影像偵測算法瓶頸突破　汽車(chē)ADAS效能再進(jìn)化

近年來(lái)，世界各國的交通主管單位皆大力倡導「防御駕駛」，所謂防御駕駛是一種預測危機并協(xié)助遠離危機的機制，意指除了駕駛本身遵守交通規則外，也要防范其他駕駛因為自身的疏忽或是故意違規，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(tīng)的察覺(jué)，來(lái)認知并預測可能發(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。

根據交通部的長(cháng)期統計與特性分析報告指出，全國主要交通事故原因中，以「未保持行車(chē)安全距離」為最多。以2014年上半年國道高速公路為例，A1類(lèi)(造成人員當場(chǎng)或24小時(shí)內死亡)的交通事故總計三十件，而未保持安全距離(車(chē)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(chē)道不當，總計為六件，并造成八人死亡、八人重傷。然事實(shí)上，交通部在2012年國道事故檢討報告指出，在這些造成不幸的交通事故當中，有高達79.1%的意外是有機會(huì )事先預防的。

有鑒于此，各大車(chē)廠(chǎng)與駕駛人紛紛在車(chē)輛上安裝各種駕駛輔助系統，以降低肇事率(圖1)。在各種系統中，以影像為基礎的輔助駕駛系統市占率最高;其主要原因為成本低廉，且可與行車(chē)記錄器結合使用，并能將偵測的結果以視覺(jué)影音的方式呈現給駕駛人，雖然其偵測距離不及紅外線(xiàn)與雷達，但仍廣受歡迎。

圖1　各種不同形式之ADAS傳感器

開(kāi)發(fā)成本低廉　影像式ADAS受青睞

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

.LDWS

LDWS主要功能運作是透過(guò)攝影機拍攝車(chē)輛前方的場(chǎng)景，然后經(jīng)圖像處理與計算，產(chǎn)生車(chē)道偵測的結果;一旦車(chē)輛在沒(méi)有打方向燈的情形下開(kāi)始偏移車(chē)道時(shí)，系統則會(huì )自動(dòng)發(fā)出各種警示訊號，提醒駕駛者立即做出反應以避免意外發(fā)生。

.FCWS

FCWS的主要功能亦是透過(guò)攝影機拍攝車(chē)輛前方的場(chǎng)景，經(jīng)過(guò)圖像處理算法的計算后，將前方的車(chē)輛偵測出來(lái)，并且推估兩車(chē)之間的距離;當兩車(chē)未保持適當的行車(chē)距離時(shí)，系統亦自動(dòng)對駕駛人發(fā)出警告，甚至近年來(lái)已有車(chē)廠(chǎng)開(kāi)始評估是否由行車(chē)計算機系統接管煞車(chē)功能。

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

PC-based為早期慣用平臺

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

獨立型平臺符合輕薄短小設計需求

如此進(jìn)步下，嵌入式系統已經(jīng)開(kāi)始朝多媒體邁進(jìn)，增加影像與視訊等二維(2D)/三維(3D)訊號的運算，以擴大應用范圍;再加上隨著(zhù)智能化與云端化的趨勢，多媒體應用與安全監控平臺，已漸由PC-based走向獨立型嵌入式系統，以便滿(mǎn)足車(chē)載應用對省電與輕薄短小的需求。

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

攸關(guān)警告提示速度　ADAS算法驗證至為重要

ADAS對于算法的效能必然斤斤計較，因為當危險狀況發(fā)生時(shí)，系統必須實(shí)時(shí)(Real-time)發(fā)出警告。以FCWS為例，當某車(chē)輛于國道高速公路以時(shí)速100公里行駛時(shí)，亦即其每秒前進(jìn)27.7公尺;系統若延遲0.1秒發(fā)出警告，則車(chē)輛將繼續前進(jìn)2.77公尺;因此設計人員習慣以訊框速(Frame Per Second, FPS)來(lái)驗證ADAS中的算法之效能，當FPS值越大時(shí)，代表該算法的效能越佳。

當然，算法的效能必定與嵌入式平臺的處理器速度、資源相關(guān)，所以在開(kāi)發(fā)初期就必須考慮算法的計算量是符合何種嵌入式平臺，否則將出現算法無(wú)適當平臺可用的困境。

結合快速影像分割結果　車(chē)道線(xiàn)偵測算法效能穩健

LDWS為ADAS中較早被開(kāi)發(fā)的功能，車(chē)道偏移警示系統的研發(fā)，主要包含「車(chē)道線(xiàn)偵測」以及「車(chē)道偏移偵測」兩個(gè)項目。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(chē)道線(xiàn)偵測方面，因為無(wú)法預測車(chē)道線(xiàn)與道路的顏色差距(梯度(Gradient))程度。因此，算法中默認的參數便無(wú)法偵測出所有類(lèi)型的車(chē)道線(xiàn)。此外，為強化車(chē)道線(xiàn)的特性，往往須要重迭多張連續的畫(huà)面，以加長(cháng)車(chē)道線(xiàn)的長(cháng)度。

最后，由于使用的直線(xiàn)偵測算法，無(wú)法提供直線(xiàn)是否屬于車(chē)道線(xiàn)或是非車(chē)道線(xiàn)等信息，因此傳統的車(chē)道偏移系統，需要一個(gè)手動(dòng)設定的畫(huà)面，標示出可能的車(chē)道線(xiàn)區域，藉此過(guò)濾掉非車(chē)道路線(xiàn)。

在車(chē)道偏移偵測方面，須要分析連續畫(huà)面的變化，才能判斷車(chē)子是否偏移，如此一來(lái)，系統便無(wú)法實(shí)時(shí)通知駕駛有關(guān)車(chē)道偏移的信息。有鑒于此，工研院已經(jīng)自行開(kāi)發(fā)出一種快速且強健的車(chē)道偏移警示系統;藉由結合「快速影像分割」的結果，所開(kāi)發(fā)的車(chē)道線(xiàn)偵測算法，可以偵測出各種類(lèi)型的車(chē)道線(xiàn)，不須要分析連續畫(huà)面的變化，可以?xún)H由一張畫(huà)面，便判斷出車(chē)輛是否偏移。

該算法的執行流程(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，對原始影像進(jìn)行「區域化」的步驟，將影像分成若干區域。

.車(chē)道線(xiàn)區域偵測(Road Line Region Detection)

然后結合「影像分割后的結果」以及「梯度分析」，以完成車(chē)道線(xiàn)區域偵測。

.車(chē)道線(xiàn)候選區域(Road Candidate Determination)

使用區域標記(Connected Component Labeling)的方式，標記每個(gè)連通區域(Connected Component)，進(jìn)而分析各區域的特性，去除「非車(chē)道線(xiàn)區域」，以完成工作。

.車(chē)道線(xiàn)判定(Road Line Determination)

接著(zhù)進(jìn)行車(chē)道線(xiàn)判定步驟。

.車(chē)道偏移警示(Lane Departure Warning)

最后，藉由判斷左右車(chē)道線(xiàn)的角度，以完成警示的功能。

該算法的執行結果可參考圖4。

圖3　FCWS算法流程圖

以純水平線(xiàn)為依據　前車(chē)偵測算法更精確

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

前方碰撞警示系統的研發(fā)，主要包含「前方車(chē)輛偵測」以及「車(chē)距計算」兩大項目。目前的前方車(chē)輛偵測研究中，有許多方法是使用「車(chē)底陰影」來(lái)當作特征值。但是，陰影容易受到外在光線(xiàn)的影響，造成偵測正確率不穩定的困擾。此外，為克服夜間、陰雨等天候問(wèn)題，有許多方法是以「后車(chē)燈」為偵測的特征值。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，快速且穩定之前方車(chē)輛偵測算法;藉由Sobel濾波器取得前方車(chē)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，因為從很多測試影片中可以觀(guān)察到，前方車(chē)輛必定有「純水平邊緣」，例如保險桿、后擋風(fēng)玻璃、行李箱等，然而有時(shí)候場(chǎng)景中亦可能出現一些非車(chē)輛的純水平邊緣。為避免誤判，可以使用標記(Labeling)、角點(diǎn)偵測(Corner Detection)、區域二元圖(Local Binary Pattern, LBP)紋理分析(Texture Analysis)將前方車(chē)輛準確的偵測出來(lái)。如同LDWS算法一樣，該算法的前方車(chē)輛偵測系統，亦不須要分析連續畫(huà)面的變化，可以?xún)H由一張畫(huà)面便判斷出前方車(chē)輛。本算法的執行流程如圖3所示，而執行結果如圖4所示。

圖4　FCWS與LDWS之執行結果

在車(chē)距計算方面，由于僅有單一攝影機，所以無(wú)法使用雙攝影機的算法來(lái)計算距離;但透過(guò)固定攝影機的方式，于靜止狀態(tài)預先量測距離，建立對應表格(Table)方式進(jìn)行計算(圖5)。將攝影機固定架設完畢后，透過(guò)實(shí)際量測可知，5公尺線(xiàn)對應至該影像的第162列(Row)、10公尺對應至第137列、15公尺對應至第126列、20公尺為第123列。

圖5　單一攝影機之前方距離量測

藉由實(shí)際距離與影像坐標的對應產(chǎn)生對應表，當行進(jìn)間前方車(chē)輛被偵測時(shí)，再利用查表的方式換算出前車(chē)距離。利用影像坐標對應的方法，其誤差值將會(huì )隨著(zhù)距離增加而增加，不過(guò)在控制攝影機鏡頭條件下，在實(shí)際距離小于30公尺時(shí)，其誤差值仍在公尺級的接受范圍內。

最后，將ADAS于嵌入式平臺進(jìn)行驗證且程序優(yōu)化之后，即可安裝于車(chē)輛上做實(shí)車(chē)測試。在此使用的嵌入式平臺為Cortex-A15的雙核心處理器與其他相關(guān)的周邊配備;測試場(chǎng)景為新竹68號快速道路，并且于上午、中午、傍晚進(jìn)行數次的實(shí)車(chē)測試;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，且執行速度可達25FPS。

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

隨著(zhù)車(chē)用電子與車(chē)用影像技術(shù)的進(jìn)步，各種輔助駕駛的系統成為各大車(chē)廠(chǎng)的發(fā)展目標，且不停的推陳出新，因此車(chē)廠(chǎng)投入研發(fā)各式主動(dòng)式ADAS的力道與能量越來(lái)越強。然而，早期的ADAS大多是停留在警示功能，用以提醒駕駛人須要盡快進(jìn)行防御駕駛，不過(guò)于近年，已經(jīng)有些車(chē)廠(chǎng)推出半自動(dòng)式的輔助系統，可協(xié)助駕駛者進(jìn)行煞車(chē)或車(chē)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(chē)途中遇到危機時(shí)，系統會(huì )主動(dòng)介入接管駕駛，并且快速判斷應如何閃避危險，且保持車(chē)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(chǎng)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正于產(chǎn)業(yè)界蓬勃發(fā)展。未來(lái)，當技術(shù)成熟且成本能被市場(chǎng)接受時(shí)，相信各大車(chē)廠(chǎng)就將會(huì )整合多個(gè)單一警示系統，逐漸邁向無(wú)人駕駛。

目前，Google在自動(dòng)駕駛車(chē)方面已有長(cháng)足的進(jìn)展，2014年中公布的無(wú)人駕駛車(chē)已沒(méi)有方向盤(pán)與油門(mén)，且以40公里/小時(shí)的速度，在美國加州地區進(jìn)行測試。其實(shí)，無(wú)人駕駛車(chē)輛最大的挑戰仍是在一般道路，誠如Google自動(dòng)駕駛計劃負責人Chris Umson所言，以無(wú)人駕駛系統在高速公路開(kāi)上1公里，和在市區開(kāi)上1公里，這是完全不一樣的兩件事情;在高速公路上開(kāi)車(chē)的變因僅有數種，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(chē)除了安裝傳統的攝影機之外，更搭載光達系統(LiDAR)進(jìn)行光學(xué)定向測距，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(chē)無(wú)法在幾年內就上市，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(chē)款上，對消費者來(lái)說(shuō)亦是一大福音。