当今,汽车已经成为人们生活中不可缺少的部分,它给人们带来方便快捷的同时,也出现了许多问题。如越来越多的汽车使道路上能够有效的使用空间却越来越小,新手也越来越多,由此引发的倒车事故事件也越来越多,因倒车事故引起的纠纷也在不断地增多。原本不是问题的倒车也逐渐变成了问题。尽管每辆车都有后视镜,但不可避免地都存在一个后视盲区,倒车雷达则可以一定程度上帮助驾驶员扫除了视野死角和视线模糊的缺陷,提高驾驶的安全性,减少倒车事故。
1．倒车系统的发展
经过几年的发展,倒车雷达系统已经过了数代的技术改良,不管从结构外观上,还是从性能价格上,这几代产品都各有特点,目前使用较多的是数码显示、荧屏显示和魔幻镜倒车雷达这3种。
第一代：蜂鸣器是最初的倒车雷达,它标志着倒车雷达系统的真正开始。倒车时,如果距车1.5到1.8 m处有障碍物,蜂鸣器就会开始工作,蜂鸣声越急,表示车距障碍物越近。该装置既没有语音提示,也没有距离显示,驾驶员只知道车后有障碍物,但不能确定障碍物距离车究竟有多远。
汽车倒车雷达第二代：数码波段显示的倒车雷达,它可以显示车后障碍物离车体的距离。如果车后是物体,在1.8 m开始显示;如果是人,在0.9 m左右的距离开始显示。
第三代：液晶荧屏显示,这一代产品较以前有一个质的飞跃,特别是荧屏显示开始出现动态显示系统。不用挂倒档,只要发动汽车,显示器上就会出现汽车图案以及车辆周围障碍物的距离。但该系统灵敏度较高,抗干扰能力不强,所以误报也较多。
第四代：魔幻镜倒车雷达,它结合了前几代产品的优点,采用了最新仿生超声雷达技术,配以高速微机控制,可实时准确地测知2 m以内的障碍物,并以不同等级的声音和直观的显示提醒驾驶员。
第五代：整合影音系统, 是最高档的倒车系统。它是专为高档轿车生产的,在上一代产品的基础上新增了很多功能，如图1.1。
图 1.1 整合影音系统倒车雷达
2.机器视觉与倒车系统
机器视觉就是用机器代替人眼来做测量和判断。它通过机器视觉产品(例如：摄像头)将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据象素分布和亮度、颜等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉的成功案例很多，具体比较常见的有：自动识别系统、焊缝自动跟踪系统、活塞装配视觉识别系统。在超声波技术的基础上，配以机器视觉技术，构成双向检测，必能大大提高安全性和便利性。
将视觉技术应用在现有主流倒车辅助系统，具体有以下两方面：
第一，停车线的识别。如同已经配置于某些国外高档车的倒车辅助系统一样，利用对停车线的视觉识别进行智能泊车。具体的识别过程为：先通过车后车牌架上的摄像头不断采集图象，由于停车线一般来说具有双直线特征和颜突变特征，且颜一般为黄，所以当采集到的图象传输到微处理器的时候，我们可以利用匹配此特征的数学算法，用某种计
算机语言编写一套程序，从而在主机中把停车线识别出来，并利用液晶屏幕和喇叭加以标识和声音提醒。最终，结合超声波第五代倒车辅助系统的模拟倒车轨迹的技术，让处理器不断控制汽车的油门和前轮方向，使模拟倒车轨迹和已识别的停车线不断吻合，从而自动泊车。机器视觉识别停车线已经可以在MATLAB软件进行仿真实现。
第二，障碍物的识别。鉴于超声波对障碍物的识别已经相对成熟，我们可以开发超声波不能检测的障碍物的识别，例如：台阶、沟坎、钢丝。同样的道理，基于不同的障碍物我们必须先深入探讨以便掌握其不同的图象特征：对于台阶，一般利用其处于整幅图象下方的位置特征、直线特征和颜从下往上形成由暗转亮的特征等等；对于钢丝，利用其纤细的特征和光线反射形成光亮的特征等。
由于具体到某种障碍物都存在千姿百态的情况，所以此技术不见得一朝一夕就会完善，对各种障碍物的识别必然会经历一个从粗糙到精细的过程。这需要科技人员不断观察不断积累。就目前国内外发展态势来看，以机器视觉技术为基础的各种辨识系统是众多国家研究的热点，其发展空间潜力巨大。倘若把此技术引进于汽车的倒车辅助系统，必将对减轻驾驶者的劳动强度、减少交通事故率都有着不可估量的作用和意义。现在，机器视觉尚处于
初步发展阶段，成果较少，可借鉴经验不多，所以许多国家投入了许多人力物力进行研究。
3.视觉测量系统
现代视觉理论和技术的发展，不仅在于模拟人眼能完成的功能，更重要的是它能完成人眼所不能完成的工作，所以计算机视觉测量技术作为当今最新技术，在电子、光学和计算机等技术不断成熟和完善的基础上得到了突飞猛进的发展，现已成为仪器科学的重要研究领域之一。虽然目前的视觉测量技术仍未具有人类视觉的威力和智慧，但是由于视觉测量系统可以快速获取大量的信息，而且易于自动处理，因此被广泛应用于物体的几何尺寸和物体的位置测量，如大型工件的同轴度测量、轴的直径测量、表面精度测量等在线测量和实时控制。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用视觉技术来代替人工视觉；同时在大批量工业生产过程中，用人工视觉检测产品质量效率低下且精度不高，用视觉技术可以大大提高生产效率和产品质量。视觉测量技术是基于图像处理、光学原理等技术发展起来的一种新型技术，增强了光学测量的手段，扩大了光学测量的应用范围。应用视觉测量技术进行测量，就是测量时把被测对象的图像当作检测和
传递信息的载体，通过对图像的处理分析来对物体进行测量。这样就使得视觉测量技术与其它测量技术
相比具有以下突出的特点：
1）.通过图像处理技术能够显著的提高图像的质量，增强被测物体的有用信息，抑制无用的干扰信息。
2）.利用子像素定位技术可以显著的提高目标的定位精度。
3）.可测量许多传统的方法无法测量的物理量，肉眼无法分辨的物理量。例如连续变化的亮度场、条纹方位场等。
4）.自动化程度高。
将来的视觉测量系统的发展方向主要有以下几个方面：
1）.使用硬件实现独立于环境的处理算法，如边缘检测、特征提取等，这样可以大大提高处理速度。
2）.发展彩图像、灰度图像和多普图像的处理算法，使之适用于各种视觉测量系统。
3）.研究更为精确的子像素定位方法，提高定位精度。
4）.研究更为简单精确的系统标定方法，来提高标定精度和效率。
只使用一个CCD摄像机的系统称为单目摄像系统，在汽车上常用于倒车后视系统，辅助驾驶员获得后视死角信息，以避免倒车撞物。为获得目标三维信息，模拟人的双目视觉原理，利用间隔固定的两台摄像机同时对同一景物成象，通过对这两幅图像进行计算机分析处理，即可确定视野中每个物体的三维坐标，这一系统称为双目摄像系统
总之，视觉技术的诞生和应用极大的解放了人类劳动力，提高了生产自动化水平和产品质量，其应用前景极为广阔。目前在国外，视觉技术已经广泛应用于工业生产和日常生活当中，而我国正处于起步阶段，急需广大科学工作者共同努力来提高我国的视觉技术。
本文重点：停车线识别（边缘检测） 双目过程
2.视觉测量系统实现过程
图1 倒车辅助系统硬件框图
机器视觉倒车辅助系统硬件框架，如图1所示。主要包括图象输出显示装置（一般为汽车中控台的液晶显示器）、集成电路控制部分（以微处理器为核心）、摄像头CCD部分、图象采集卡组成。其中，摄像头拍摄的图象恰巧与人眼习惯观测到的相反，故而，摄像头需搭配图象反向器运作。
本文基于双目立体视觉系统，将摄像头当做人的眼睛，实现人眼功能，作出判断，实现倒
车功能。一个完整的双目视觉系统通常分为图像采集、图像处理、摄像机标定、特征提取、立体匹配、深度计算及深度信息内插。
(1)图像采集
立体图像的采集是双目立体视觉的物质基础。图像采集的方式很多，主要取决于应用场合和目的。为了采集双目视觉需要的图像对，可以用两台性能相同、位置固定的摄像机从不同角度对同一景物进行拍摄，或者可以用一台摄像机从不同的角度两次拍摄同一景物。在获取立体图像时不但要满足应用要求，而且要考虑视点差异、光照条件、摄像机性能以及景物特点等因素的影响，以便于立体视觉计算。
(2)图像处理
从图像获取系统得到的符合立体视觉原理的左右灰度图像对，包含了各种各样随机噪声和畸变，因此在对其进行操作和计算之前，必须对原始图像进行必要的预处理，突出有用信息、抑制无用信息，从而改善图像质量。图像预处理的目的有两个:一是改善图像的视觉效果，提高图像的清晰度;二是使图像变得更有利于计算机的处理，便于各种特征分析。预处
理技术主要包括图像对比度的增强、随机噪声的去除、滤波和图像的增强、伪彩处理等。
(3)摄像机标定
摄像机标定是为了建立成像模型、确定摄像机的位置和属性参数，以确定空间坐标系中物体点同它的像点之间的对应关系。在双目视觉中，对两个摄像机都要标定，如果摄像机是固定的，当从2一D计算机图像坐标推导3一D信息时，只需一次标定。摄像机的标定方法可分为两大类:第一类是传统摄像机参数标定，需要使用精密加工的标定参照物;第二类是自标定方法，即在场景未知和摄像机运动任意的一般情形下标定摄像机参数。建立一个有效的摄像机模型，除了能够精确的恢复出空间景物的三维信息外，还有利于解决立体匹配问题。
(4)特征提取
特征提取是为了得到匹配所需要的图像特征，由于目前尚没有一种普遍适用的理论可指导图像特征的提取，从而导致了立体视觉研究中匹配特征的多样性。根据多视点的视察确定
三维(3D)信息，其关键的一步是确定场景中同一物点在不同图像中的对应关系。解决该问题的方法之一是选择合适的图像特征并进行匹配。目前，常用的匹配特征主要有点状特征、线状特征，区域特征。一般来讲，大尺度特征含有较丰富的信息，本身数目较少，易于得到快速匹配，但对它们的提取与描述相对复杂，定位精度也差;而小尺度特征本身的定位精度高，表达描述简单，但数目较多，所含信息量却较少，因而在匹配时需要采用较强的约束准则和匹配策略。
(5)立体匹配
为了求出深度信息，必须知道左右两幅图像的对应点，因此立体匹配是由双目视觉求深度的关键。如果知道了左右两幅图像的对应点，对于已经标定的摄像机，便可以方便地计算出深度。立体匹配的基元可以是特征点(角点、图像的零交叉点等)、特征线，以及特征区域。立体匹配的基本思想都是基于相似性度量与连续性假设，方法有:特征点匹配法、区域相关匹配法、相位匹配法等。选择的立体匹配方法必须解决以下三个问题:正确选择图像的匹配特征、寻特征间的本质属性及建立正确的匹配算法。围绕这三个方面的工作，目前已有大量各具特的匹配方法。但是由于立体匹配涉及的问题太多，至今仍未得到很好的
解决，特别是在复杂场景中，如何提高算法的去歧义匹配和抗干扰能力，降低实现的复杂程度和计算量，都需要进行更深入的探索和研究。因为立体匹配可归结为在一定匹配准则下的最优搜索问题，所以遗传算法、神经网络、多智能等优化技术也可用于解决此类问题。
发布评论