基于机器视觉的汽车智能驾驶系统研讨

　　1、引言

　　随着社会的发展和人口的增长，汽车越来越多的进入我们的日常生活，交通也日益拥挤。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。此外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。为了使汽车驾驶操作简单、安全、舒适，把人从繁重枯燥的汽车驾驶中解脱出来，当今世界各国都在积极研究开发自动驾驶技术。

　　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。

　　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。在目前汽车辅助驾驶所采用的环境感知手段中，视觉传感器比超声、激光雷达等可获得更高、更精确、更丰富的道路结构环境信息[5]。随着计算机技术的发展和图像处理/识别技术的成熟，机器视觉技术获得长足的发展，目前广泛的应用在三维测量、三维重建、虚拟现实、运动目标检测和目标识别等方面。在汽车的自动驾驶发面，一个前提性的问题就是路况识别和车辆、障碍物的距离、速度检测，解决了这个问题才可能去控制汽车的驾驶。而机器视觉技术融合三维测量和图像识别技术于一身。

　　目前，机器视觉在智能机器人领域的研究热火朝天：Klaus Fleischer等人提出的基于机器视觉的城外公路基础设施固定对象的检测与跟踪(Machine-Vision-Based Detection and Tracking of Stationary Infrastructural Objects Beside Inner-city Roads)[3];D. Brzakovie等人提出道路边缘检测在移动机器人导航中应用(Road edge detection for mobile robot navigation) [2] ; O.Djekoune等人提出基于神经网络的视觉引导机器人导航(Vision-guided mobile robot navigation using neural network ) [4]。这些研究成果对机器视觉在智能驾驶中应用有着重要的启迪。

　　本文把机器视觉技术为主要的路况感知手段应用到车辆自动驾驶中去，为实现车辆智能化驾驶提供一个不同的思考角度。