汽車技術的發(fā)展進入了智能化時代，機器視覺在眾多汽車駕駛輔助技術中均有應用，機器視覺領域的技術進步無疑將推動汽車駕駛輔助技術的發(fā)展。因此圖像采集質量的提升、圖像處理算法的優(yōu)化，如何更快速地實現(xiàn)圖像智能生成、處理、識別并給出決策建議，都是機器視覺領域需要解決的重要問題。

　　編者按：機器視覺是汽車駕駛輔助系統(tǒng)應用領域的重要技術，文章主要綜述了機器視覺在車道檢測技術、交通標志識別技術、車輛識別技術、行人檢測技術和駕駛員狀態(tài)檢測技術等領域的應用，著重介紹了機器視覺技術在上述領域目前的研究現(xiàn)狀，為機器視覺在汽車駕駛輔助領域的進一步研究提供了參考。

　　隨著我國汽車工業(yè)的快速發(fā)展，機動車的保有量逐年攀升，道路交通事故對人類生命和財產安全造成的重大危害也不斷凸顯。世界衛(wèi)生組織發(fā)布的《道路安全全球現(xiàn)狀報告2013》中指出，全世界每年約有124萬人死于道路交通，道路交通傷害是全球第8大死因之一。

　　為了改善道路交通安全狀況，國內外眾多的科研機構、汽車企業(yè)均投入大量精力在汽車安全防護系統(tǒng)的研究和開發(fā)領域。研發(fā)內容從最早的機械和電子裝置，發(fā)展到今時今日關注的熱點———先進輔助駕駛系統(tǒng)（ADAS）。

　　以ADAS為代表的系統(tǒng)在硬件上應用了多種傳感器，如超聲波傳感器、視覺傳感器、雷達、GPS等，在行車過程中感知車輛自身狀態(tài)及環(huán)境變化，采集車輛數(shù)據(jù)和環(huán)境數(shù)據(jù)，依據(jù)這些數(shù)據(jù)，進行交通場景識別、交通事件預測，并給出相應的駕駛建議和應急措施，輔助駕駛人員進行決策，避免交通事故發(fā)生，減少事故造成的傷害。

　　在實際駕駛過程中，駕駛員獲取絕大部分信息均來自于視覺，比如：路面狀況、交通標志、標線和信號、障礙物等，研究表明大約有90%的環(huán)境信息來自于視覺，如果能很好地利用視覺傳感器理解路面環(huán)境，對實現(xiàn)車輛智能化是一個很好的選擇?；谝曈X導航的交通標志檢測、道路檢測、行人檢測和障礙物檢測的車輛駕駛輔助系統(tǒng)，可以降低駕駛員的勞動強度，提高行駛安全性，減少交通事故。

　　駕駛輔助系統(tǒng)在為駕駛員提供決策建議的過程中，使用了大量的視覺信息數(shù)據(jù)，在這方面視覺圖像具有無法比擬的優(yōu)勢：

　　·視覺圖像包含的信息量大，例如可視范圍內物體的距離信息、物體形狀、紋理和顏色等；

　　·視覺信息的獲取是非接觸的，不會破壞路面和周圍環(huán)境，也不需要對現(xiàn)有道路設施進行大范圍的配套修建；

　　·一次視覺圖像的獲取，可同時實現(xiàn)道路檢測、交通標志檢測、障礙物檢測等多項工作；

　　·視覺信息的獲取過程中不會出現(xiàn)車輛相互干擾的情況。

　　綜上所述，智能車輛機器視覺技術在智能交通、汽車安全輔助駕駛、車輛的自動駕駛等方面有著廣泛的應用前景。

　　目前，視覺傳感器及機器視覺技術被廣泛應用到了各類先進輔助駕駛系統(tǒng)中。其中，行車環(huán)境的感知是基于機器視覺的先進輔助駕駛系統(tǒng)的重要組成部分之一。

　　行車環(huán)境的感知主要是依靠視覺技術感知車輛行駛時的道路信息、路況信息和駕駛員狀態(tài)，為輔助駕駛系統(tǒng)提供決策所必需的基礎數(shù)據(jù)。其中，

　　·道路信息主要是指車外的靜態(tài)信息，包括：車道線、道路邊沿、交通指示標志和信號燈等；

　　·路況信息主要是指車外的動態(tài)信息，包括：行車前方障礙物、行人、車輛等；

　　·駕駛員狀態(tài)屬于車內信息，主要包括：駕駛員的疲勞、異常駕駛行為等，通過提醒駕駛員可能發(fā)生的不安全行為，避免車輛發(fā)生安全事故。

　　借助機器視覺技術對行車環(huán)境進行感知，可獲取各種車內、外的靜態(tài)信息和動態(tài)信息，幫助輔助駕駛系統(tǒng)做出決策判斷。

　　根據(jù)上述分類，可知目前應用較多的基于機器視覺的先進輔助駕駛系統(tǒng)的關鍵技術包括：車道線檢測技術、交通標志識別技術、車輛識別技術、行人檢測技術和駕駛員狀態(tài)檢測技術等。

　　1.1車道線檢測技術

　　目前已有的車道線檢測技術研究成果中，主要涉及設備和算法兩個方面。車道線檢測技術的數(shù)據(jù)采集基于不同的傳感器設備，例如激光雷達、立體視覺、單目視覺等。對采集到的信息，需要匹配適合的算法，例如基于模型的方法和基于特征的方法進行計算和決策。

　　·激光雷達的機器視覺原理是通過不同的顏色或材質有不同反射率的特點進行道路識別；

　　·立體視覺與激光雷達相比精確性高，但實現(xiàn)圖像匹配難度大，設備成本較高，且由于算法復雜，導致了實時性較差；

　　·單目視覺在應用中主要通過基于特征、模型、融合和機器學習的方法實現(xiàn)，是目前進行車道線識別最主流的方法。