李光磊

摘 要：近年來(lái)，隨著汽車(chē)保有量的逐漸增加和道路交通設(shè)施的完善，汽車(chē)智能化的趨勢(shì)越來(lái)越明顯，自動(dòng)駕駛技術(shù)也愈發(fā)的成熟。在未來(lái)的汽車(chē)應(yīng)用中將會(huì)發(fā)揮巨大的作用。本文通過(guò)對(duì)相關(guān)論文的研究，針對(duì)目前自動(dòng)駕駛技術(shù)的發(fā)展現(xiàn)狀，在圖像分析和自動(dòng)駕駛方面做了簡(jiǎn)單的分析和介紹。

關(guān)鍵詞：圖像處理；自動(dòng)駕駛；汽車(chē)智能化

DOI：10.16640/j.cnki.37-1222/t.2017.22.102

0 引言

隨著汽車(chē)技術(shù)的快速發(fā)展，以及國(guó)民經(jīng)濟(jì)的逐步提高，公路上絡(luò)繹不絕的汽車(chē)成為人們主要的交通工具。然而，隨著汽車(chē)保有量和道路交通流量的不斷增加，一系列的交通事故的發(fā)生引起了我們的注意。在這些交通事故中，帶給我們的是巨大的經(jīng)濟(jì)損失和人身傷害。因此道路交通事故已經(jīng)成為全球性的安全問(wèn)題之一。提高汽車(chē)駕駛的安全性、避免交通事故發(fā)生以及減輕事故所帶來(lái)的人身傷害和財(cái)產(chǎn)損失已經(jīng)成為全球各國(guó)政府和社會(huì)重點(diǎn)關(guān)注的問(wèn)題之一。

因此，各國(guó)都在研發(fā)與應(yīng)用車(chē)輛的安全駕駛技術(shù)，而自動(dòng)駕駛技術(shù)是其中一種典型的高新技術(shù)的綜合體，主要包括計(jì)算機(jī)技術(shù)、現(xiàn)代傳感器技術(shù)、通訊網(wǎng)絡(luò)、信息技術(shù)融合、人工智能、自動(dòng)控制原理等。隨著對(duì)自動(dòng)駕駛車(chē)輛控制系統(tǒng)的研究不斷深入與完善，從一定角度來(lái)說(shuō)，駕駛員的控制、視覺(jué)和感官功能都得到了延伸，這就彌補(bǔ)了人為因素造成的缺陷，大大提高交通中的安全因素。

1 自動(dòng)駕駛技術(shù)研究現(xiàn)狀

自動(dòng)駕駛技術(shù)在國(guó)外起步較早，一些發(fā)達(dá)國(guó)家比如美國(guó)、德國(guó)、法國(guó)等在自動(dòng)駕駛汽車(chē)的研究方面走在了世界的前列。

谷歌公司是最早參與研發(fā)自動(dòng)駕駛技術(shù)的[1]，早在2009年谷歌公司提出了關(guān)于自動(dòng)駕駛的構(gòu)想和方案，如今谷歌公司讓其自動(dòng)駕駛系統(tǒng)運(yùn)行里程超過(guò)了200萬(wàn)英里。豐田汽車(chē)作為行業(yè)的大佬，在實(shí)車(chē)試驗(yàn)上，推出了最新2.0版本的自動(dòng)駕駛汽車(chē)，在時(shí)間上，豐田預(yù)計(jì)在2025年會(huì)有量產(chǎn)的自動(dòng)駕駛汽車(chē)上市。百年車(chē)企寶馬目前已與處理器領(lǐng)導(dǎo)者Intel以及掌握著自動(dòng)駕駛關(guān)鍵技術(shù)的以色列科技公司Mobileye合力推進(jìn)自動(dòng)駕駛技術(shù)[2]。并且英特爾以153億美元收購(gòu)以色列ADAS公司Mobileye，并宣布2021 年聯(lián)合批量生產(chǎn)自動(dòng)駕駛汽車(chē)。而且已經(jīng)通過(guò)測(cè)試的自動(dòng)駕駛7系列也將在歐洲和美國(guó)面市。

與國(guó)外發(fā)達(dá)國(guó)家相比，我國(guó)自動(dòng)駕駛技術(shù)研究起步較晚，開(kāi)始比較集中在離校及科研院所?，F(xiàn)如今，在國(guó)家一系列政策的支持下，我國(guó)的自動(dòng)駕駛技術(shù)及其相關(guān)技術(shù)在最近幾年的發(fā)展非常迅速，但是在自動(dòng)駕駛方面，比如視頻分析下的環(huán)境感知和車(chē)輛精確控制等關(guān)鍵技術(shù)方面都存在明顯的不足，與美國(guó)等這些發(fā)達(dá)國(guó)家的水平還存在較大的差距，離最終實(shí)現(xiàn)自動(dòng)駕駛汽車(chē)的目標(biāo)還有許多研究難題需要攻克，還有許多路要走。

2 圖像處理技術(shù)

2.1 圖像的形成

計(jì)算機(jī)圖像是一個(gè)像素矩陣。每個(gè)像素值與場(chǎng)景中對(duì)應(yīng)點(diǎn)的圖像的亮度成正比；通常，這個(gè)像素值是根據(jù)模數(shù)轉(zhuǎn)換器的輸出來(lái)計(jì)算的[3]。一幀圖像可以描述成N×N的m位像素，其中N是點(diǎn)的數(shù)目，m表示亮度值的級(jí)數(shù)。m位（bit）給出2m個(gè)值，范圍從0到2m-1。如果m值取8，那么亮度范圍在0—255之間，這兩個(gè)數(shù)值通常分別顯示黑色和白色，他們之間的亮度值顯灰色，正如圖2.1的灰度圖像所示。m值越小，則有效亮度級(jí)也越少，從而減少圖像中的有效對(duì)比度。

從圖像中可以看出，位平面1所帶來(lái)的信息最少，隨著位的級(jí)數(shù)增加，所帶的信息也有所增加。位平面8所帶的信息最多。可以看出，原圖像的內(nèi)容在高級(jí)數(shù)圖像比其他級(jí)數(shù)的圖像更容易識(shí)別。

彩色圖像利用類(lèi)似的存儲(chǔ)方法來(lái)確定像素的亮度。但是不是利用一個(gè)圖像平面，而是利用三個(gè)亮度分量來(lái)表示，這樣占得存儲(chǔ)空間也非常大。由于灰度圖像中有足夠的信息來(lái)進(jìn)行特征提取和圖像處理分析，而且車(chē)載自動(dòng)駕駛系統(tǒng)的內(nèi)存有限。因此，在自動(dòng)駕駛中只進(jìn)行對(duì)灰度圖像在的處理。

對(duì)于灰度圖像的處理，N值的選擇非常復(fù)雜。N應(yīng)該足夠大以分辨圖像的空間細(xì)節(jié)程度。如果N值太小，那么圖像看起來(lái)呈現(xiàn)鋸齒狀，而且會(huì)丟失很多細(xì)節(jié)。N值越大，細(xì)節(jié)越多，但是需要的存儲(chǔ)空間越大，而且隨著像素的增大，圖像處理所需要的時(shí)間也會(huì)越多。如圖2.2所示為不同分辨率的圖像效果。圖2.2（a）是一個(gè)64×64的圖像，它只顯示了粗略的結(jié)構(gòu)，不能觀察其他的一些細(xì)節(jié)，（b）圖是一個(gè)128×128的圖像，從這幅圖可以看出更多的細(xì)節(jié)，（c）圖是所示是256×256的圖像，它顯示了更多的層次細(xì)節(jié)。這組圖片都被調(diào)整到相同的大小，因此（a）圖比（c）圖的像素大很多，（a）圖突出了圖像的鋸齒形的結(jié)構(gòu)。在圖像處理中我們最常用的是256×256或512×512大小的圖像。

2.2 圖像處理運(yùn)算方法

在圖像處理中，首先，利用直方圖描述圖像的亮度變化。經(jīng)過(guò)一系列的點(diǎn)運(yùn)算，比如通過(guò)不同的方式使圖像變亮或變暗，把灰度圖像轉(zhuǎn)化為二值圖像的處理方法。然后再進(jìn)行群運(yùn)算，指的是計(jì)算新圖像點(diǎn)作為原圖像同一位置點(diǎn)的近鄰點(diǎn)的函數(shù)。這些運(yùn)算是為了圖像的特征提取進(jìn)行預(yù)處理或者提高顯示亮度。

圖像處理中最基本的運(yùn)算是點(diǎn)運(yùn)算，處理過(guò)的圖像得到的像素值都是在原像素值的基礎(chǔ)上得到的新值，如果要增加亮度以拉伸對(duì)比度，我們只需要將所有的像素值與一個(gè)標(biāo)量相乘。因而我們可以用一個(gè)公式來(lái)表示新圖像N中所有點(diǎn)的亮度值與原圖像O中點(diǎn)的亮度值之間的關(guān)系：

Nx，y=k×Ox，y+l x，y∈1，N

式中l(wèi)代表圖像總體的亮度，亮度級(jí)范圍由增益k表示。從這個(gè)公式中可以看出，亮度級(jí)控制圖像的總體的亮度，是輸出圖像的最小值。增益控制對(duì)比度或者范圍，如果增益大于1，那么輸出的區(qū)間范圍將會(huì)增加，圖像將會(huì)變得更亮。

隨著技術(shù)的不斷成熟，人們對(duì)圖像清晰度的要求也越來(lái)越高，如果得到高精度的圖像，就需要對(duì)圖像的像素增加，而圖像的大小也隨之增加，這對(duì)于圖像處理速度來(lái)說(shuō)是一個(gè)很大的挑戰(zhàn)。另一方面，計(jì)算機(jī)信息技術(shù)的發(fā)展帶來(lái)了產(chǎn)業(yè)的革新，能夠快速的處理信息量比較大的圖像，甚至有時(shí)候能夠?qū)崟r(shí)的同步。計(jì)算機(jī)技術(shù)的發(fā)展對(duì)數(shù)字圖像的處理起了很大的作用，這就是圖像處理技術(shù)目前越來(lái)越受歡迎的主要原因。endprint

3 圖像處理技術(shù)在自動(dòng)駕駛中的應(yīng)用

自動(dòng)駕駛的關(guān)鍵技術(shù)是環(huán)境感知技術(shù)和車(chē)輛控制技術(shù)，其中環(huán)境感知技術(shù)是自動(dòng)駕駛汽車(chē)行駛的基礎(chǔ)，車(chē)輛控制技術(shù)是自動(dòng)駕駛汽車(chē)行駛的核心，這兩項(xiàng)技術(shù)相輔相成共同構(gòu)成自動(dòng)駕駛汽車(chē)的關(guān)鍵技術(shù)。

環(huán)境感知技術(shù)指汽車(chē)在行駛狀態(tài)下能夠獲取自身所處的位置以及周?chē)沫h(huán)境和一些障礙物的信息，在必要的情況下對(duì)汽車(chē)的本身進(jìn)行剎車(chē)制動(dòng)以及其他的一些操作，以保證汽車(chē)行駛的安全性和操縱穩(wěn)定性。車(chē)載攝像頭根據(jù)拍攝到的畫(huà)面?zhèn)鬟f到汽車(chē)的控制中心即車(chē)載電腦，從而讓汽車(chē)在行駛中根據(jù)這些情況規(guī)劃修改行駛路線(xiàn)。已經(jīng)在很大程度上減輕了駕駛員的操作疲勞程度。根據(jù)車(chē)輛的視頻分析與圖像特征對(duì)比，從而能更好的開(kāi)發(fā)視頻分析技術(shù)的作用，應(yīng)用到自動(dòng)駕駛技術(shù)中。

圖像處理在車(chē)道線(xiàn)檢測(cè)方面的應(yīng)用，目前的情況大多是在較為理想的環(huán)境路面條件下，利用圖像處理技術(shù)的核心就是基于攝像頭的視覺(jué)感知系統(tǒng)。當(dāng)汽車(chē)行駛時(shí)，攝像裝置將汽車(chē)外的目標(biāo)景物根據(jù)小孔成像的原理投射到圖像傳感器上，然后圖像傳感器根據(jù)光照強(qiáng)度的不同產(chǎn)生不同強(qiáng)度的電流，經(jīng)過(guò)一系列的處理轉(zhuǎn)換變成數(shù)字信號(hào)傳遞到計(jì)算機(jī)控制中心。計(jì)算機(jī)根據(jù)這些數(shù)字化的信號(hào)，對(duì)圖像進(jìn)行識(shí)別、處理、分析。然后再利用車(chē)載雷達(dá)向車(chē)輛周?chē)哪繕?biāo)發(fā)射信號(hào)或者接受反射回來(lái)的信號(hào)，傳遞到計(jì)算機(jī)控制中心，計(jì)算機(jī)控制中心再根據(jù)這些信息，通過(guò)計(jì)算、分析來(lái)獲取周?chē)拔锞嚯x車(chē)輛的遠(yuǎn)近。

如果車(chē)道線(xiàn)被積雪、雜物等覆蓋，系統(tǒng)可能檢測(cè)不出來(lái)，導(dǎo)致車(chē)輛無(wú)法正確的識(shí)別車(chē)道線(xiàn)[4]，會(huì)出現(xiàn)車(chē)輛跑偏的情況。因此在環(huán)境感知技術(shù)方面，應(yīng)多考慮在復(fù)雜的情況路面下車(chē)輛如何進(jìn)行正確駕駛的問(wèn)題，這時(shí)候利用視頻分析技術(shù)，由環(huán)境感知系統(tǒng)測(cè)定車(chē)輛周?chē)沫h(huán)境，然后利用視頻序列是隨著時(shí)間推移而連續(xù)變化的這一特點(diǎn)，推導(dǎo)出車(chē)道線(xiàn)在這個(gè)時(shí)間內(nèi)也是擁有一定的連續(xù)性。利用這一特點(diǎn)可以建立視頻在相鄰兩幀之間的連續(xù)性，從而在對(duì)當(dāng)前車(chē)道線(xiàn)的圖像進(jìn)行檢測(cè)的過(guò)程中利用上一幀的圖像進(jìn)行標(biāo)定。然后車(chē)載計(jì)算機(jī)控制系統(tǒng)根據(jù)這一圖像繪制完整的車(chē)道線(xiàn)，保障汽車(chē)安全平穩(wěn)的駕駛。

4 結(jié)語(yǔ)

隨著科技的進(jìn)步和技術(shù)的發(fā)展。現(xiàn)在的車(chē)輛都已經(jīng)有了比如車(chē)道輔助系統(tǒng)和自適應(yīng)巡航控制等系統(tǒng)。這都是在視頻分析、圖像處理的基礎(chǔ)上對(duì)汽車(chē)的進(jìn)一步改進(jìn)。在未來(lái)幾年，隨著自動(dòng)駕駛技術(shù)的成熟，圖像處理技術(shù)的熟練應(yīng)用，完全實(shí)現(xiàn)自動(dòng)駕駛的汽車(chē)也將會(huì)變得越來(lái)越普遍。通過(guò)在理論層面對(duì)視頻分析技術(shù)的應(yīng)用研究，就能為未來(lái)的自動(dòng)駕駛發(fā)展提供理論層面的知識(shí)，從而為以后的技術(shù)提供更為準(zhǔn)確的研究方向。

參考文獻(xiàn)：

[1]Watzenig D， Horn M. Introduction to Automated Driving[M]. Automated Driving.Springer International Publishing，2017.

[2]王俊.無(wú)人駕駛車(chē)輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D].中國(guó)科學(xué)技術(shù)大學(xué)，2016.

[3]Mark S.Nixon，Alberto S.Aguado.Feature Extraction and Image Processing[M].

[4]李小樂(lè).基于連續(xù)視頻幀的多特征融合道路車(chē)輛檢測(cè)方法研究[D].長(zhǎng)沙：湖南大學(xué)，2013.endprint