程彥棕　張楠　汪非　米小藝

摘要：近些年來，自動駕駛汽車很受大家的歡迎，但是在雨雪霧這種異常天氣下自動駕駛汽車對交通標(biāo)志牌的識別還存在著很大的難度以及還沒有較高的準(zhǔn)確度，所以對此方面進(jìn)行深入研究是很有必要的。

關(guān)鍵詞：自動駕駛、雨雪霧、異常天氣、交通標(biāo)志識別、STM32核心板、WIFI數(shù)傳模塊

在近些年來，隨著全球科學(xué)技術(shù)的發(fā)展，在很大程度上推動了世界汽車領(lǐng)域的技術(shù)大變革，進(jìn)而促進(jìn)了無人駕駛技術(shù)的出現(xiàn)和發(fā)展。然而對于我們關(guān)心的無人自動駕駛技術(shù)來說，在異常天氣下對交通標(biāo)志的識別無疑是一個(gè)需要克服的重大難題，所以我們團(tuán)隊(duì)針對異常天氣下的交通標(biāo)志識別展開了如下研究。

自動駕駛技術(shù)一般情況下可以分為環(huán)境感知、決策規(guī)劃和車輛控制三大部分。目前，自動駕駛相關(guān)的公司大都已經(jīng)做到了自動駕駛汽車在正常天氣狀況下的控制，但在惡劣天氣環(huán)境（主要是雨、雪、霧天氣）下，自動駕駛能力就會被大大削弱，并且還存在著不少較難突破的技術(shù)難題。另外我們從前幾年來公安部交管局發(fā)布的可靠數(shù)據(jù)獲知，近年來我國汽車持有量也在迅速增長，單從2006年的5千萬增長到2016年的1.84億輛，復(fù)合增長率就高達(dá)14%。根據(jù)國家信息中心不完全統(tǒng)計(jì)，2020年我國汽車保有量已達(dá)到2.5億輛，然而隨著汽車數(shù)量越來越多，事故發(fā)生率也大大增加，僅2019年一年國內(nèi)發(fā)生了5.04萬件交通案件，導(dǎo)致2.5萬人喪生以及4.68萬人不同程度受傷，特別是在雨雪霧等極端惡劣天氣下，交通事故的發(fā)生率要比平常要多20%左右。因?yàn)樵谟暄╈F等惡劣天氣下空氣能見度低、視線差，所以導(dǎo)致自動駕駛汽車不能很好地識別交通標(biāo)志，這是造成交通事故的一個(gè)重要因素。相關(guān)數(shù)據(jù)顯示，傳統(tǒng)汽車在惡劣天氣環(huán)境下的事故數(shù)量占到總事故數(shù)量很大的比例，尤其是在大雨、霧天、大雪天這種比較惡劣的條件下，都會造成對交通標(biāo)志的識別錯誤。對于正處于研發(fā)階段的自動駕駛汽車而言，就更是如此。即便是正常天氣，像谷歌、福特這種高科技企業(yè)研發(fā)的自動駕駛汽車也會有對交通標(biāo)志錯誤識別的情況，再加上雨雪霧這種惡劣天氣的干擾，系統(tǒng)就會變得更加地不穩(wěn)定。在自動駕駛的三大部分中，環(huán)境感知系統(tǒng)受這種雨雪霧極端惡劣天氣的影響最為嚴(yán)重。環(huán)境感知系統(tǒng)主要依賴于攝像頭、激光雷達(dá)和毫米波雷達(dá)等各種傳感器對周圍環(huán)境的掃描來處理并獲得車輛運(yùn)行的數(shù)字環(huán)境。本來每種感知設(shè)備都會有其自己特有的屬性和一些不可避免的局限性，如果再遇到雨雪霧這種惡劣天氣，感知能力就會受到很大程度上的削弱甚至說是喪失。所以對異常天氣下的交通標(biāo)志識別進(jìn)行深入研究有很大的需要。

首先為了模仿最真實(shí)的無人駕駛汽車的運(yùn)行狀態(tài)，我們選擇了一套市面上評價(jià)不錯的智能小車配件組裝了一臺智能避障小車，小車采用STM32核心板及L293D驅(qū)動擴(kuò)展板作為驅(qū)動，還配備了抗干擾馬達(dá)、舵機(jī)、超聲波傳感器、紅外避障等監(jiān)測重要模塊。在小車運(yùn)動過程中通過WIFI數(shù)傳攝像頭模塊將攝像頭的畫面，也就是模擬過異常天氣的交通標(biāo)志牌，傳到電腦終端或者手機(jī)終端，通過拍照截圖功能將所拍到的交通標(biāo)志保存下來，然后通過我們改進(jìn)的算法進(jìn)行處理并識別，會很大程度提高雨雪霧等惡劣天氣下交通標(biāo)志識別的準(zhǔn)確度。在實(shí)驗(yàn)過程中為了真實(shí)模仿雨雪霧等惡劣天氣下的交通標(biāo)志的情形，我們對于不同的惡劣天氣進(jìn)行不同方法的模擬情景：其中對于“雨”天氣，我們在交通標(biāo)志前上方進(jìn)行灑水操作;對于“霧”天氣，我們采用在交通標(biāo)志下方放置一臺空氣加濕器，通過不斷的噴出水霧來高度模擬霧天氣;對于“雪”天氣，我們通過在交通標(biāo)志牌的上方不斷地撒與雪花大小以及薄厚程度相似的泡沫來模仿。

接下來就是我們對傳回來的交通標(biāo)志牌進(jìn)行算法處理以及識別的內(nèi)容。交通標(biāo)志識別包括兩個(gè)關(guān)鍵的步驟：其一是對交通標(biāo)志的有效區(qū)域進(jìn)行檢測;其二是對獲取得到的有效區(qū)域進(jìn)行分類和識別。我們了解到如果運(yùn)用基于梯度下降算法的深層網(wǎng)絡(luò)就會幫助我們從眾多的數(shù)據(jù)中學(xué)習(xí)并且得到很多高維又復(fù)雜的非線性的特征，因而基于梯度下降算法的深層網(wǎng)絡(luò)就成為了我們進(jìn)行雨雪霧異常天氣下交通標(biāo)志牌識別圖像識別的首要選擇。在傳統(tǒng)對圖像進(jìn)行識別的系統(tǒng)中，一般都是通過手工設(shè)計(jì)出來的一些特征提取器來幫助完成特征提取任務(wù)然后再對一些不相關(guān)的信息進(jìn)行消除，如果使用這種方法的話，不僅效率會變得低下，客觀性也會較差。 基于梯度下降算法的深層網(wǎng)絡(luò)，則可以直接將WIFI數(shù)傳模塊傳回來的原始圖像或是經(jīng)過一些簡單預(yù)處理的圖像作為系統(tǒng)輸入，之后再通過構(gòu)建多個(gè)隱含層，從低維度特征至高維度特征，逐層抽取出來，再將邊緣局部的組合形成紋理，紋理再構(gòu)成區(qū)域，那么區(qū)域最終就會形成我們所想要的目標(biāo)。

我們的具體做法是先要使用傳統(tǒng)的暗原色估計(jì)算法對雨雪霧異常天氣下的交通標(biāo)志圖像作去異常處理后出現(xiàn)的光環(huán)效應(yīng)，設(shè)計(jì)出一種多尺度的窗口的自適應(yīng)暗原色估計(jì)算法，之后再通過對WIFI數(shù)傳模塊傳回來的圖像進(jìn)行邊緣檢測處理并根據(jù)景深邊緣信息改變所設(shè)計(jì)窗口的尺寸進(jìn)而會得到自適應(yīng)效果的暗原色估計(jì)圖。除此之外，還要針對含雨雪霧異常天氣下交通標(biāo)志圖像進(jìn)行去異常處理之后出現(xiàn)的明亮區(qū)域失真現(xiàn)象，設(shè)計(jì)出一種具有自適應(yīng)效應(yīng)的透射率修復(fù)的圖像算法。然后再針對傳統(tǒng)識別算法中對異常天氣下交通標(biāo)志識別正確率較低的問題，引入神經(jīng)網(wǎng)絡(luò)來對異常天氣下的交通標(biāo)志進(jìn)行識別。

總而言之，整個(gè)過程可以總結(jié)為通過組裝的智能避障小車來模擬真實(shí)的無人駕駛汽車狀態(tài)，然后通過不同的操作比如灑水、潑灑泡沫以及放置空氣加濕器來分別模仿自動駕駛過程中的雨雪霧異常天氣。在這種環(huán)境中，在小車路線前方放置特制的交通標(biāo)志牌，進(jìn)而讓小車搭載的WIFI數(shù)傳模塊將在模擬的異常天氣下的交通標(biāo)志圖像傳回來，然后運(yùn)用進(jìn)行基于梯度下降算法的深層網(wǎng)絡(luò)對傳回來的圖像作深一步的處理，以達(dá)到想要的結(jié)果。