【編者按】機器視覺系統就是利用機器代替人眼來作各種測量和判斷。它是計算機學科的一個重要分支祟身，它綜合了光學菩貌、機械、電子欺缘、計算機軟硬件等方面的技術栋豫，涉及到計算機、圖像處理谚殊、模式識別丧鸯、人工智能、信號處理嫩絮、光機電一體化等多個領域丛肢。

機器視覺是人類認知世界最重要的功能手段，生物學研究表明剿干，人類獲取外界信息75%依靠視覺系統蜂怎，而在駕駛環(huán)境中這一比例甚至高達90%。

如果能夠將人類視覺系統應用到自動駕駛領域怨愤，無疑將會大幅度提高自動駕駛的準確性士怒，而這正是當前計算機科學和自動駕駛領域最熱門的研究方向之一，它就是機器視覺技術乒稚。

機器視覺技術發(fā)展至今已有二十多年的歷史眷赂，而真正發(fā)生革命性進步的則是莫爾視覺計算理論的提出，通過實現神經網絡相關算法使機器擁有同人類視覺系統同樣的功能提供了可能咐笙。一般來說屑墓，機器視覺系統包含有鏡頭、攝像系統和圖像處理系統昨把，而其核心則是專用高速圖像處理單元奏炸，也就是把存入的大量數字化信息與模板庫信息進行比較處理，并快速得出結論臼格，其運算速度和準確率是關鍵指標芹菱。這主要通過高效合理的算法和處理能力強大的芯片來實現冗呀。

目前，市場上已有多種高效視覺專用硬件處理器及芯片等電子器件桩垫，并且隨著計算機技術的進步钠锉，更先進的算法被相繼發(fā)明，如采用網格分布式處理系統能夠有效的提高運算的效率西轩。今后機器視覺的核心問題將是對圖像的深入理解员舵。

機器視覺在自動駕駛中的應用主要有以下兩個方面：

一、障礙物檢測

準確率是車輛自動駕駛過程中安全性的重要保證藕畔。在行駛過程中马僻，障礙物的出現是不可預知的，也就無法根據現有的電子地圖避開障礙物注服，只能在車輛行駛過程中及時發(fā)現韭邓， 并加以處理。當前祠汇，由于自動駕駛環(huán)境的不成熟仍秤，關于障礙物的定義尚沒有統一的標準熄诡。因此可很， 可以認為一切可能妨礙車輛正常行駛的物體和影響車輛通行的異常地形都是車輛行駛過程中的障礙物。目前來看凰浮，算法主要有以下三種：1. 基于特征的;2. 基于光流場的;3. 基于立體視覺的我抠。在三種算法中，基于立體視覺的因為既不需要障礙物的先驗知識渡铲， 對障礙物是否運動也無限制钾独， 還能直接得到障礙物的實際位置而成為主流研究方向。但其對攝像機標定要求較高楞澳。而在車輛行駛過程中访跛，攝像機定標參數會發(fā)生漂移， 需要對攝像機進行動態(tài)標定堡扳。

二秩漾、道路檢測

自動導航是自動駕駛的必要條件，自動駕駛過程中侄脂，道路檢測主要是為了確定車輛在道路中的位置和方向冯峭，以便控制車輛按照正確的路線行駛。另外烫毡，它還為后續(xù)的確定搜索范圍谁汤，以及縮小的搜索空間，降低算法復雜度和誤識率弄萨。然而由于現實中的道路多種多樣殉俗，在加上光照、氣候等各種環(huán)境因素的影響，道路檢測是一個十分復雜的問題倦逐。至今仍無一個通用的算法轿曙，現有算法基本上都對道路做了一定的假設。通常采用的假設有：1特定興趣區(qū)域假設;2道路等寬假設;3道路平坦假設僻孝。另外导帝，道路平坦假設也為障礙物定義提供參考。

目前穿铆，機器視覺技術在自動駕駛中并沒有進行大規(guī)模的應用您单，其實這這并非是硬件的問題，事實上攝像頭技術在汽車中的應用已經十分成熟荞雏，如善領科技的行車記錄儀虐秦，廣角視野、倒車影像等功能都完全具備凤优，而芯片技術也已能夠高效完成圖像的壓縮處理悦陋，最終難點在于模擬神經網絡的視覺算法。

聲明：本網站所收集的部分公開資料來源于互聯網筑辨，轉載的目的在于傳遞更多信息及用于網絡分享俺驶，并不代表本站贊同其觀點和對其真實性負責，也不構成任何其他建議殊精。本站部分作品是由網友自主投稿和發(fā)布协黑、編輯整理上傳，對此類作品本站僅提供交流平臺诽檬，不為其版權負責脏拦。如果您發(fā)現網站上所用視頻、圖片殿扮、文字如涉及作品版權問題摇昌，請第一時間告知，我們將根據您提供的證明材料確認版權并按國家標準支付稿酬或立即刪除內容篓围，以保證您的權益净耍！聯系電話：010-58612588 或 Email:editor@mmsonline.com.cn。