行业动态
机器视觉助阵汽车智能驾驶系统,实现驾驶自动化
浏览:1314 次
时间:2014-05-26 10:45:43

 

        视觉是人类观察世界、认识世界的重要功能手段,人类从外界获得的信息约有75%来自视觉系统,特别是驾驶员驾驶需要的信息90%来自视觉。驾驶汽车是一项复杂的活动,长时间的驾驶很容易使人感到疲劳,从而容易导致交通事故。为了使汽车驾驶操作简单、安全、舒适,一些工程车辆在作业时环境恶劣、劳动强度大,这些车辆的驾驶自动化是非常有必要的。德国、美国和日本等国在汽车自动驾驶领域开展了积极的研究并取得了很大的成绩。

        我国国防科技大学机电工程学院一直在进行汽车自动驾驶技术的研究,其与第一汽车集团公司联合研制的无人驾驶型“红旗”CA7460于2003年6月在湖南长沙试车成功,稳定行驶时速达130KM/h(美国最高水平100KM/h、德国120 KM/h),最高时速达170 KM/h,具备安全超车能力。但他们的系统主要是依靠车载雷达、红外测距仪和图像传感器来识别测量路面环境状况,所得到的路面环境信息不丰富,不能满足汽车智能驾驶的要求,所以这些系统都还只能在路况良好的高速公路上应用,无法适应道路环境恶劣的低级公路和城市公路。

        在智能驾驶中应用机器视觉技术,机器视觉技术必须具备实时性、适应性、实用性这三个特点。实时性要求机器视觉系统的数据处理必须与车辆的高速行驶同步进行;适应性是要求智能车辆对不同的道路环境如高速公路、市内公路、普通公路等,复杂的路面环境如路面的宽度、颜色、纹理、弯道、坡度、坑洼、障碍与车流等,各种天气晴、阴、雨、雪、雾等均具有良好的适应性;实用性指智能车辆能够为普通用户所接受。

        机器视觉的道路识别基本原理为,公路路面的环境(白色路标、边缘、路面颜色、坑洼、障碍物等)的CCD图像灰度值和图像纹理、光流有差异。根据这种差异,经图像处理后可以获得需要的路径图像信息,如方位偏差、侧向偏差、车辆在道路中的位置等信息。将这些信息与车辆的动力学方程相结合,可构成车辆控制系统数学模型。

        目前, 机器视觉主要用于路径的识别与跟踪。与其它传感器相比,机器视觉具有检测信息量丰富、无接触测量和能实现道路环境三维建模等优点,但数据处理量极大,存在系统实时性和稳定性问题,要靠开发高性能的计算机硬件,研究新算法来解决。随着计算机技术和图像处理技术的飞速发展,三维重建道路环境为车辆高速智能驾驶提供强大的信息,在不远的将来具有现实可行性。

京ICP备12022927号-1
北京市海淀区上地信息路1号国际科技创业园1—1705
© Copyright 2011 北京盈美智科技 All rights reserved.