影像偵測(cè)算法瓶頸突破　汽車ADAS效能再進(jìn)化

 近年來(lái)，世界各國(guó)的交通主管單位皆大力倡導(dǎo)「防御駕駛」，所謂防御駕駛是一種預(yù)測(cè)危機(jī)并協(xié)助遠(yuǎn)離危機(jī)的機(jī)制，意指除了駕駛本身遵守交通規(guī)則外，也要防范其他駕駛因?yàn)樽陨淼氖韬龌蚴枪室膺`規(guī)，而發(fā)生交通意外。因此，防御駕駛的目的是透過(guò)目視與耳聽的察覺，來(lái)認(rèn)知并預(yù)測(cè)可能發(fā)生意外之情境，并且盡快采取必要的防御措施，以避免意外發(fā)生。

根據(jù)交通部的長(zhǎng)期統(tǒng)計(jì)與特性分析報(bào)告指出，全國(guó)主要交通事故原因中，以「未保持行車安全距離」為最多。以2014年上半年國(guó)道高速公路為例，A1類(造成人員當(dāng)場(chǎng)或24小時(shí)內(nèi)死亡)的交通事故總計(jì)三十件，而未保持安全距離(車前狀態(tài))占最大宗，總共有十件，并造成十一人死亡、十三人重傷。其次為變換車道不當(dāng)，總計(jì)為六件，并造成八人死亡、八人重傷。然事實(shí)上，交通部在2012年國(guó)道事故檢討報(bào)告指出，在這些造成不幸的交通事故當(dāng)中，有高達(dá)79.1%的意外是有機(jī)會(huì)事先預(yù)防的。

有鑒于此，各大車廠與駕駛?cè)思娂娫谲囕v上安裝各種駕駛輔助系統(tǒng)，以降低肇事率(圖1)。在各種系統(tǒng)中，以影像為基礎(chǔ)的輔助駕駛系統(tǒng)市占率最高;其主要原因?yàn)槌杀镜土铱膳c行車記錄器結(jié)合使用，并能將偵測(cè)的結(jié)果以視覺影音的方式呈現(xiàn)給駕駛?cè)耍m然其偵測(cè)距離不及紅外線與雷達(dá)，但仍廣受歡迎。

圖1　各種不同形式之ADAS傳感器

開發(fā)成本低廉　影像式ADAS受青睞

為有效降低因駕駛者不專心所導(dǎo)致的事故發(fā)生，車道偏移警示系統(tǒng)(Lane Departure Warning System, LDWS)與前方碰撞警示系統(tǒng)(Forward Collision Warning System, FCWS)為世界各國(guó)重視，是業(yè)界爭(zhēng)相投入開發(fā)的兩大首要先進(jìn)駕駛輔助系統(tǒng)(Advanced Driver Assistance System, ADAS)功能。

.LDWS

LDWS主要功能運(yùn)作是透過(guò)攝影機(jī)拍攝車輛前方的場(chǎng)景，然后經(jīng)圖像處理與計(jì)算，產(chǎn)生車道偵測(cè)的結(jié)果;一旦車輛在沒有打方向燈的情形下開始偏移車道時(shí)，系統(tǒng)則會(huì)自動(dòng)發(fā)出各種警示訊號(hào)，提醒駕駛者立即做出反應(yīng)以避免意外發(fā)生。

.FCWS

FCWS的主要功能亦是透過(guò)攝影機(jī)拍攝車輛前方的場(chǎng)景，經(jīng)過(guò)圖像處理算法的計(jì)算后，將前方的車輛偵測(cè)出來(lái)，并且推估兩車之間的距離;當(dāng)兩車未保持適當(dāng)?shù)男熊嚲嚯x時(shí)，系統(tǒng)亦自動(dòng)對(duì)駕駛?cè)税l(fā)出警告，甚至近年來(lái)已有車廠開始評(píng)估是否由行車計(jì)算機(jī)系統(tǒng)接管煞車功能。

上述兩種ADAS的主要功能，其共同點(diǎn)就是拍攝車輛前方的場(chǎng)景信息。一般而言，F(xiàn)CWS與LDWS都會(huì)使用同一個(gè)攝影機(jī)所取得的影像信息，且該攝影機(jī)亦可將影像信息儲(chǔ)存起來(lái)，做為行車記錄器之用。因此，F(xiàn)CWS與LDWS除了現(xiàn)有汽車制造商進(jìn)行開發(fā)研究之外，制作行車記錄器的廠商亦積極投入研發(fā)。

PC-based為早期慣用平臺(tái)

數(shù)字圖像處理平臺(tái)主要可分為兩大類，分別為軟件導(dǎo)向的PC-based與硬件導(dǎo)向的獨(dú)立型(Stand Alone)平臺(tái);這兩類各有其優(yōu)缺點(diǎn)。早期，由于獨(dú)立型的系統(tǒng)運(yùn)算資源非常局限，中央處理器(CPU)指令周期較慢、內(nèi)存空間不足、可支持的接口設(shè)備亦短缺，加上缺乏有效的影像程序開發(fā)接口，導(dǎo)致圖像處理算法的開發(fā)人員習(xí)慣采用PC-based做為硬件平臺(tái)?，F(xiàn)在，由于超大規(guī)模集成電路(VLSI)與系統(tǒng)單芯片(SoC)的進(jìn)步，數(shù)字系統(tǒng)的芯片有大幅進(jìn)步同時(shí)縮小化的進(jìn)展，使得目前嵌入式系統(tǒng)可以在低價(jià)位的情形下，提供高速CPU、海量存儲(chǔ)器、更多的周邊控制，甚至可以有多核心的處理器(Processor)。

獨(dú)立型平臺(tái)符合輕薄短小設(shè)計(jì)需求

如此進(jìn)步下，嵌入式系統(tǒng)已經(jīng)開始朝多媒體邁進(jìn)，增加影像與視訊等二維(2D)/三維(3D)訊號(hào)的運(yùn)算，以擴(kuò)大應(yīng)用范圍;再加上隨著智能化與云端化的趨勢(shì)，多媒體應(yīng)用與安全監(jiān)控平臺(tái)，已漸由PC-based走向獨(dú)立型嵌入式系統(tǒng)，以便滿足車載應(yīng)用對(duì)省電與輕薄短小的需求。

有鑒于此，工研院便以獨(dú)立型嵌入式系統(tǒng)方式來(lái)進(jìn)行ADAS的開發(fā)與驗(yàn)證。 首先，算法開發(fā)人員為取得影像來(lái)開發(fā)算法，在開發(fā)初期必須自行駕駛配有行車記錄器的車輛，于道路上拍攝各種不同場(chǎng)景、天候等行車影片，過(guò)程中還必須兼顧「正確率」與「效能」，因?yàn)閷?duì)任何算法而言，良好的正確率只是最基本的條件。

攸關(guān)警告提示速度　ADAS算法驗(yàn)證至為重要

ADAS對(duì)于算法的效能必然斤斤計(jì)較，因?yàn)楫?dāng)危險(xiǎn)狀況發(fā)生時(shí)，系統(tǒng)必須實(shí)時(shí)(Real-time)發(fā)出警告。以FCWS為例，當(dāng)某車輛于國(guó)道高速公路以時(shí)速100公里行駛時(shí)，亦即其每秒前進(jìn)27.7公尺;系統(tǒng)若延遲0.1秒發(fā)出警告，則車輛將繼續(xù)前進(jìn)2.77公尺;因此設(shè)計(jì)人員習(xí)慣以訊框速(Frame Per Second, FPS)來(lái)驗(yàn)證ADAS中的算法之效能，當(dāng)FPS值越大時(shí)，代表該算法的效能越佳。

當(dāng)然，算法的效能必定與嵌入式平臺(tái)的處理器速度、資源相關(guān)，所以在開發(fā)初期就必須考慮算法的計(jì)算量是符合何種嵌入式平臺(tái)，否則將出現(xiàn)算法無(wú)適當(dāng)平臺(tái)可用的困境。

結(jié)合快速影像分割結(jié)果　車道線偵測(cè)算法效能穩(wěn)健

LDWS為ADAS中較早被開發(fā)的功能，車道偏移警示系統(tǒng)的研發(fā)，主要包含「車道線偵測(cè)」以及「車道偏移偵測(cè)」兩個(gè)項(xiàng)目。雖然這個(gè)研究已經(jīng)有十幾年的歷史，同時(shí)也有許多知名學(xué)者投入此領(lǐng)域的研究，但是其研究成果還有許多須要改進(jìn)之處;如在車道線偵測(cè)方面，因?yàn)闊o(wú)法預(yù)測(cè)車道線與道路的顏色差距(梯度(Gradient))程度。因此，算法中默認(rèn)的參數(shù)便無(wú)法偵測(cè)出所有類型的車道線。此外，為強(qiáng)化車道線的特性，往往須要重迭多張連續(xù)的畫面，以加長(zhǎng)車道線的長(zhǎng)度。

最后，由于使用的直線偵測(cè)算法，無(wú)法提供直線是否屬于車道線或是非車道線等信息，因此傳統(tǒng)的車道偏移系統(tǒng)，需要一個(gè)手動(dòng)設(shè)定的畫面，標(biāo)示出可能的車道線區(qū)域，藉此過(guò)濾掉非車道路線。

在車道偏移偵測(cè)方面，須要分析連續(xù)畫面的變化，才能判斷車子是否偏移，如此一來(lái)，系統(tǒng)便無(wú)法實(shí)時(shí)通知駕駛有關(guān)車道偏移的信息。有鑒于此，工研院已經(jīng)自行開發(fā)出一種快速且強(qiáng)健的車道偏移警示系統(tǒng);藉由結(jié)合「快速影像分割」的結(jié)果，所開發(fā)的車道線偵測(cè)算法，可以偵測(cè)出各種類型的車道線，不須要分析連續(xù)畫面的變化，可以僅由一張畫面，便判斷出車輛是否偏移。

該算法的執(zhí)行流程(圖2)主要有五個(gè)步驟。

圖2　LDWS算法流程圖

.影像分割(Image Segmentation)

首先，對(duì)原始影像進(jìn)行「區(qū)域化」的步驟，將影像分成若干區(qū)域。

.車道線區(qū)域偵測(cè)(Road Line Region Detection)

然后結(jié)合「影像分割后的結(jié)果」以及「梯度分析」，以完成車道線區(qū)域偵測(cè)。

.車道線候選區(qū)域(Road Candidate Determination)

使用區(qū)域標(biāo)記(Connected Component Labeling)的方式，標(biāo)記每個(gè)連通區(qū)域(Connected Component)，進(jìn)而分析各區(qū)域的特性，去除「非車道線區(qū)域」，以完成工作。

.車道線判定(Road Line Determination)

接著進(jìn)行車道線判定步驟。

.車道偏移警示(Lane Departure Warning)

最后，藉由判斷左右車道線的角度，以完成警示的功能。

該算法的執(zhí)行結(jié)果可參考圖4。

圖3　FCWS算法流程圖

以純水平線為依據(jù)　前車偵測(cè)算法更精確

保持安全車距是駕車的基本守則，尤其是在高速公路上，當(dāng)前方車輛有任何狀況發(fā)生時(shí)，保持安全車距才有足夠的時(shí)間進(jìn)行防御駕駛。所以，工研院開發(fā)FCWS的目標(biāo)為，當(dāng)前方車輛與本身車輛距離30公尺時(shí)，則實(shí)時(shí)發(fā)出警示訊號(hào)。

前方碰撞警示系統(tǒng)的研發(fā)，主要包含「前方車輛偵測(cè)」以及「車距計(jì)算」兩大項(xiàng)目。目前的前方車輛偵測(cè)研究中，有許多方法是使用「車底陰影」來(lái)當(dāng)作特征值。但是，陰影容易受到外在光線的影響，造成偵測(cè)正確率不穩(wěn)定的困擾。此外，為克服夜間、陰雨等天候問(wèn)題，有許多方法是以「后車燈」為偵測(cè)的特征值。這種做法雖然可在夜間獲得良好的成果，但是僅適用于夜間。

有鑒于此，工研院自行研發(fā)適用于嵌入式系統(tǒng)，快速且穩(wěn)定之前方車輛偵測(cè)算法;藉由Sobel濾波器取得前方車輛的水平、垂直邊緣，并且透過(guò)梯度方向(Gradient Orientation)將「純水平邊緣」擷取出來(lái)。

「純水平邊緣」是很重要的特征，因?yàn)閺暮芏鄿y(cè)試影片中可以觀察到，前方車輛必定有「純水平邊緣」，例如保險(xiǎn)桿、后擋風(fēng)玻璃、行李箱等，然而有時(shí)候場(chǎng)景中亦可能出現(xiàn)一些非車輛的純水平邊緣。為避免誤判，可以使用標(biāo)記(Labeling)、角點(diǎn)偵測(cè)(Corner Detection)、區(qū)域二元圖(Local Binary Pattern, LBP)紋理分析(Texture Analysis)將前方車輛準(zhǔn)確的偵測(cè)出來(lái)。如同LDWS算法一樣，該算法的前方車輛偵測(cè)系統(tǒng)，亦不須要分析連續(xù)畫面的變化，可以僅由一張畫面便判斷出前方車輛。本算法的執(zhí)行流程如圖3所示，而執(zhí)行結(jié)果如圖4所示。

圖4　FCWS與LDWS之執(zhí)行結(jié)果

在車距計(jì)算方面，由于僅有單一攝影機(jī)，所以無(wú)法使用雙攝影機(jī)的算法來(lái)計(jì)算距離;但透過(guò)固定攝影機(jī)的方式，于靜止?fàn)顟B(tài)預(yù)先量測(cè)距離，建立對(duì)應(yīng)表格(Table)方式進(jìn)行計(jì)算(圖5)。將攝影機(jī)固定架設(shè)完畢后，透過(guò)實(shí)際量測(cè)可知，5公尺線對(duì)應(yīng)至該影像的第162列(Row)、10公尺對(duì)應(yīng)至第137列、15公尺對(duì)應(yīng)至第126列、20公尺為第123列。

圖5　單一攝影機(jī)之前方距離量測(cè)

藉由實(shí)際距離與影像坐標(biāo)的對(duì)應(yīng)產(chǎn)生對(duì)應(yīng)表，當(dāng)行進(jìn)間前方車輛被偵測(cè)時(shí)，再利用查表的方式換算出前車距離。利用影像坐標(biāo)對(duì)應(yīng)的方法，其誤差值將會(huì)隨著距離增加而增加，不過(guò)在控制攝影機(jī)鏡頭條件下，在實(shí)際距離小于30公尺時(shí)，其誤差值仍在公尺級(jí)的接受范圍內(nèi)。

最后，將ADAS于嵌入式平臺(tái)進(jìn)行驗(yàn)證且程序優(yōu)化之后，即可安裝于車輛上做實(shí)車測(cè)試。在此使用的嵌入式平臺(tái)為Cortex-A15的雙核心處理器與其他相關(guān)的周邊配備;測(cè)試場(chǎng)景為新竹68號(hào)快速道路，并且于上午、中午、傍晚進(jìn)行數(shù)次的實(shí)車測(cè)試;天候狀況已包含晴天、陰天、大雨。FCWS與LDWS的正確率至少皆有90%以上，且執(zhí)行速度可達(dá)25FPS。

輔助駕駛技術(shù)迭有進(jìn)展　主動(dòng)式ADAS前景可期

隨著車用電子與車用影像技術(shù)的進(jìn)步，各種輔助駕駛的系統(tǒng)成為各大車廠的發(fā)展目標(biāo)，且不停的推陳出新，因此車廠投入研發(fā)各式主動(dòng)式ADAS的力道與能量越來(lái)越強(qiáng)。然而，早期的ADAS大多是停留在警示功能，用以提醒駕駛?cè)隧氁M快進(jìn)行防御駕駛，不過(guò)于近年，已經(jīng)有些車廠推出半自動(dòng)式的輔助系統(tǒng)，可協(xié)助駕駛者進(jìn)行煞車或車道維持等。

發(fā)展這些功能的最終目的就是要朝向全自動(dòng)駕駛，在行車途中遇到危機(jī)時(shí)，系統(tǒng)會(huì)主動(dòng)介入接管駕駛，并且快速判斷應(yīng)如何閃避危險(xiǎn)，且保持車體不受碰撞，無(wú)人的自動(dòng)駕駛已然成為未來(lái)發(fā)展的關(guān)鍵;然而，在這段過(guò)渡期間，各廠依舊致力發(fā)展相關(guān)技術(shù)，各種單一功能警示輔助系統(tǒng)正于產(chǎn)業(yè)界蓬勃發(fā)展。未來(lái)，當(dāng)技術(shù)成熟且成本能被市場(chǎng)接受時(shí)，相信各大車廠就將會(huì)整合多個(gè)單一警示系統(tǒng)，逐漸邁向無(wú)人駕駛。

目前，Google在自動(dòng)駕駛車方面已有長(zhǎng)足的進(jìn)展，2014年中公布的無(wú)人駕駛車已沒有方向盤與油門，且以40公里/小時(shí)的速度，在美國(guó)加州地區(qū)進(jìn)行測(cè)試。其實(shí)，無(wú)人駕駛車輛最大的挑戰(zhàn)仍是在一般道路，誠(chéng)如Google自動(dòng)駕駛計(jì)劃負(fù)責(zé)人Chris Umson所言，以無(wú)人駕駛系統(tǒng)在高速公路開上1公里，和在市區(qū)開上1公里，這是完全不一樣的兩件事情;在高速公路上開車的變因僅有數(shù)種，但若在一般道路上恐怕會(huì)激增到上百種。所以，Google無(wú)人駕駛車除了安裝傳統(tǒng)的攝影機(jī)之外，更搭載光達(dá)系統(tǒng)(LiDAR)進(jìn)行光學(xué)定向測(cè)距，用以提高安全性與可靠性。由于技術(shù)、法令等因素尚未成熟，無(wú)人駕駛汽車無(wú)法在幾年內(nèi)就上市，但透過(guò)自動(dòng)駕駛技術(shù)的不斷進(jìn)步，相關(guān)的配備必定下放至一般車款上，對(duì)消費(fèi)者來(lái)說(shuō)亦是一大福音。