摘要：近年來(lái)，提高汽車多地形勘測(cè)系數(shù)、構(gòu)建更為強(qiáng)大的多地形勘測(cè)駕駛系統(tǒng)，成為眾多汽車制造商和政府交通部門努力的重點(diǎn)。汽車被動(dòng)多地形勘測(cè)技術(shù)，如多地形勘測(cè)帶、防側(cè)撞技術(shù)等，在汽車出現(xiàn)后不久就已經(jīng)受到汽車制造商的重視。伴隨著汽車工業(yè)的發(fā)展，汽車被動(dòng)多地形勘測(cè)技術(shù)已經(jīng)逐漸趨于成熟。而目前主流的汽車主動(dòng)多地形勘測(cè)技術(shù)，如制動(dòng)系統(tǒng)、驅(qū)動(dòng)防滑系統(tǒng)等也已經(jīng)被廣泛商用，但是道路交通傷亡人數(shù)卻沒(méi)有明顯減少得的趨勢(shì)。這表明，目前的汽車主動(dòng)多地形勘測(cè)技術(shù)仍然有待提高，而預(yù)防人為失誤導(dǎo)致的交通事故，成為改善汽車主動(dòng)多地形勘測(cè)技術(shù)的重點(diǎn)研究課題。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué);駕駛系統(tǒng);設(shè)計(jì);雙目視覺(jué);多地形勘測(cè);

一、雙目視覺(jué)

1.1雙目視覺(jué)的原理

采用一對(duì)相機(jī)代替雙眼。通過(guò)左右三維圖像分別獲取各三維像素對(duì)焦點(diǎn)的高度視差，然后基于三角測(cè)量法的原理快速重構(gòu)三維圖像信息，從而識(shí)別障礙物體。與單目視覺(jué)相比，雙目視覺(jué)不依賴龐大的訓(xùn)練集，測(cè)距精度較高。視差是指同一物體在左右圖中的橫坐標(biāo)之差。深度成像拍攝時(shí)的距離和一個(gè)物體通過(guò)視差值的大小可以成正正反比，物體通過(guò)深度拍攝距離你的一個(gè)雙目雙視單眼攝影相機(jī)越遠(yuǎn)，視差越小，離你的雙目單眼相機(jī)越近，視差越大。

1.2雙目視覺(jué)系統(tǒng)的組成

圖像采集：要求相機(jī)絕對(duì)的同步，圖像畫質(zhì)清晰，高對(duì)比度。

雙目標(biāo)定：以標(biāo)定板為參照系，求得相機(jī)的內(nèi)參（圖像中心和畸變系數(shù)）和外參數(shù)（RT矩陣）。

圖像校正：依據(jù)相機(jī)內(nèi)外參數(shù)對(duì)畸變圖像進(jìn)行平行等位校正，獲得無(wú)畸變且平行等位的左右圖像。

雙目匹配：對(duì)校正后的圖像進(jìn)行匹配，獲得視差圖像，供后續(xù)算法使用。

ADAS功能：根據(jù)視差圖進(jìn)行障礙物檢測(cè)預(yù)警和車道線檢測(cè)。

1.3雙目視覺(jué)技術(shù)的應(yīng)用

工業(yè)非接觸式檢測(cè)：高溫環(huán)境下大型鑄件在熱處理過(guò)程中尺寸的測(cè)量，對(duì)中型或大型尺寸的物體尤其有用。固定工位裝配零件的檢測(cè)，場(chǎng)景簡(jiǎn)單。

手機(jī)拍照、三維重建：手機(jī)拍照：獲得物體的距離信息，虛化背景，可以更好的景深效果。以及一些VR產(chǎn)品都會(huì)用到雙目視覺(jué)技術(shù)。雙目立體重構(gòu)視覺(jué)成像技術(shù)特別適用于3d物體重構(gòu)，即幫助確定某任意變形物體的3d重構(gòu)形狀。技術(shù)可以直接用來(lái)幫助實(shí)現(xiàn)3d變形物體重構(gòu)質(zhì)量值的檢測(cè)，也就是可以被用來(lái)幫助確定3d重構(gòu)物體的所在位置。

二、基于雙目多地形勘測(cè)車和計(jì)算機(jī)自動(dòng)視覺(jué)系統(tǒng)關(guān)鍵技術(shù)

基于計(jì)算機(jī)視覺(jué)的多地形勘測(cè)駕駛系統(tǒng)關(guān)鍵技術(shù)主要涉及到以下兩個(gè)方面：首先是目標(biāo)識(shí)別技術(shù)。目標(biāo)汽車識(shí)別技術(shù)是多地形勘測(cè)汽車駕駛管理系統(tǒng)設(shè)計(jì)中的一個(gè)核心內(nèi)容，其為系統(tǒng)的日常決策活動(dòng)提供信息分析的理論基礎(chǔ)與技術(shù)前提。由于實(shí)際使用道路交通環(huán)境較為復(fù)雜，需要?jiǎng)?chuàng)新目標(biāo)汽車識(shí)別技術(shù)具有較高的數(shù)據(jù)實(shí)時(shí)性和信息準(zhǔn)確性。本文主要的目標(biāo)識(shí)別汽車目標(biāo)類型包括駕駛車輛、行人、車牌和其他車標(biāo)。創(chuàng)新目標(biāo)汽車識(shí)別主要方法包括兩種傳統(tǒng)汽車目標(biāo)識(shí)別方法和基于汽車深度機(jī)器學(xué)習(xí)的創(chuàng)新目標(biāo)識(shí)別方法。其次是目標(biāo)測(cè)距技術(shù)。目前，多地形勘測(cè)道路駕駛控制系統(tǒng)中常用的激光測(cè)距計(jì)算方法主要類型有三種：利用超聲波圖像測(cè)距、激光測(cè)距和利用機(jī)器人的視覺(jué)圖像測(cè)距。超聲波激光測(cè)距根據(jù)車輛超聲波的雙向傳輸和到達(dá)返回點(diǎn)的時(shí)間不同來(lái)精確計(jì)算前方車輛障礙物的通行距離。其中的計(jì)算方法原理簡(jiǎn)單，成本低，能夠比較準(zhǔn)確的實(shí)現(xiàn)近距離目標(biāo)的距離測(cè)量。激光測(cè)距專用儀器實(shí)際上來(lái)說(shuō)是一種新型光子發(fā)射雷達(dá)探測(cè)系統(tǒng)，其成像測(cè)量應(yīng)用范圍廣，實(shí)時(shí)性好，精度較高，可以細(xì)分為激光成像式雷射激光測(cè)距和非激光成像式雷射激光測(cè)距兩種。激光成像式雷射激光測(cè)距儀器使用激光掃描器自動(dòng)控制雷射激光的精確發(fā)射運(yùn)動(dòng)方向，使其精確掃描整個(gè)物體視場(chǎng)從而精確獲得視場(chǎng)內(nèi)目標(biāo)物體的三維距離信息;非激光成像式雷射激光測(cè)距根據(jù)物體光速及其傳播后的時(shí)間長(zhǎng)短來(lái)精確計(jì)算其與目標(biāo)物體距離二維信息。機(jī)器視覺(jué)測(cè)距主要包括單目測(cè)距和雙目測(cè)距兩種測(cè)距方式。單目測(cè)距相對(duì)雙目測(cè)距具有成本低、魯棒性較強(qiáng)等優(yōu)點(diǎn)，但測(cè)距精度不如雙目測(cè)距。

現(xiàn)階段使用行人車輛侵限自動(dòng)檢測(cè)監(jiān)控系統(tǒng)仍然一直是當(dāng)前計(jì)算機(jī)自動(dòng)視覺(jué)技術(shù)領(lǐng)域發(fā)展中的一大難題，未能實(shí)現(xiàn)產(chǎn)品化的主要技術(shù)原因仍然在于實(shí)時(shí)性與魯棒性的雙重限制。對(duì)于圖像中是否存在行人的區(qū)分并不是根據(jù)目標(biāo)本身來(lái)做出判讀的，而是根據(jù)目標(biāo)通過(guò)在某一特征層面與其他物體目標(biāo)的區(qū)別，行人檢測(cè)任務(wù)中識(shí)別的是行人的模式特征。行人之間侵限極征檢測(cè)的精準(zhǔn)計(jì)算法與復(fù)雜度主要還是取決于行人特征的精準(zhǔn)提取與精確分類。對(duì)于行人之間特征極限檢測(cè)的計(jì)算法主要可以分為兩類：基于淺層梯度特征算法和基于深度學(xué)習(xí)提取特征算法。第一類行人檢測(cè)算法是基于淺層梯度特征。該類型行人檢測(cè)算法主要描述圖像光照不變性和局部紋理特征，但是存在特征維度高，泛化能力差，導(dǎo)致在復(fù)雜環(huán)境下檢測(cè)遠(yuǎn)距離行人效果差等缺點(diǎn)。單一的分類器也很難適應(yīng)較為復(fù)雜的檢測(cè)環(huán)境。

結(jié)語(yǔ)

總而言之，基于智能計(jì)算機(jī)汽車視覺(jué)的系統(tǒng)，緊跟現(xiàn)階段的汽車時(shí)代發(fā)展需求，保障汽車駕駛員的日常駕駛行車多地形勘測(cè)。通過(guò)測(cè)試試驗(yàn)結(jié)果表明，該系統(tǒng)對(duì)行駛目標(biāo)周圍物體進(jìn)行檢測(cè)以及識(shí)別的精度準(zhǔn)確率可以達(dá)到97%以上，具有實(shí)際應(yīng)用能力。計(jì)算機(jī)智能視覺(jué)效果技術(shù)在其發(fā)展的整個(gè)過(guò)程當(dāng)中，車輛的使用智能駕駛導(dǎo)航系統(tǒng)是一項(xiàng)極為重要的技術(shù)發(fā)明，也是和貼近人們?nèi)粘Ｉ钭顬橘N切的技術(shù)發(fā)明之一。

參考文獻(xiàn)

[1]盧思繳，張智宏，劉穎，汪小霞.基于計(jì)算機(jī)視覺(jué)技術(shù)的電力指針表自動(dòng)讀數(shù)識(shí)別研究[J].自動(dòng)化技術(shù)與應(yīng)用，2021，40（11）：177-179.

[2]劉全，馮琛，宋子達(dá)，周劍，趙越良.基于機(jī)器視覺(jué)的非接觸式土石方運(yùn)輸車輛智能計(jì)量方法[J].水電能源科學(xué)，2021，39（11）：174-178.

[3]張仕軍，金振林.基于多模型級(jí)聯(lián)的雙目視覺(jué)鑄件缺陷檢測(cè)方法[J/OL].機(jī)械工程學(xué)報(bào)：1-10[2021-11-24].http：//kns.cnki.net/kcms/detail/11.2187.TH.20211116.1657.068.html.

[4]徐翔宇，黃勁松.一種雙目混合追蹤的視覺(jué)里程計(jì)算法[J/OL].測(cè)繪地理信息，2021（06）：81-85[2021-11-24].https：//doi.org/10.14188/j.2095-6045.2019120.

作者簡(jiǎn)介：王宏辰，2000年10月，男，漢，河北省唐山人，本科學(xué)歷，學(xué)生，研究方向：電子信息工程專業(yè)。