車載攝像頭障礙物檢測中搜索策略研究

鄺沛江 康 磊 莊衍豎

華南理工大學電子與信息學院

在基于視覺感知的汽車安全智能預警系統中，針對障礙物搜索的策略問題，提出了一種可以減少搜索量，增加實時性的方法，完成道路上障礙物的初步篩選的任務，進而指導車輛在道路上安全行駛。

引言

安全駕駛在如今高速發展的社會是一個逐漸被強調和關注的問題。隨著各國車輛的數目迅猛增加，每天幾乎都能聽到關于交通事故的新聞。這現狀引起了人們對汽車安全輔助駕駛技術給予了空前的重視。輔助駕駛是智能交通研究領域的一個舉足輕重的組成部分，是一項融合了車輛工程、人工智能、計算機視覺等多學科領域理論的技術，是未來車輛的發展趨勢。

本文針對基于視覺感知的車載攝像頭安全智能駕駛系統中的障礙物搜索策略問題，提出一種減少搜索量，增加實時性的方法。通過先驗知識，只對具有潛在危險的區域進行障礙物的搜索，能夠大幅度的減少搜索量，提高實時性。

為了引出本文所研究的降低搜索量的問題，本文的第二節將對整個障礙物檢測系統作一個簡單的介紹，而在第三節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

障礙物檢測的框架簡介

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，實時拍攝道路前方的圖像，將攝像頭拍攝所得的圖像進行分析，對路面上的障礙物進行框定。本文對圖像的處理流程圖如圖1 所示，對路面上的障礙物進行框定的效果圖如2 所示。

在圖1 的檢測子程序中，如果需要對一整幅圖像進行障礙物的檢測，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，整幅圖像進行搜索是一個很大的搜索量。鑒于此，本文提出降低搜索量的方法，在第三節給出。

危險區域的建立

本文著重對障礙物檢測算法中的搜索量的降低進行研究。

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 直接構成危險的車輛出現的區域

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現，障礙物（主要是車輛）主要出現在圖像的下半部分，而上半部分主要由天空，樹木等背景構成。而在行駛過程中對宿主車輛構成直接危險的車輛則主要出現在圖像的左下角，右下角，以及正前方這三個位置，如圖4所示。

紅色框表示離散的危險區域，綠色框表示綜合的危險區域。

通過對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的區域，即對問題的先驗知識。本文通過此先驗知識，對每個視頻幀動態刻畫如圖4 中的綠色框所示的區域，只針對綠色框內的圖像內容進行搜索。從圖2 中可以看出，綠色框內的圖像大小占原圖像大小的約為1/2～1/3。又因為如今流行的障礙物檢測算法，如車底陰影，Haar特征法等，都與搜索區域的大小成線性關系，甚至更高階的比例關系。因此，采用本文提出的障礙物搜索策略，利用先驗知識，只對車輛可能出現的位置進行障礙物檢測，將至少能減低1/2～1/3 的搜索量，大幅提高實時性。

結束語

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的問題，目的在于降低檢測方法中檢測障礙物的搜索量，達到提高實時性的目標。從而為實現輔助駕駛員駕駛的智能行車系統提供可能。