基于视觉导航的交通标志检测和障碍物检测的车辆驾驶辅助系统

　　汽车技术的发展进入了智能化时代，机器视觉在众多汽车驾驶辅助技术中均有应用，机器视觉领域的技术进步无疑将推动汽车驾驶辅助技术的发展。因此图像采集质量的提升、图像处理算法的优化，如何更快速地实现图像智能生成、处理、识别并给出决策建议，都是机器视觉领域需要解决的重要问题。

　　编者按：机器视觉是汽车驾驶辅助系统应用领域的重要技术，文章主要综述了机器视觉在车道检测技术、交通标志识别技术、车辆识别技术、行人检测技术和驾驶员状态检测技术等领域的应用，着重介绍了机器视觉技术在上述领域目前的研究现状，为机器视觉在汽车驾驶辅助领域的进一步研究提供了参考。

　　随着我国汽车工业的快速发展，机动车的保有量逐年攀升，道路交通事故对人类生命和财产安全造成的重大危害也不断凸显。世界卫生组织发布的《道路安全全球现状报告2013》中指出，全世界每年约有124万人死于道路交通，道路交通伤害是全球第8大死因之一。

　　为了改善道路交通安全状况，国内外众多的科研机构、汽车企业均投入大量精力在汽车安全防护系统的研究和开发领域。研发内容从最早的机械和电子装置，发展到今时今日关注的热点———先进辅助驾驶系统（ADAS）。

　　以ADAS为代表的系统在硬件上应用了多种传感器，如超声波传感器、视觉传感器、雷达、GPS等，在行车过程中感知车辆自身状态及环境变化，采集车辆数据和环境数据，依据这些数据，进行交通场景识别、交通事件预测，并给出相应的驾驶建议和应急措施，辅助驾驶人员进行决策，避免交通事故发生，减少事故造成的伤害。

　　在实际驾驶过程中，驾驶员获取绝大部分信息均来自于视觉，比如：路面状况、交通标志、标线和信号、障碍物等，研究表明大约有90%的环境信息来自于视觉，如果能很好地利用视觉传感器理解路面环境，对实现车辆智能化是一个很好的选择。基于视觉导航的交通标志检测、道路检测、行人检测和障碍物检测的车辆驾驶辅助系统，可以降低驾驶员的劳动强度，提高行驶安全性，减少交通事故。

　　驾驶辅助系统在为驾驶员提供决策建议的过程中，使用了大量的视觉信息数据，在这方面视觉图像具有无法比拟的优势：

　　·视觉图像包含的信息量大，例如可视范围内物体的距离信息、物体形状、纹理和颜色等；

　　·视觉信息的获取是非接触的，不会破坏路面和周围环境，也不需要对现有道路设施进行大范围的配套修建；

　　·一次视觉图像的获取，可同时实现道路检测、交通标志检测、障碍物检测等多项工作；

　　·视觉信息的获取过程中不会出现车辆相互干扰的情况。

　　综上所述，智能车辆机器视觉技术在智能交通、汽车安全辅助驾驶、车辆的自动驾驶等方面有着广泛的应用前景。

　　目前，视觉传感器及机器视觉技术被广泛应用到了各类先进辅助驾驶系统中。其中，行车环境的感知是基于机器视觉的先进辅助驾驶系统的重要组成部分之一。

　　行车环境的感知主要是依靠视觉技术感知车辆行驶时的道路信息、路况信息和驾驶员状态，为辅助驾驶系统提供决策所必需的基础数据。其中，

　　·道路信息主要是指车外的静态信息，包括：车道线、道路边沿、交通指示标志和信号灯等；

　　·路况信息主要是指车外的动态信息，包括：行车前方障碍物、行人、车辆等；

　　·驾驶员状态属于车内信息，主要包括：驾驶员的疲劳、异常驾驶行为等，通过提醒驾驶员可能发生的不安全行为，避免车辆发生安全事故。

　　借助机器视觉技术对行车环境进行感知，可获取各种车内、外的静态信息和动态信息，帮助辅助驾驶系统做出决策判断。

　　根据上述分类，可知目前应用较多的基于机器视觉的先进辅助驾驶系统的关键技术包括：车道线检测技术、交通标志识别技术、车辆识别技术、行人检测技术和驾驶员状态检测技术等。

　　1.1车道线检测技术

　　目前已有的车道线检测技术研究成果中，主要涉及设备和算法两个方面。车道线检测技术的数据采集基于不同的传感器设备，例如激光雷达、立体视觉、单目视觉等。对采集到的信息，需要匹配适合的算法，例如基于模型的方法和基于特征的方法进行计算和决策。

　　·激光雷达的机器视觉原理是通过不同的颜色或材质有不同反射率的特点进行道路识别；

　　·立体视觉与激光雷达相比精确性高，但实现图像匹配难度大，设备成本较高，且由于算法复杂，导致了实时性较差；

　　·单目视觉在应用中主要通过基于特征、模型、融合和机器学习的方法实现，是目前进行车道线识别最主流的方法。