车载计算机的处理运算就如同无人驾驶汽车的大脑。它的运算速度,很大程度上决定了汽车作出准确及时判断的程度。因此,基于图像处理的障碍物识别技术成为无人驾驶领域未来发展的一种趋势
设想一下,无人驾驶汽车跟在一部车的后面,而前车的转向灯突然开启,这时候,无人驾驶汽车该如何作出反应?还有各种的限速、单行道、双行道和人行道标示等等,这些都需要无人驾驶汽车进行识别。
在这个时候,车载计算机的处理运算就如同无人驾驶汽车的大脑。它的运算速度,很大程度上决定了汽车作出准确及时判断的程度。因此,基于图像处理的障碍物识别技术成为无人驾驶领域未来发展的一种趋势。
记者查阅多篇论文,视觉传感器系统所需要完成的识别任务,至少包括以下多个方面内容:对车道线进行识别,保证车辆在车道内行驶,并确定需要作有无障碍物判断的感兴趣区域;判断区域内是否有行人、车辆等需要避让的障碍物,是否需要对车辆行驶状态作出及时改变;判断障碍物是动态还是静态,如果是动态则预判其下一步行动;当感知部分的传感器采集到前方的信号灯信息时,要做出正确识别。
李巍华介绍,在判断障碍物的动静态时,无人驾驶汽车首先会识别移动物体是动态还是静态,假如是动态,就进一步判断是什么,比如说是人,那遵循人先通过原则;在判断障碍物性质时,则会通过图像处理技术,对障碍物的高低大小进行识别,如果不影响车辆通行,则直接通过;而在识别红绿指示灯时,为了避免同颜色同形状的其他物体的干扰,视觉系统会将其交通灯视为一个立体视觉的整体,并根据它的高度以及形状进行判断。
要完成这一系列工作,视觉传感器系统主要由图像的采集模块、处理模块、特征提取模块等组成。其中图像采集模块的主要功能是获取外界的数字图像;图像处理模块是对采集来的图像进行预处理,为后面的特征值提取、障碍物的检测做准备工作。
为了使识别更有效率,系统通过算法对图像信息进行筛选,只提取感兴趣区域。比如,车辆在直线行驶和转弯时,智能车对于前方区域进行判定障碍物是否存在的范围是不一样的。当车辆根据信号灯指示需要转弯时,车辆正前方区域的障碍物则不必检测因此也就不必作为障碍物对待。这样就避免了对图像中的所有部分进行处理,在很大程度上保证了系统的实时性。
导航系统
定位误差不超车道宽度
无人驾驶汽车对GPS定位精度、抗干扰性提出了特殊要求。在无人车行驶时,GPS导航系统要不间断地对无人车进行定位。在这个过程中,无人车GPS导航系统要求GPS定位误差不超过一个车道宽度
无人车面临的另一关键挑战,是需要确保它们有完美无缺的导航功能。
快速发展的数字地图(DigitalMap,DM),能为无人驾驶车提供详细的道路坐标信息,同时路径规划算法的不断优化,为无人驾驶车GPS自主导航系统利用DM进行导航与路径规划提供了可能性。今年8月份,奥迪、宝马和戴姆勒联手斥资31亿美元(约合人民币197亿元)从诺基亚手中收购了Here地图业务。导航已经成为厂商们研发无人驾驶技术的重要前提。
实现导航的主要技术,是如今在现实生活中已经广泛应用的GPS技术。由于GPS技术所具有的全球性、全天候、无积累误差、自动测量的特点,在无人车中同样可以利用GPS进行定位、导航。
由于应用背景的特殊,无人驾驶汽车对GPS定位精度、抗干扰性提出了特殊要求。据了解,在无人车行驶时,GPS导航系统要不间断地对无人车进行定位。在这个过程中,无人车GPS导航系统要求GPS定位误差不超过一个车道宽度。
大幅提升GPS测量精度的是差分GPS测量技术。相比传统的GPS技术,差分GPS测量会在一个测站对两个目标的观测量、两个测站对一个目标的观测量或一个测站对一个目标的两次观测量之间进行求差,目的在于消去公共的误差源,包括电离层和对流层效应等。