基于機器視覺的道路識別技術(shù)專利布局與發(fā)展趨勢

關(guān)鍵詞：機器視覺;道路識別;專利布局

中圖分類號：TP391.41 ? ? 文獻標識碼：A 文章編號：2096-4706（2019）06-0174-04

Abstract：Road recognition technology is a key part of Advanced Driving Assistance System （ADAS），which can provide necessary road environment information for driver or vehicle driving decision-making. Because of the diversity of road morphology and road condition，the results of road detection are easily affected by illumination，vehicles and various complex traffic conditions. Road detection is a very complex problem，which deserves our in-depth study. This paper will systematically sort out the patent application of road identification technology from the patent point of view，and summarize the trend of patent application，important applicants and their research emphases in this field，with a view to bringing beneficial help to patent examination in this field.

Keywords：machine vision;road recognition;patent layout

0 ?引 ?言

道路識別是基于機器視覺的環(huán)境感知的主要對象之一，該技術(shù)主要用于車道偏離報警系統(tǒng)和車道保持輔助系統(tǒng)等，為后續(xù)的路徑規(guī)劃、車輛控制提供必要的道路信息。道路識別的關(guān)鍵是提取車道的幾何特征，如車道線的寬度、曲率等;確定車輛相對于車道的方位信息;提取車輛可行駛的區(qū)域。根據(jù)道路的特點，可以將道路分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路兩類[1]。結(jié)構(gòu)化道路往往包含相似的特征，易于提取有效的車道特征，主要指具有明顯路面標志信息（車道標志線）的道路，如城市干道、高速公路等，非結(jié)構(gòu)化的道路情況則千差萬別，如城市非主干道、土路、鄉(xiāng)村街道等，其識別技術(shù)難度較大，目前尚處于研究階段。除了結(jié)構(gòu)化信息外，光照和遮擋也是影響道路檢測的重要因素[1]。

本文從專利角度出發(fā)，系統(tǒng)性地分析了基于機器視覺的道路檢測技術(shù)的專利申請情況、該領(lǐng)域的重要申請人及其研究重點等，以對該領(lǐng)域的專利審查工作帶來幫助。

1 ?道路識別技術(shù)的發(fā)展歷史及現(xiàn)狀分析

基于機器視覺的道路識別算法主要關(guān)注車輛行駛周圍的情況，如車道線、道路標志、交通情況等，這些算法大致分為兩類，一類主要利用特定的道路特征[2，3]，如車道線、信號燈、道路標志，另一類則主要關(guān)注道路區(qū)域的分割，通過提取顏色、紋理、梯度等信息將道路分割問題轉(zhuǎn)換為分類問題。

基于特定道路特征的道路檢測算法主要應(yīng)用于結(jié)構(gòu)化道路，一般需要預(yù)先建立道路模型[3，4]，然后構(gòu)建模型的約束條件，利用特征檢測的結(jié)果計算模型參數(shù)，并在視頻序列中對道路結(jié)構(gòu)特征進行跟蹤以獲取連續(xù)的道路模型[4]。該類算法中可以利用單目視覺的方法建立2D道路模型，或利用雙目立體視覺系統(tǒng)估計深度信息并結(jié)合道路識別的結(jié)果建立道路的三維模型。結(jié)構(gòu)化道路的識別方法一般只需要簡單的參數(shù)就可以得到道路特征，時空復(fù)雜度較小，但是在道路環(huán)境比較輔助或者非結(jié)構(gòu)道路上性能會大幅下降。

基于道路區(qū)域的分割的算法比較多樣化，主要通過提取顏色、紋理、梯度等信息來訓(xùn)練分類器[5]，將圖像分割問題轉(zhuǎn)換為分類問題。隨后的研究中，還考慮了圖像的超像素特征進行分割。立體視覺的方法也為道路區(qū)域分割提供了更多信息。在道路平面假設(shè)下，利用雙目視覺平面單應(yīng)性，根據(jù)視差圖區(qū)分道路區(qū)域和非道路區(qū)域[6，7]。還可以轉(zhuǎn)換圖像的顏色空間，以減少光線的影響[8]。這些方法，在非結(jié)構(gòu)化道路上能夠保持良好的結(jié)果。基于道路區(qū)域分割的算法使用范圍較廣，能夠適應(yīng)結(jié)構(gòu)化道路以及非結(jié)構(gòu)化道路，但是其特征提取過程往往計算量較大，算法相對較慢。

2 ?道路檢測技術(shù)的專利現(xiàn)狀分析

2.1 ?基于機器視覺的道路識別技術(shù)

為了更好地對道路識別技術(shù)的發(fā)展歷程和現(xiàn)狀進行梳理，將在專利庫中進行檢索和數(shù)據(jù)分析。道路識別技術(shù)與車輛識別、行人識別、交通標志識別、交通信號燈識別等共同構(gòu)成了基于機器視覺的環(huán)境感知技術(shù)。本文首先選擇在CPRSABS中文檢索數(shù)據(jù)庫以及DWPI外文專利數(shù)據(jù)庫中，基于各個技術(shù)分支進行檢索，得到基于機器視覺的環(huán)境感知領(lǐng)域的各個技術(shù)分支的專利在全球申請和在中國申請的發(fā)展趨勢，如圖1（a）和（b）所示。

由圖1（a）和（b）可以得到道路識別技術(shù)的全球?qū)＠暾堏厔莺椭袊鴮＠暾堏厔荨５缆纷R別技術(shù)全球?qū)＠暾垟?shù)量共有5279項。從顯示的數(shù)據(jù)來看，20世紀90年代以前，該技術(shù)的全球?qū)＠暾埩枯^少，20世紀90年代以后，專利申請量進入快速增長期。而該技術(shù)領(lǐng)域在中國的專利申請量，在21世紀以前較少，2000-2005年進入平穩(wěn)增長期，2005年以后進入了快速增長期，這說明了我國對該技術(shù)的重視，以及在“十一五”“十二五”規(guī)劃階段科技發(fā)展政策的支持下，我國在該領(lǐng)域的專利申請量上的飛躍。

2.1.2 ?全球?qū)＠暾埖赜蚍植技爸匾暾埲朔治?/p>

通過在DWPI庫中對道路識別技術(shù)進行檢索，并對申請國別進行統(tǒng)計分析，得到如圖2所示的數(shù)據(jù)。由圖中數(shù)據(jù)可以看出，截止2016年，中國的專利申請量遠超其他國家和地區(qū)，其申請量為2068件，其次分別為日本、美國，其申請量分別為1922件、785件。

分析圖2和圖3可知，基于機器視覺的道路識別技術(shù)主要應(yīng)用于輔助駕駛領(lǐng)域，涉及該技術(shù)的專利申請基本上集中在汽車產(chǎn)業(yè)發(fā)達的幾個國家，如日本、韓國、美國、德國，并且其申請人主要為全球排名較前的大型整車企業(yè)或汽車零部件企業(yè)，如豐田、日產(chǎn)、博世、現(xiàn)代等，并且技術(shù)實力越強的企業(yè)越重視其在全球范圍內(nèi)的專利布局，以實現(xiàn)技術(shù)壟斷目的及保證企業(yè)在該行業(yè)中的地位。

圖4展示了道路識別技術(shù)中國專利申請的整體趨勢。2002年以前，我國在道路識別技術(shù)方面的專利申請量較少，在2002年-2008年，道路識別技術(shù)領(lǐng)域的專利申請多為國外來華申請，從2008年開始，道路識別方面的國內(nèi)申請人的申請量開始大幅增長，尤其是國內(nèi)企業(yè)和高校及研究院的申請量迅猛攀升。2008年-2012年間，國內(nèi)高校及研究院的申請量明顯大于國內(nèi)企業(yè)的申請量，說明我國高校及研究院越來越熱衷于道路識別技術(shù)的研究，但是產(chǎn)學(xué)研嚴重脫節(jié)，沒有出現(xiàn)高校及研究院所與企業(yè)進行合作的情況，高校與研究院（所）的研究成果并沒有轉(zhuǎn)化為實際生產(chǎn)力，不利于我國在該技術(shù)領(lǐng)域的進一步發(fā)展。而在2012年以后，國內(nèi)企業(yè)在該領(lǐng)域的專利申請量明顯增多，且多為汽車行業(yè)，說明我國企業(yè)在該領(lǐng)域的自主研發(fā)能力越來越強。因此，為了提高我國在道路識別技術(shù)領(lǐng)域的整體水平，需要企業(yè)、學(xué)校、科研院所等相互配合，體現(xiàn)優(yōu)勢，構(gòu)建產(chǎn)學(xué)研一體化系統(tǒng)，形成良好的上、中、下游技術(shù)鏈。

圖5為道路識別技術(shù)中國專利申請總量占比圖，其中國內(nèi)申請占80%，包括高校及研究院占30%，企業(yè)申請占38%，個人申請占12%;國外來華申請占20%。雖然在道路識別領(lǐng)域的技術(shù)研究，國外開始的比較早，相關(guān)技術(shù)先進，處于領(lǐng)先地位，而國內(nèi)的相關(guān)技術(shù)研究起步晚，技術(shù)相對落后。但是近年來，由于各方對自動駕駛等方面的大力關(guān)注，以及國家相關(guān)政策的出臺，各方研究人員對該領(lǐng)域的研究投入大量的關(guān)注，因此，國內(nèi)企業(yè)與高校及研究院的研究突飛猛進。雖然國外來華申請的數(shù)量占比并不大，但是國外企業(yè)為了迅速占領(lǐng)中國市場，將道路識別技術(shù)領(lǐng)域的相關(guān)專利在中國大量布局，形成了較強大的專利壁壘，我國要想突破該技術(shù)領(lǐng)域的技術(shù)壟斷，需要加強企業(yè)與科研院所的密切合作，發(fā)揮優(yōu)勢，迅速提高我國的相關(guān)技術(shù)水平。在國內(nèi)申請人類別方面，企業(yè)申請量較大，但國內(nèi)高校及研究院同樣占據(jù)了較大的比例。

對于國內(nèi)重要的申請人，排名前5位的均為國內(nèi)高校，排名前10位的申請人僅有兩位是企業(yè)，其中奇瑞汽車股份有限公司為整車企業(yè)，而西安費斯達自動化工程有限公司的主營業(yè)務(wù)并不在汽車零部件領(lǐng)域。通過對國內(nèi)重要申請人的研究，發(fā)現(xiàn)國內(nèi)對于道路識別技術(shù)的研究起步較晚，持續(xù)性低，技術(shù)分散，整體的技術(shù)水平較弱，與國外有較大差距。雖然長安大學(xué)在該領(lǐng)域的研究沒有中斷，但其研究主要涉及道路質(zhì)量檢測方面，對于輔助駕駛等方面的研究較少，且其專利申請多為使用新型。

從圖7的排名來看，重要的國外來華申請人主要集中在大型整車企業(yè)或車輛零部件生產(chǎn)領(lǐng)域。如豐田自動車株式會社就是著名的汽車制造公司，并從2008年起成為全球排名第一的汽車生產(chǎn)廠商，其在汽車技術(shù)方面掌握了較先進的技術(shù)，工廠遍布全球，并且積極參與在中國的整車、發(fā)動機及汽車配套設(shè)施的相關(guān)事業(yè)，與多家中國汽車企業(yè)合作;現(xiàn)代摩比斯是現(xiàn)代起亞汽車集團的三大主力之一，是排名世界前八的汽車零部件供應(yīng)商，近年來，摩比斯一直致力于海外業(yè)務(wù)的擴張，其對中國市場非常重視，在中國設(shè)立多個工廠;通用汽車公司是全球最大的汽車公司之一，其產(chǎn)業(yè)覆蓋全球6個大洲，始終引領(lǐng)出行領(lǐng)域的科技創(chuàng)新，其進入中國已近90年;羅伯特·博世的定位為“精密機械及電氣工程的工廠”，其技術(shù)領(lǐng)域涉及汽車與智能交通技術(shù)、工業(yè)技術(shù)、消費品和能源及建筑技術(shù)，其在汽車電子技術(shù)方面掌握著較強的先進技術(shù);而福特也是世界著名的汽車品牌之一，其在中國設(shè)有長安福特馬自達汽車有限公司以及多個生產(chǎn)公司。上述申請人重視其科技創(chuàng)新以及海外市場的開拓，這也是他們在華專利申請量較大的原因之一。

2.2 ?專利技術(shù)發(fā)展分析

隨著先進駕駛輔助系統(tǒng)的應(yīng)用越來越廣泛，隨著智能網(wǎng)聯(lián)汽車的概念的提出與興起，作為其中的重要部分的基于機器視覺的道路識別技術(shù)的研究也越發(fā)熱門。目前基于機器視覺的道路識別技術(shù)的研究重點大多為車道線的檢測，尤其針對結(jié)構(gòu)化道路，而針對非結(jié)構(gòu)化的道路識別的研究較少。比如對于立交橋橋洞、隧道等光線變化劇烈的區(qū)域，當車輛在進出橋洞或隧道等區(qū)域時，光線變化往往更為劇烈，道路和隧道墻面之間由于光照不足而幾乎難以區(qū)分，如何準確地識別這些區(qū)域成為未來研究的重點。而且道路識別技術(shù)基于視覺識別技術(shù)，視覺識別必須具備實時性、魯棒性、實用性三個特點。道路識別技術(shù)主要應(yīng)用在駕駛輔助系統(tǒng)中，必然要求其能針對實時獲取的車輛前方的道路信息進行快速處理，以為駕駛者做出合理的路徑規(guī)劃，因此，在未來的研究中，實時性與魯棒性將成為我們研究的重點。

3 ?結(jié) ?論

國內(nèi)的道路識別技術(shù)起步較晚，技術(shù)相對落后，產(chǎn)業(yè)覆蓋不完整，專業(yè)創(chuàng)新能力不足，企業(yè)優(yōu)勢尚未體現(xiàn)，而且該領(lǐng)域的高校申請量較大，如何將高校申請轉(zhuǎn)換為生產(chǎn)力是亟待解決的問題。可以圍繞道路識別產(chǎn)業(yè)、技術(shù)、智力資源比較豐富的地區(qū)，集中力量打造產(chǎn)業(yè)集聚區(qū)，創(chuàng)建產(chǎn)學(xué)研平臺，打造創(chuàng)新人才隊伍。同時，可以借鑒國外優(yōu)秀企業(yè)的發(fā)展歷程，積極開展專利布局及運營工作。

參考文獻：

[1] 羅安寧.基于機器視覺的道路檢測算法 [D].北京：清華大學(xué)，2014.

[2] BERTOZZI M，BROGGI A. GOLD：a parallel real-time stereo vision system for generic obstacle and lane detection [J]. IEEE Transactions on Image Processing，1998，7（1）：62-81.

[3] LOOSE H.，F(xiàn)RANKE U.，B-spline-based road model for 3D lane recognition [C].2010 13th International IEEE Conference on Intelligent Transportation Systems，2010.

[4] ALVAREZ J. et al.，Vision-based road detection using road models [C].2009 16th IEEE International Conference on Image Processing，2009.

[5] Changbeom Oh，Bongjoe Kim，Kwanghoon Sohn. Automatic illumination invariant road detection with stereo vision[C]// Industrial Electronics and Applications （ICIEA），2012 7th IEEE Conference on. S.l.：s.n.，2012：889-893.

[6] GUO C Z，Mita，Seiichi. A semantic graph of traffic scenes for intelligent vehicle systems[J]. IEEE Intelligent Systems，2012，27（4）：57-62.

[7] Chunzhao Guo，MITA S. Semantic-based road environment recognition in mixed traffic for intelligent vehicles and advanced driver assistance systems[C]// Intelligent Transportation Systems （ITSC），2012 15th International IEEE Conference on. S.l.：s.n.，2012：444-450.

[8] HOIEM D. et al.，Seeing the world behind the image：spatial layout for three-dimensional scene understanding [M]. Carnegie Mellon University，2007.

作者簡介：謝晶（1988.11-），女，漢族，河北衡水人，碩士研究生，研究實習(xí)員，研究方向：人工智能與模式識別。