只用1個(gè)攝像頭實(shí)現(xiàn)汽車防碰撞系統(tǒng) （下）

　　軟件是關(guān)鍵，根據(jù)三個(gè)特征判定車輛

　　EyeQ2實(shí)際上能夠同時(shí)處理汽車預(yù)防式安全系統(tǒng)和防撞輔助系統(tǒng)所必須的以下檢測(cè)（圖6）：（1）前方車輛、（2）車道線、（3）與前方車輛的距離、（4）與前方車輛的相對(duì)速度和相對(duì)加速度、（5）車道內(nèi)的前方車輛、（6）彎道、（7）行人。

　　圖6：檢測(cè)車輛和車道線

　　通過檢測(cè)車輛和車道線提高了報(bào)警精度，可區(qū)分同一車道內(nèi)的車輛及其他車道的車輛。

　　關(guān)于（1）車輛檢測(cè)，識(shí)別車輛依照的是對(duì)三個(gè)特征的檢測(cè)，分別是車輛后部的矩形檢測(cè)、后輪檢測(cè)、2個(gè)尾燈的檢測(cè)（圖7）。系統(tǒng)將通過比對(duì)預(yù)先保存的幾十種車輛形狀的圖案，判斷前方物體是否為汽車。如果是汽車，系統(tǒng)可以判斷出后輪輪胎的位置。而尾燈則是夜晚重要的檢測(cè)要素。

　　圖7：捕捉車輛后方的特征

　　通過檢測(cè)長(zhǎng)方形或正方形的車輛后部以及2個(gè)輪胎、尾燈，判斷前方物體為車輛。

　　在識(shí)別車輛時(shí)，CMOS傳感器上的車寬需要達(dá)到13個(gè)像素以上，這相當(dāng)于與車寬為1.6m的車輛相距115m。從CMOS傳感器的性能來看，前方的識(shí)別限度約為90m。

　　單眼攝像頭也能測(cè)量距離

　?。?）車道線的檢測(cè)數(shù)據(jù)將用于車距監(jiān)測(cè)及警示、前方車輛碰撞警示。50m遠(yuǎn)的寬度為10cm的車道線在CMOS傳感器上相當(dāng)于2個(gè)像素。系統(tǒng)將從攝像頭圖像中識(shí)別出車道線，根據(jù)攝像頭的視野和在前窗上安裝的位置等信息計(jì)算出車道線的寬度及其與車輛的相對(duì)位置，利用卡爾曼濾波器推測(cè)車道線。

　?。?）與前方車輛的距離是利用“遠(yuǎn)近法原理”計(jì)算得出的（圖8）。其原理如下，因?yàn)閿z像頭的地面高度（H）已知，所以，路面上前方車輛接觸地面的位置比水平面上無限遠(yuǎn)的一點(diǎn)（延伸焦點(diǎn)，F(xiàn)OE：focusof expansion）略低幾度。

　　圖8：車距檢測(cè)的原理

　　單眼攝像頭檢測(cè)車距利用“遠(yuǎn)近法原理”。事先測(cè)量出攝像頭的地面高度H，根據(jù)關(guān)系公式計(jì)算出距離Z。

　　映射到攝像頭內(nèi)部的CMOS傳感器上的圖像的高度（y）隨與前車（后輪輪胎與道路的接觸面）的距離而變化。攝像頭的焦距（f）同樣為已知條件。按照“H：Z＝y(tǒng)：f”計(jì)算，即可求出與前車的距離Z。而且，距離碰撞的時(shí)間也可以根據(jù)“Z/相對(duì)速度”的公式求出。

　　攻克檢測(cè)行人這一難題

　　與車輛的識(shí)別相比，（7）行人檢測(cè)的難度要大得多。行人不同于車輛，動(dòng)作、服裝、身體各部分的變化要素很多，而且還需要與街上的建筑、汽車、電線桿、樹木等背景圖案區(qū)分開來。

　　為了在有人走向行駛車道時(shí)盡可能縮小檢測(cè)延遲，對(duì)于車道外行人的檢測(cè)必不可少。因此可以容許出現(xiàn)某種程度的誤判。

　　提高行人檢測(cè)的精度依靠的是“單幀分類”和“多幀認(rèn)證”兩個(gè)步驟。首先通過“單幀分類”判斷出“好像是行人”，然后再轉(zhuǎn)入“多幀認(rèn)證”，當(dāng)檢測(cè)到行人進(jìn)入車道內(nèi)時(shí)提高等級(jí)，采取立即發(fā)出報(bào)警等處理方式。

　　在行人識(shí)別中，系統(tǒng)將把推測(cè)為行人的圖像分成9個(gè)區(qū)域提取特征（圖9），結(jié)合多幀的動(dòng)態(tài)變化提高精度。識(shí)別到的VGA分辨率的縱長(zhǎng)長(zhǎng)方形行人圖像將在調(diào)整到12×36像素后進(jìn)入“單幀分類”處理。根據(jù)匯總了3～25m范圍內(nèi)15萬個(gè)廣泛的行人事例（考慮到了動(dòng)作和停頓、照明、背景圖案、氣象條件、天氣下的可視條件等）的測(cè)試數(shù)據(jù)集進(jìn)行分類（注3）。

　　圖9：提取行人特征

　　把拍攝的圖像分成9個(gè)區(qū)域提取特征，識(shí)別其是否為行人。

　　（注3）數(shù)字依照Mobileye發(fā)表的論文，與現(xiàn)在的產(chǎn)品參數(shù)可能存在差異。

　　測(cè)試數(shù)據(jù)集根據(jù)在日本、德國（慕尼黑）、美國（底特律）、以色列各國的市區(qū)行駛50個(gè)小時(shí)獲得的數(shù)據(jù)制成。這種方法在誤判率為5.5%的情況下，檢測(cè)率可達(dá)90%?？紤]到檢測(cè)率與誤判率的均衡，最終采用的檢測(cè)率為93.5%，此時(shí)誤判率約為8%。

　　對(duì)于“單幀分類”無法檢測(cè)出的情況，在“多幀認(rèn)證”這一步中，考慮到了動(dòng)態(tài)步伐和移動(dòng)檢測(cè)、再檢測(cè)、腳部位置檢測(cè)，目的是區(qū)分行人與背景中的靜止物體（電線桿、樹木、護(hù)欄）的辦法。借助以上改進(jìn)，系統(tǒng)在白天能夠識(shí)別出30m前方身高在1m以上的行人。

　　攝像頭方式特有的弱點(diǎn)

　　我們的防碰撞報(bào)警系統(tǒng)也存在弱點(diǎn)。因?yàn)槭腔跀z像頭進(jìn)行圖像識(shí)別，所以人眼看不到的東西無法識(shí)別。在識(shí)別車道線時(shí)，掉色的車道線、在雨雪覆蓋下難以辨識(shí)的車道線可能無法識(shí)別。

　　在隧道的入口和出口附近，前方車輛與隧道影像重疊也可能造成誤報(bào)；前方車輛映照在被雨水淋濕的道路上的倒影也有可能造成誤報(bào)；當(dāng)太陽位于靠近地平線的正前方時(shí)，攝像頭有時(shí)會(huì)無法正確識(shí)別前方車輛；而且，當(dāng)攝像頭正前方的前窗上有水滴時(shí)，系統(tǒng)有可能發(fā)生魚眼鏡頭效應(yīng)，對(duì)前方車輛的大小判斷錯(cuò)誤（注4）。

　?。ㄗ?）以上是Mobileye技術(shù)部門列舉的可能發(fā)生誤判的場(chǎng)合和條件。

　　未來將把自動(dòng)駕駛也納入視野

　　為了改善這些弱點(diǎn)，我們已經(jīng)著手開始改進(jìn)圖像處理SoC。目前正在與意法合資意法半導(dǎo)體合作開發(fā)名為“EyeQ3”的第3代產(chǎn)品。計(jì)劃在2014年開始供應(yīng)配備該SoC的產(chǎn)品。

　　EyeQ3內(nèi)嵌4個(gè)支持多線程的“MIPS32內(nèi)核”，每個(gè)CPU內(nèi)核都配備了我們的VMP（vector microcode processor）。我們計(jì)劃通過靈活分配控制與數(shù)據(jù)處理，使其性能達(dá)到EyeQ2的6倍。

　　而且，我們還計(jì)劃實(shí)現(xiàn)支持多攝像頭輸入等大容量影像數(shù)據(jù)處理。如果除了前方之外，攝像頭還能安裝在后方和側(cè)面用以獲取信息，應(yīng)該能實(shí)現(xiàn)更可靠的防碰撞報(bào)警系統(tǒng)。

　　隨著攝像頭與汽車的融合，自動(dòng)駕駛也已經(jīng)進(jìn)入了我們的視野，現(xiàn)在此技術(shù)已經(jīng)著手開發(fā)。需要解決的課題雖然很多，但我們每天都在積極地迎接挑戰(zhàn)。在今后，Mobileye依然將全力開發(fā)更加方便大眾的汽車技術(shù)。