機器視覺輔助駕駛系統的車輛檢測和測距

曹?? 李進 張智欣

摘要

隨著時代的迅速發展，汽車已成為人們出行最主要的代步工具。而汽車行業也得到了迅猛發展。當前，智能車輛還安裝了輔助性的駕駛系統，主要依托于機器視覺技術，在安全駕駛、控制交通事故中發揮不可或缺的作用。這項技術包含了對前方行駛車輛的實時檢測技術及其與本車的距離測量技術是當前兩大研究焦點。基于此，本文闡述了機器視覺系統的應用背景，分析了基于BOF特征的車輛檢測算法，探討了基于機器視覺的前方車輛距離測算方法，以供參考。

【關鍵詞】機器視覺 輔助駕駛系統 車輛檢測測距 解析

近年來，我國汽車擁有量呈上升趨勢。據統計，2014年已達1.5億輛，比上年同期增長約12%。尤其在發達城市，車輛的大幅度增加還引發了一系列的交通堵塞、道路擁擠、安全事故等問題，給人們的生命、財產造成了巨大的威脅。為此，相關工作者在汽車內部安裝了先進的輔助性技術。例如：機器視覺、人工智能等，有利于駕駛人員在事故萌芽狀態時積極加以預防。所以，探究機器視覺的車輛輔助性駕駛技術意義重大。

1 機器視覺系統的應用背景

人類的視覺系統能夠讓其迅速直接地捕獲附近環境的信息，再通過腦部把信息加以處理，達到對周邊環境安全性能的精確判別。伴隨計算機科學、人工智能、圖像處理等技術的普及與應用，科學家試圖讓計算機模擬人類的視覺功能，進而形成了機器的視覺系統。現階段，因為我國的制造行業迅速發展，成為世界重要的制造基地。高標準的零件制造及其前沿的生產線，促進了機器視覺系統在國內市場的大量應用。當前，這項技術己成為最熱點的研究對象，適用于社會的各個領域。例如：航天、軍事、氣象、醫藥、工農業、交通等。而且，機器視覺系統還有著長期穩定運行與接觸性測量等優勢。

2 基于BOF特點的車輛檢測算法分析

2.1 算法原理

基計算機視覺領域中的重要研究項目就是對內容圖像的分類與檢索。現階段，我國一般應用部分特點集合的形式對圖像加以描述，Bag-of-Features即BOF特點的產生，為更好地描述內容圖像帶來了全新的處理方案。它把部分特點集合起來，形成一個有機的整體，并且按照相關的視覺碼將部分特點作出標記，成為一種視覺的詞匯，同時，部分特點集中映射為重要頻率的分布圖。BOF主要是文本語義與圖像處理理念的良好結合，在車輛的分類與檢索工作中發揮重要的作用。

2.2 車輛檢測方式

通過車輛的邊緣化特點與BOF的模型有機的整合，可以對前方正地運行的車輛展開實時性的檢測，具體包括兩方面內容，即生成車輛的假定存在區、假設區的驗證。第一，要對相關的圖像做預處理，然后，應用邊緣檢測技術進行再次處理，可以得到車輛的假定存在區。再借助BOF最近鄰域的計算方法，對假定的存在區加以驗證，進而將虛警目標排除，極大地提升了車輛檢測的效率與精確度。

3 基于機器視覺系統的前方車輛的測距算法分析

研發汽車智能輔助性的駕駛系統，主要為了針對可能性的事故之前，事先為駕駛者帶來相應的預警信息，告訴其潛在的安全危險，盡量控制駕駛期間因疏忽導致的交通事故。因此，既要迅速精確地對前方的車輛及障礙物進行檢測，又要有效地算出本車與前方運行車輛的距離，讓駕駛員可以盡早獲得充分的路面信息，擁有足夠的時間展開應急性的操作。

3.1 運用單目視覺系統

單目視覺系統指的是借助一個攝像機來測算距離，這是現階段我國對前方運行車輛進行測距的重點研究方向。因為不一樣的坐標系，彼此存在相應的關系，因此，人們可以分析二維、三維圖像的空間關系，進而計算測量的實際距離。這種方法測量的步驟如下：

（1）精確捕獲攝像機的相對方位（一般選擇攝像機標定法）;

（2）按照相對的方位精確地獲得二維、三維之間的坐標系的對應關系。

讓攝像機的標定可以迅速借助調用庫的函數完成，并且，關于攝像機的畸變情況，這里也提供了相應的處理方法，為駕駛員科學調用、展開測量帶來了便利。

3.2 投影模型的算法

攝像機的成像與測距過程，可視為彼此逆向的過程。成像一般將實際生活中的三維圖象投射于二維平面圖象的過程。而測距則是將二維平面圖轉化為三維圖像，進而可以得到前方運行車輛的具體方位，同時，可算出需要測量的實際距離。本文主要應用了不同維度的坐標系之間的立體關系，通過投影整合攝像機標定的測量方式實現對前方車輛的測距。這種方法主要應用了攝像機的投影模型，進而推導出適合的測距公式。只是公式里含有一些攝像機內部的參數，必須通過攝像機的標定法獲得，然后，再將其帶入推導的公式里，計算實際的距離。

3.3 攝像機標定法與投影模型的應用

本文主要調用了OpenCV的函數庫，以實現攝像機的標定，測試中參考了攝像機參數的矩陣結果，可以計算具體的距離。即把標定程序里得到的攝像機參數帶入測距公式中，可算出所需的距離值，從而達到了對前方運行車輛和本車距離的測量。通過測試可了解到：如果兩車的實際距離越近，則產生的誤差就越小，同時，測量的誤差通常不超過1/10，這種對于安全駕駛起到了良好的效果。盡管在攝像機標定中己對可能性的徑向畸變問題做出了校正。然而，依然不能全部恢復原來狀態，所以，生成距測的一定誤差是必然的。最終的結論為：在圖像中心越近的點，其測距的誤差會越小;反之則越大。

4 結束語

總之，依托于機器視覺系統的車輛檢測技術，是檢測、視覺目標判定技術在具體生活的重要嘗試，集合了模式識別、運動目標檢測、視頻圖像收集技術的綜合性視覺檢測技術。應用攝像機的標定法，可以算出其內部的參數，由于參數不會受到外界環境的制約，可以展開攝像機的離線標定。既節約了實時測距程序的時間，又能夠借助反復標定，獲得更加精確的參數，從而有效解決了攝像機標定中的誤差。此外，借助機器視覺系統中的車輛檢測及其與前方車輛的測距算法，可以完成對車輛輔助系統軟件的編程，生成警報系統，為司機安全駕駛提供重要的技術保障。

參考文獻

[1]梁炳春.基于機器視覺的輔助駕駛系統中車輛檢測與測距研究[D].東華大學，2016.

[2]彭寶.基于機器視覺輔助駕駛系統中行人實時檢測跟蹤研究[D].東華大學，2016.

[3]郭靖.基于機器視覺的車輛輔助駕駛系統關鍵問題研究[D].北京工業大學，2013.