基于ADAS的汽車倒車防碰撞系統設計與研究

孫德生

(深圳智者行天下科技有限公司，廣東 深圳 518133)

0 引言

車輛的不斷增多造成了交通擁堵以及停車位的不足，汽車在倒車時極易引發碰撞，同時倒車的失誤會引發甚多交通事故的發生[1]。行車安全的受重視程度越來越高，倒車影像顯示功能在整個汽車電子市場中已經占有了十分重要的比重，人們也越來越需求于便于行車安全的產品[2]。從2018年5月開始，在美國銷售的所有新車必須配備后視攝像系統[3]。倒車影像功能是在倒車時將倒車攝像頭圖形顯示到車載終端上，如中控主機、后視鏡，司機倒車時通過顯示屏幕觀察后方動態。倒車時不僅僅要觀察車輛后方，司機還可能需要觀察左側、右側或前方的狀況，因此司機的視線可能會離開屏幕，在司機視野離開后方的時候，如果有行人、小孩、電動車或其他車輛進入車輛后方，司機觀察不及時容易發生交通事故。雖然車輛可能配備了倒車雷達，但輻射面有限，角度上還有死角，對這種快速橫穿進來的物體也不能做到很好地及時提醒預警，因此目前的倒車影像功能對這種突發事件應對還是存在不足，這個功能的作用和體驗都需要得到進一步的提高。在一些高端車配置的毫米波雷達，可以快速識別出障礙物但無圖像顯示，但不清楚具體是什么障礙物，需司機下車確認，若遇雨天則體驗感更加不好，測量效率和系統成本優勢遠高于攝像頭[4]，基于視覺的ADAS系統市場應用前景廣闊[5]。ADAS的市場空間也將隨著智能網聯汽車的發展保持持續性的增長[6]。

本文提出基于高級駕駛輔助系統(Advanced Driver Assistant System，ADAS)的汽車倒車防碰撞系統，通過實時識別倒車時后視攝像頭圖像來監控車輛后方可能突然出現的行人、小孩、電單車、其他汽車等，快速給出聲音與圖文的顯示提醒司機，提高駕駛安全性，系統成本較低，便于普及應用。

1 倒車防碰撞系統設計

本文提出倒車防碰撞系統是運行在智能后視鏡上，同樣適用于中控主機，在倒車影像系統的基礎上，增加基于倒車攝像頭圖像分析的ADAS識別功能，在系統倒車的時候自動運行該ADAS功能，并且通過屏幕顯示和聲音輸出來預警提醒司機采取合適的操作，起到輔助司機安全倒車的作用。

1.1 系統倒車硬件框架設計

在智能后視鏡系統中倒車影像顯示處理的硬件原理框圖如圖1所示。

圖1 系統倒車硬件原理框圖

高清倒車攝像頭Sensor捕捉車輛后面的圖像通過串行器轉化為AHD模擬高清信號，通過AHD傳輸線束接入到智能后視鏡，先通過解串器將模擬信號解碼轉換成 MIPI信號，再接入 SOC的 CSI模塊，CSI控制器將收到的攝像頭數字信號數據交給主控芯片的軟件系統再做其他的圖像處理，如顏色空間轉換、圖像翻轉、裁剪等，將處理好的視頻圖像信號通過MIPI信號輸出到顯示屏幕上。倒車信號的檢測是基于GPIO電平觸發，倒車檢測線接到車輛的剎車信號線或者剎車燈上，有倒車系統將立即收到中斷信號再做倒車處理。倒車信號也可來自于汽車的CAN協議。

1.2 基于倒車攝像頭圖像分析的ADAS

ADAS的發展將減少駕駛風險，汽車出險率將相應下降[7]，有很好的社會意義。本系統的ADAS算法基于AdaBoost迭代算法建造算法模型、訓練分類器。倒車時車尾的車輛、行人等往往不能捕捉到全部特征，例如車只能看到側方、行人是半身或者就是高個子的大長腿，因此需要增加提取局部特征，如根據人體固有的特點將圖像劃分成頭、上身、下身幾個部分，構建人體部位特征鄰接圖，對不同部位特征之間的關系進行建模[8]；車輛的局部特征有車輪、側方車前臉、局部車尾等，單一特征具有建模簡單、計算速度快的優點，但檢測正確率不穩定[9]。針對倒車場景應用的這些特點，加強融合特征建模訓練成豐富的分類器，可提升算法的識別準確率。

ADAS算法引擎工作流程如圖2所示。

從倒車攝像頭中獲取到每一幀圖像的YUV數據，然后確定圖像的 ROI區域(也就是感興趣區域)，將訓練好的分類器對ROI進行復核，實現對目標物體的檢測[10]。把圖像特征提取出來，在圖像每個區域遍歷，然后提取每個區域的特征，將這些特征輸入訓練好的分類器中進行分類，引擎通過比對能夠識別出進入車輛后方圖像上的行人、小孩、電動車、其他車輛等，通過比對識別，篩選定位標識出物體類型，以及物體在圖像上的坐標。遍歷篩選多個大小的目標小區域，如24×24、36×36、48×48。多做幾種遍歷，識別出來的效果更好，但是消耗的CPU也會更多一點。本ADAS系統運行在倒車時，系統占CPU高的任務可以暫時讓出CPU，如語音識別，經過完整的ADAS識別后把這些信息通過回調傳遞給應用來處理[11]。

圖2 ADAS引擎工作流程

1.3 防碰撞系統框架設計

倒車防碰撞系統在倒車時運行基于倒車攝像頭圖像ADAS識別算法，把算法識別結果通過系統的聲音和圖文提醒司機，構成了倒車防碰撞系統。

通過CPU數據處理模塊的硬件抽象層獲取倒車攝像頭圖像每一幀的原始數據送給ADAS算法預警診斷模塊，通過預警診斷模塊識別出行人、車輛、障礙物等物體的類型、坐標等信息，再把識別出來的信息傳遞到APP應用，APP應用根據信息來制定預警提示的邏輯處理，根據預警級別交給處理人機交互語音模塊處理語音提醒功能[11]。防碰撞系統處理框架設計如圖3所示。

圖3 防碰撞系統處理框架

2 倒車防碰撞系統方案應用及測試

倒車防碰撞系統的運行效果需要結合產品的實際安裝環境和運行環境，才能有更精準的效果、更友善的用戶體驗。

2.1 報警預警的范圍

在汽車后裝市場車型眾多，有小轎車、SUV、小貨車、大貨車等各種車型，因此倒車攝像頭安裝的位置就可能千差萬別。例如，有些車(如SUV)高一點，攝像頭離地的高度就高一點；有些車矮一些，攝像頭離地的高度就矮一點。攝像頭離地的高度也會影響后拉攝像頭成像的范圍與距離感的差異。即使是同一款車，也存在后拉攝像頭安裝位置的差異(在車輛中間位置、偏左、偏右)，以及攝像頭安裝后的朝向角度一點點的差異都會導致成像的范圍和距離感有差異，要獲取識別物體的準確距離是非常困難的。

針對這些復雜的場景結合倒車低速的特點，制定了根據成像范圍來報警預警的方法。系統將倒車圖形分成兩部分：預警監測區和預警報警區，系統會默認倒車圖像垂直方向的中間水平線為分界線，在預警監測器只做目標物體的跟蹤識別，目標物體進入預警報警區將引發系統的聲音和圖文的預警提醒信息。用戶可以調整這個分界線的位置來適配自己車的情況，也可以根據自己的駕駛水平來擴大或縮小預警報警范圍。倒車ADAS預警區域劃分如圖4所示。

圖4 ADAS預警區域調整示意圖

根據ADAS算法給出的目標物體的成像坐標在預警報警區域內，則發出特別提示音，有確定類型的還可以增加TTS語音播報(如小心行人)，及時提醒司機注意后方安全，同時還在顯示屏的右側畫出似雷達波的警示圖標標識危險物體是在車尾的左后方、正后方、右后方，還是3個方向都有，便于司機注意查看狀況。

2.2 系統測試情況

倒車防碰撞系統運行效果與運行的環境有直接關系，如天晴下雨、白天夜晚、逆光順光、雨霧等都對攝像頭圖像效果有直接的影響。本系統采用的攝像頭是基于SONY IMX307，針對各種環境場景均作了最佳配置的場測，因此圖像畫面的質量是有保障的。實際測試的效果圖如圖 5～圖 7所示。

在非常惡劣的自然條件下，如狂風暴雨情況下造成圖像模糊，使得基于攝像頭圖像分析的ADAS算法還是存在技術上的缺陷，融合激光雷達或毫米波雷達等障礙物測距技術將使得駕駛輔助作用更大。

圖5 停車場車輛識別效果

圖6 車輛及半身行人識別實際效果

圖7 全身行人和右側車輪識別效果

3 結束語

本文詳細分析了當前倒車影像系統的不足和雷達的技術缺陷，以及高成本的毫米波雷達難以普及應用的現狀，介紹了基于ADAS的汽車倒車防碰撞系統設計。針對系統倒車功能做了深入的原理分析，對基于后視攝像頭圖像分析的ADAS算法介紹了其技術關鍵點和基于倒車場景融合特征的創新應用。算法識別效果精準有效，針對車輛攝像頭安裝位置朝向角度的差異預留了靈活的預警和報警區域的調節，極大地改善了該倒車防碰撞系統的用戶體驗和實際作用。隨著消費者對汽車智能化和安全性需求的逐步提升，ADAS技術正逐漸衍生出完善的主動式安全防預解決方案[12]。