為決策。又如，一個行人正在橫穿馬路，如果其注意到了來往的車輛，其突然加速或變向的可能性就會很小，而若其未注意來往車輛，則此時自動駕駛汽車應(yīng)注意對此人進(jìn)行避讓，防止其突然加速或變向。使用計算機(jī)視覺技術(shù)，對行人進(jìn)行行為分析，有助于自動駕駛系統(tǒng)做出更正確的決策。

同時，多種傳感器會傳回多種模態(tài)的數(shù)據(jù)，利用這些數(shù)據(jù)可以提取到行人的多種特征包括行人朝向、位置、行為、前進(jìn)速度、前進(jìn)途徑是否有障礙等。在預(yù)測行人運動軌跡時，需要將這些來自不同傳感器的多種特征結(jié)合起來，進(jìn)行綜合分析。圖5為使用多特征進(jìn)行行人軌跡預(yù)測的流程示意圖。

4 總結(jié)

隨著人工智能技術(shù)及精密儀器的發(fā)展，自動駕駛技術(shù)已取得了一定的成果，但是由于真實駕駛環(huán)境的復(fù)雜性，自動駕駛?cè)悦媾R著如小目標(biāo)難檢測、被遮擋目標(biāo)難識別、高動態(tài)目標(biāo)難預(yù)測等問題。計算機(jī)視覺技術(shù)在自動駕駛中發(fā)揮了極其重要的作用，但是這些難題不是單一學(xué)科的發(fā)展能夠解決的。要解決這些問題必須綜合各學(xué)科的長處，從多種角度出發(fā)，利用多個模態(tài)的信息進(jìn)行綜合分析。