1、引言

　　隨著社會的發(fā)展和人口的增長，汽車越來越多的進(jìn)入我們的日常生活，交通也日益擁擠。駕駛汽車是一項復(fù)雜的活動，長時間的駕駛很容易使人感到疲勞，從而容易導(dǎo)致交通事故。此外一些工程車輛在作業(yè)時環(huán)境惡劣、勞動強度大，這些車輛的駕駛自動化是非常有必要的。為了使汽車駕駛操作簡單、安全、舒適，把人從繁重枯燥的汽車駕駛中解脫出來，當(dāng)今世界各國都在積極研究開發(fā)自動駕駛技術(shù)。

　　德國、美國和日本等國在汽車自動駕駛領(lǐng)域開展了積極的研究并取得了很大的成績。我國國防科技大學(xué)機電工程學(xué)院一直在進(jìn)行汽車自動駕駛技術(shù)的研究，其與第一汽車集團(tuán)公司聯(lián)合研制的無人駕駛型“紅旗”CA7460于2003年6月在湖南長沙試車成功，穩(wěn)定行駛時速達(dá)130KM/h（美國最高水平 100KM/h、德國120 KM/h），最高時速達(dá)170 KM/h，具備安全超車能力。但他們的系統(tǒng)主要是依靠車載雷達(dá)、紅外測距儀和圖像傳感器來識別測量路面環(huán)境狀況，所得到的路面環(huán)境信息不豐富，不能滿足汽車智能駕駛的要求，所以這些系統(tǒng)都還只能在路況良好的高速公路上應(yīng)用，無法適應(yīng)道路環(huán)境惡劣的低級公路和城市公路。

　　視覺是人類觀察世界、認(rèn)識世界的重要功能手段，人類從外界獲得的信息約有75%來自視覺系統(tǒng)，特別是駕駛員駕駛需要的信息90%來自視覺。在目前汽車輔助駕駛所采用的環(huán)境感知手段中，視覺傳感器比超聲、激光雷達(dá)等可獲得更高、更精確、更豐富的道路結(jié)構(gòu)環(huán)境信息。隨著計算機技術(shù)的發(fā)展和圖像處理/識別技術(shù)的成熟，機器視覺技術(shù)獲得長足的發(fā)展，目前廣泛的應(yīng)用在三維測量、三維重建、虛擬現(xiàn)實、運動目標(biāo)檢測和目標(biāo)識別等方面。在汽車的自動駕駛發(fā)面，一個前提性的問題就是路況識別和車輛、障礙物的距離、速度檢測，解決了這個問題才可能去控制汽車的駕駛。而機器視覺技術(shù)融合三維測量和圖像識別技術(shù)于一身。

　　目前，機器視覺在智能機器人領(lǐng)域的研究熱火朝天：Klaus Fleischer等人提出的基于機器視覺的城外公路基礎(chǔ)設(shè)施固定對象的檢測與跟蹤;D. Brzakovie等人提出道路邊緣檢測在移動機器人導(dǎo)航中應(yīng)用 ; O.Djekoune等人提出基于神經(jīng)網(wǎng)絡(luò)的視覺引導(dǎo)機器人導(dǎo)航。這些研究成果對機器視覺在智能駕駛中應(yīng)用有著重要的啟迪。

　　本文把機器視覺技術(shù)為主要的路況感知手段應(yīng)用到車輛自動駕駛中去，為實現(xiàn)車輛智能化駕駛提供一個不同的思考角度。

　　2、機器視覺技術(shù)

　　自從MARR視覺計算理論提出以來，機器視覺技術(shù)迅速發(fā)展，是目前智能駕駛領(lǐng)域發(fā)展最快的技術(shù)之一，也是智能駕駛領(lǐng)域研究的主要方向之一。

　　2.1機器視覺基本原理

　　獲取場景中各點相對于攝像機的距離是立體視覺系統(tǒng)的重要任務(wù)之一，場景中各點相對于攝像機的距離可以用深度圖（depth map）來表示。機器視覺系統(tǒng)主要是依靠雙（多）目CCD在不同的空間位置上上獲取兩（多）幅圖像，通過這兩（多）幅圖像的深度信息和成像幾何來生成深度圖（圖1所示）。

　　本文以比較簡單常用的雙目CCD視覺系統(tǒng)為例，它的幾何關(guān)系如圖所示。它由兩個完全相同的CCD攝像機（攝像頭）構(gòu)成，兩個圖像平面位于同一個平面上，兩個攝像機（攝像頭）的坐標(biāo)軸相互平行，且x軸重合，攝像機之間在下x方向上的間距為極限距離B。

　　圖1 雙目立體視覺幾何模型

　　在圖中，場景點P在左右圖像平面中的投影點分別為P左和P右，假設(shè)坐標(biāo)系原點與左透鏡中心重合，比較相似三角形PMCl和PlLCl得到：

　　 （1）

　　同理，從相似三角形PNCr和PlRCr，得到：

　　 （2）

　　合并上面兩式：

　　 （3）

　　其中F是焦距。

　　由上面推導(dǎo)可知各種場景中的深度信息可以通過計算視差來實現(xiàn)。在機器視覺系中統(tǒng)要能準(zhǔn)確的計算視差，一個重要的前提就是能夠找到左右圖像對中投影點的共軛對（場景中同一點在不同的圖像中的投影點稱作共軛對），即立體匹配。匹配的方法主要有邊緣特征匹配、區(qū)域特征匹配和相位匹配三類。立體配對是機器視覺里面研究的一個重要方向，在這方面有很多有用的研究成果，O.Djekoune等人在文中提出了應(yīng)用神經(jīng)網(wǎng)絡(luò)的方法提高立體像對的匹配速度和準(zhǔn)確度的新算法。

　　2.2 機器視覺技術(shù)在智能駕駛中應(yīng)用

　　在智能駕駛中應(yīng)用機器視覺技術(shù)，機器視覺技術(shù)必須具備實時性、魯棒性、實用性這三個特點。實時性要求機器視覺系統(tǒng)的數(shù)據(jù)處理必須與車輛的高速行駛同步進(jìn)行;魯棒性是要求智能車輛對不同的道路環(huán)境如高速公路、市內(nèi)公路、普通公路等，復(fù)雜的路面環(huán)境如路面的寬度、顏色、紋理、彎道、坡度、坑洼、障礙與車流等，各種天氣晴、陰、雨、雪、霧等均具有良好的適應(yīng)性;實用性指智能車輛能夠為普通用戶所接受。

　　目前，機器視覺主要用于路徑的識別與跟蹤。與其它傳感器相比，機器視覺具有檢測信息量豐富、無接觸測量和能實現(xiàn)道路環(huán)境三維建模等優(yōu)點，但數(shù)據(jù)處理量極大，存在系統(tǒng)實時性和穩(wěn)定性問題，要靠開發(fā)高性能的計算機硬件，研究新算法來解決。隨著計算機技術(shù)和圖像處理技術(shù)的飛速發(fā)展，三維重建道路環(huán)境為車輛高速智能駕駛提供強大的信息，在不遠(yuǎn)的將來具有現(xiàn)實可行性。

　　機器視覺的道路識別基本原理為，公路路面的環(huán)境（白色路標(biāo)、邊緣、路面顏色、坑洼、障礙物等）的CCD圖像灰度值和圖像紋理、光流有差異。根據(jù)這種差異，經(jīng)圖像處理后可以獲得需要的路徑圖像信息，如方位偏差、側(cè)向偏差、車輛在道路中的位置等信息。將這些信息與車輛的動力學(xué)方程相結(jié)合，可構(gòu)成車輛控制系統(tǒng)數(shù)學(xué)模型。