登录| 注册 退出
驭捷智能

图像检测算法瓶颈突破,汽车ADAS性能大跃进

2021-04-15       浏览:  
分享到:


图像检测算法瓶颈突破,汽车ADAS性能大跃进(图1)
近年来,世界各国的交通主管单位皆大力倡导“主动安全”,所谓主动安全是一种预测危机并协助远离危机的机制,意指除了驾驶本身遵守交通规则外,也要防范其他驾驶因为自身的疏忽或是故意违规,而发生交通意外。因此,主动安全的目的是透过目视与耳听的察觉,来认知并预测可能发生意外之情境,并且尽快采取必要的防御措施,以避免意外发生。

根据交通部的长期统计与特性分析报告指出,全国主要交通事故原因中,以「未保持行车安全距离」为最多。以2014年上半年国道高速公路为例,A1类(造成人员当场或24小时内死亡)的交通事故总计三十件,而未保持安全距离(车前状态)占最大宗,总共有十件,并造成十一人死亡、十三人重伤。其次为变换车道不当,总计为六件,并造成八人死亡、八人重伤。然事实上,交通部在2012年国道事故检讨报告指出,在这些造成不幸的交通事故当中,有高达79.1%的意外是有机会事先预防的。

有鉴于此,各大车厂与驾驶人纷纷在车辆上安装各种驾驶辅助系统,以降低肇事率(图1)。在各种系统中,以影像为基础的辅助驾驶系统市占率最高;其主要原因为成本低廉,且可与行车记录器结合使用,并能将检测的结果以视觉影音的方式呈现给驾驶人,虽然其检测距离不及红外线与雷达,但仍广受欢迎。 

图像检测算法瓶颈突破,汽车ADAS性能大跃进(图2)

图1 各种不同形式ADAS传感器

 开发成本低廉,影像式ADAS受青睐

为有效降低因驾驶者不专心所导致的事故发生,车道偏移警示系统(LDWS)与前方碰撞警示系统(FCWS)为世界各国重视,是业界争相投入开发的两大首要先进驾驶辅助系统功能。 

1) LDWS

LDWS主要功能运作是透过摄影机拍摄车辆前方的场景,然后经图像处理与计算,产生车道检测的结果;一旦车辆在没有打方向灯的情形下开始偏移车道时,系统则会自动发出各种警示讯号,提醒驾驶者立即做出反应以避免意外发生。 

2) FCWS

FCWS的主要功能亦是透过摄影机拍摄车辆前方的场景,经过图像处理算法的计算后,将前方的车辆检测出来,并且推估两车之间的距离;当两车未保持适当的行车距离时,系统亦自动对驾驶人发出警告,甚至近年来已有车厂开始评估是否由行车计算机系统接管煞车功能。

上述两种ADAS的主要功能,其共同点就是拍摄车辆前方的场景信息。一般而言,FCWS与LDWS都会使用同一个摄影机所取得的影像信息,且该摄影机亦可将影像信息储存起来,做为行车记录器之用。因此,FCWS与LDWS除了现有汽车制造商进行开发研究之外,制作行车记录器的厂商亦积极投入研发。 

PC-based为早期惯用平台

数字图像处理平台主要可分为两大类,分别为软件导向的PC-based与硬件导向的独立型(Stand Alone)平台;这两类各有其优缺点。早期,由于独立型的系统运算资源非常局限,中央处理器(CPU)指令周期较慢、内存空间不足、可支持的接口设备亦短缺,加上缺乏有效的影像程序开发接口,导致图像处理算法的开发人员习惯采用PC-based做为硬件平台。现在,由于超大规模集成电路(VLSI)与系统单芯片(SoC)的进步,数字系统的芯片有大幅进步同时缩小化的进展,使得目前嵌入式系统可以在低价位的情形下,提供高速CPU、海量存储器、更多的周边控制,甚至可以有多核心的处理器(Processor)。 

独立型平台符合轻薄短小设计需求

如此进步下,嵌入式系统已经开始朝多媒体迈进,增加影像与视讯等二维(2D)/三维(3D)讯号的运算,以扩大应用范围;再加上随着智能化与云端化的趋势,多媒体应用与安全监控平台,已渐由PC-based走向独立型嵌入式系统,以便满足车载应用对省电与轻薄短小的需求。 

有鉴于此,工研院便以独立型嵌入式系统方式来进行ADAS的开发与验证。首先,算法开发人员为取得影像来开发算法,在开发初期必须自行驾驶配有行车记录器的车辆,于道路上拍摄各种不同场景、天候等行车影片,过程中还必须兼顾「正确率」与「性能」,因为对任何算法而言,良好的正确率只是最基本的条件。 

关系警告提示速度,ADAS算法验证至为重要

ADAS对于算法的性能必然斤斤计较,因为当危险状况发生时,系统必须实时(Real-time)发出警告。以FCWS为例,当某车辆于国道高速公路以时速100公里行驶时,亦即其每秒前进27.7公尺;系统若延迟0.1秒发出警告,则车辆将继续前进2.77公尺;因此设计人员习惯以讯框速(Frame Per Second, FPS)来验证ADAS中的算法之性能,当FPS值越大时,代表该算法的性能越佳。 

当然,算法的性能必定与嵌入式平台的处理器速度、资源相关,所以在开发初期就必须考虑算法的计算量是符合何种嵌入式平台,否则将出现算法无适当平台可用的困境。

结合快速影像分割结果,车道线检测性能稳健

LDWS为ADAS中较早被开发的功能,车道偏移警示系统的研发,主要包含"车道线检测测"以及“车道偏移检测”两个项目。虽然这个研究已经有十几年的历史,同时也有许多知名学者投入此领域的研究,但是其研究成果还有许多须要改进之处;如在车道线检测方面,因为无法预测车道线与道路的颜色差距(梯度(Gradient))程度。因此,算法中默认的参数便无法检测出所有类型的车道线。此外,为强化车道线的特性,往往须要重迭多张连续的画面,以加长车道线的长度。 

最后,由于使用的直线检测算法,无法提供直线是否属于车道线或是非车道线等信息,因此传统的车道偏移系统,需要一个手动设定的画面,标示出可能的车道线区域,藉此过滤掉非车道路线。 

在车道偏移检测方面,须要分析连续画面的变化,才能判断车子是否偏移,如此一来,系统便无法实时通知驾驶有关车道偏移的信息。有鉴于此,工研院已经自行开发出一种快速且强健的车道偏移警示系统;藉由结合「快速影像分割」的结果,所开发的车道线检测算法,可以检测出各种类型的车道线,不须要分析连续画面的变化,可以仅由一张画面,便判断出车辆是否偏移。该算法的执行流程(图2)主要有五个步骤。 

图像检测算法瓶颈突破,汽车ADAS性能大跃进(图3)

图2 LDWS算法流程图

  •  影像分割(Image Segmentation),对原始影像进行“区域化”的步骤,将影像分成若干区域。

  • 车道线区域检测(Road Line Region Detection),结合“影像分割后的结果”以及“梯度分析”,以完成车道线区域检测。

  • 车道线候选区域(Road Candidate Determination),使用区域标记(Connected Component Labeling)的方式,标记每个连通区域(ConnectedComponent),进而分析各区域的特性,去除“非车道线区域”,以完成工作。

  • 车道线判定(Road Line Determination) 

  • 车道偏移警示(Lane Departure Warning),藉由判断左右车道线的角度,以完成警示的功能,该算法的执行结果可参考图3。

 图像检测算法瓶颈突破,汽车ADAS性能大跃进(图4)

图3 FCWS与LDWS之执行结果

以纯水平线为依据,前车检测算法更精确

保持安全车距是驾车的基本守则,尤其是在高速公路上,当前方车辆有任何状况发生时,保持安全车距才有足够的时间进行防御驾驶。所以,工研院开发FCWS的目标为,当前方车辆与本身车辆距离30公尺时,则实时发出警示讯号。 

前方碰撞警示系统的研发,主要包含“前方车辆检测”以及“车距计算”两大项目。目前的前方车辆检测研究中,有许多方法是使用“车底阴影”来当作特征值。但是,阴影容易受到外在光线的影响,造成检测正确率不稳定的困扰。此外,为克服夜间、阴雨等天候问题,有许多方法是以“后车灯”为检测的特征值。这种做法虽然可在夜间获得良好的成果,但是仅适用于夜间。 

有鉴于此,工研院自行研发适用于嵌入式系统,快速且稳定之前方车辆检测算法;藉由Sobel滤波器取得前方车辆的水平、垂直边缘,并且透过梯度方向(Gradient Orientation)将“纯水平边缘”撷取出来。

“纯水平边缘”是很重要的特征,因为从很多测试影片中可以观察到,前方车辆必定有“纯水平边缘”,例如保险杆、后挡风玻璃、行李箱等,然而有时候场景中亦可能出现一些非车辆的纯水平边缘。为避免误判,可以使用标记(Labeling)、角点检测(Corner Detection)、区域二元图(Local Binary Pattern, LBP)纹理分析(Texture Analysis)将前方车辆准确的检测出来。如同LDWS算法一样,该算法的前方车辆检测系统,亦不须要分析连续画面的变化,可以仅由一张画面便判断出前方车辆。本算法的执行流程如图4所示,而执行结果如图3所示。 

 图像检测算法瓶颈突破,汽车ADAS性能大跃进(图5)

图4 FCWS算法流程图

 在车距计算方面,由于仅有单一摄影机,所以无法使用双摄影机的算法来计算距离;但透过固定摄影机的方式,于静止状态预先量测距离,建立对应表格(Table)方式进行计算(图5)。将摄影机固定架设完毕后,透过实际量测可知,5公尺线对应至该影像的第162列(Row)、10公尺对应至第137列、15公尺对应至第126列、20公尺为第123列。 

 图像检测算法瓶颈突破,汽车ADAS性能大跃进(图6)

图5 单一摄影机之前方距离量测

藉由实际距离与影像坐标的对应产生对应表,当行进间前方车辆被检测时,再利用查表的方式换算出前车距离。利用影像坐标对应的方法,其误差值将会随着距离增加而增加,不过在控制摄影机镜头条件下,在实际距离小于30公尺时,其误差值仍在公尺级的接受范围内。 

最后,将ADAS于嵌入式平台进行验证且程序优化之后,即可安装于车辆上做实车测试。在此使用的嵌入式平台为Cortex-A15的双核心处理器与其他相关的周边配备;测试场景为新竹68号快速道路,并且于上午、中午、傍晚进行数次的实车测试;天候状况已包含晴天、阴天、大雨。FCWS与LDWS的正确率至少皆有90%以上,且执行速度可达25FPS。 

辅助驾驶技术迭有进展,主动式ADAS前景可期

随着车用电子与车用影像技术的进步,各种辅助驾驶的系统成为各大车厂的发展目标,且不停的推陈出新,因此车厂投入研发各式主动式ADAS的力道与能量越来越强。然而,早期的ADAS大多是停留在警示功能,用以提醒驾驶人须要尽快进行防御驾驶,不过于近年,已经有些车厂推出半自动式的辅助系统,可协助驾驶者进行煞车或车道维持等。 

发展这些功能的最终目的就是要朝向全自动驾驶,在行车途中遇到危机时,系统会主动介入接管驾驶,并且快速判断应如何闪避危险,且保持车体不受碰撞,无人的自动驾驶已然成为未来发展的关键;然而,在这段过渡期间,各厂依旧致力发展相关技术,各种单一功能警示辅助系统正于产业界蓬勃发展。未来,当技术成熟且成本能被市场接受时,相信各大车厂就将会整合多个单一警示系统,逐渐迈向无人驾驶。 

目前,Google在自动驾驶车方面已有长足的进展,2014年中公布的无人驾驶车已没有方向盘与油门,且以40公里/小时的速度,在美国加州地区进行测试。其实,无人驾驶车辆最大的挑战仍是在一般道路,诚如Google自动驾驶计划负责人Chris Umson所言,以无人驾驶系统在高速公路开上1公里,和在市区开上1公里,这是完全不一样的两件事情;在高速公路上开车的变因仅有数种,但若在一般道路上恐怕会激增到上百种。所以,Google无人驾驶车除了安装传统的摄影机之外,更搭载光达系统(LiDAR)进行光学定向测距,用以提高安全性与可靠性。由于技术、法令等因素尚未成熟,无人驾驶汽车无法在几年内就上市,但透过自动驾驶技术的不断进步,相关的配备必定下放至一般车款上,对消费者来说亦是一大福音。



在线
客服

在线客服 - 驭捷智能周一至周日 10:00-24:00(欢迎呼叫)

选择下列服务马上在线沟通:

客服
热线

18917451722
6*12小时客服服务热线