理论知识
机器视觉在自动驾驶中的应用
浏览:295 次
时间:2021-03-30 09:00:14

       机器视觉技术是当前计算机科学和自动驾驶领域最热门的研究方向之一。

       生物学研究表明,人类获得外界信息的方式75%是依靠视觉系统,而在驾驶环境中这一比例甚至高达90%。如果能够将人类视觉系统应用到自动驾驶领域,自动驾驶的准确性无疑将会得到大幅度的提高。莫尔视觉计算理论提出,通过实现神经网络相关算法使机器拥有同人类视觉系统同样的功能。这一理论的提出,使机器视觉的发展发生了革命性的进步。

        一般一个完整的机器视觉系统分为光源、镜头、相机、图像采集卡和图像处理单元五大部分,而其中最为核心就是图像处理单元,也就是把存入的数字化信息与模板库信息进行比较,并快速得出结论并处理。在这一过程中,图像处理单元的运算速度和准确率是关键指标。这主要通过高效合理的算法和处理能力强大的芯片来实现。

        如今市场上已有很多种高效视觉专用的硬件处理器及芯片等电子器件,而随着计算机技术的进步,更先进的算法被相继发明,例如采用网格分布式处理系统能够有效的提高运算效率。今后机器视觉的核心问题将是对图像的深入理解。

        机器视觉在自动驾驶中的应用表现以下两个方面:

         一、道路检测

       道路检测技术是自动驾驶中的关键部分,可以为司机或车辆的驾驶决策部分提供必要的道路环境信息。但是由于道路环境的复杂性,道路检测的结果易于受到气候、光照、车辆以及各种复杂交通状况的影响。至今并没有一个通用的算法可以完全解决此问题,但现有算法基本上都对道路做了一定的假设。通常采用的假设有:1、道路等宽假设;2、特定兴趣区域假设;3、道路平坦假设。道路平坦假设也为障碍物定义提供了参考。

        二、障碍物检测

       障碍物检测技术是自动驾驶系统中的关键技术之一,其可靠性、快速性和准确性是衡量自动驾驶系统的重要指标。在行驶过程中,障碍物的出现是无法预料的,也无法根据现有的电子地图避开障碍物,只能在车辆行驶过程中及时发现,并加以处理。目前,可以认为一切可能妨碍车辆正常行驶的物体和影响车辆通行的异常地形都是车辆行驶过程中的障碍物。目前关于障碍物检测上午算法主要有以下三种:1、基于光流场的;2、基于特征的;3、基于立体视觉的。在三种算法中,基于立体视觉的算法因为既不需要障碍物的先验知识, 对障碍物是否运动也无限制, 还能直接得到障碍物的实际位置而成为了主流研究方向。但其对摄像机标定要求较高,在车辆行驶过程中,摄像机定标参数会发生漂移, 需要对摄像机进行动态标定。

       目前,机器视觉技术在自动驾驶中还没有大规模的应用,这并不是硬件的问题,事实上摄像头技术在汽车中的应用已经十分成熟,如行车记录仪,广角视野、倒车影像等功能都完全具备,芯片技术也可高效地完成图像的压缩处理,最终难点在于模拟神经网络的视觉算法。

       北京盈美智科技发展有限公司一直致力于机器视觉领域(Imaging Technology & Machine Vision),提供图像处理分析、机器视觉应用等全方位解决方案。公司代理销售国际各大知名厂商的工业相机、图象采集卡、图像仿真卡、科研级相机及图像处理软件等视觉产品,还可根据用户的实际要求,实现从硬件到软件的全套图像处理系统集成。  

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.