影像算法瓶颈突破 汽车ADAS再进化

图3FCWS算法流程图

以纯水平线为依据前车侦测算法更精确

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「前方车辆侦测」以及「车距计算」两大项目。目前的前方车辆侦测研究中，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，造成侦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」为侦测的特征值。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侦测算法;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)、角点侦测(Corner Detection)、区域二元图(Local Binary Pattern, LBP)纹理分析(Texture Analysis)将前方车辆准确的侦测出来。如同LDWS算法一样，该算法的前方车辆侦测系统，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3所示，而执行结果如图4所示。

图4FCWS与LDWS之执行结果

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侦测时，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。