，

(1.江蘇信息職業(yè)技術(shù)學(xué)院，無錫 214153；2.中國礦業(yè)大學(xué))

無人駕駛車輛光學(xué)傳感器自適應(yīng)曝光算法研究

程巖，李寶林2

(1.江蘇信息職業(yè)技術(shù)學(xué)院，無錫 214153；2.中國礦業(yè)大學(xué))

為保證無人駕駛車輛圖像采集系統(tǒng)能夠在光線強(qiáng)弱變化的環(huán)境中獲取更為可靠的道路信息，提供更多的道路邊界，提出一種自適應(yīng)曝光算法。利用光學(xué)傳感器特性，將采集圖像轉(zhuǎn)化為灰度值，并逐行進(jìn)行動態(tài)閾值比對處理，快速獲取下一周期正確曝光點。在道路實際的測試中，該算法能夠快速并有效獲取道路信息，后續(xù)的邊界處理較為清晰。

無人駕駛；自適應(yīng)曝光算法；動態(tài)閾值

引 言

隨著汽車行業(yè)、電子行業(yè)以及人工智能行業(yè)的迅猛發(fā)展，無人駕駛成為目前大型汽車廠商和互聯(lián)網(wǎng)人工智能企業(yè)的研發(fā)方向，無人駕駛車輛通常采用光學(xué)傳感器進(jìn)行環(huán)境參數(shù)的采集，將采集的信號發(fā)送給處理器，但車輛行駛的環(huán)境較為復(fù)雜，在行駛道路上通常設(shè)置橋梁和隧道，無人駕駛車輛在普通道路和橋洞或隧道之間交替行駛過程中，光線會突然發(fā)生強(qiáng)弱變換[1]，導(dǎo)致光學(xué)傳感器曝光不足或過度，為保證車輛行駛的安全性，其道路環(huán)境的識別分析尤為重要。本文針對光學(xué)傳感器進(jìn)行了環(huán)境自適應(yīng)曝光研究，提供解決無人駕駛車輛光學(xué)傳感器曝光的問題。

1 光學(xué)傳感器特性

無人駕駛車輛圖像采集處理系統(tǒng)采用飛思卡爾(已被NXP收購)32位處理器MPC5604B和NTSC制式圖像芯片OV 7960，芯片的軟件編寫遵循I2C協(xié)議、緩存讀寫時序、采集時序以及曝光控制等，芯片結(jié)構(gòu)圖如圖1所示。

圖1 芯片結(jié)構(gòu)

芯片每秒可輸出30幀圖像，采集的圖像為數(shù)字視頻信號，可將視頻的每個像素通過二進(jìn)制數(shù)據(jù)的格式發(fā)送給處理器進(jìn)行處理，保證了即使是長距離傳輸也不失真。

由光學(xué)傳感器輸出電壓公式

Vout=Vdrk+Re·Ee·Tint

可知，在光照強(qiáng)度較高的環(huán)境下，Vout值較高，反之則較低，因此可通過控制曝光時間[2]得到較為合適的輸出電壓。

2 自適應(yīng)曝光算法

根據(jù)光學(xué)傳感器特性提出智能車輛光學(xué)攝像頭自適應(yīng)曝光策略，通過獲取圖像曝光量的灰度值反饋信息進(jìn)行曝光時間的自適應(yīng)調(diào)節(jié)，策略如圖2所示。

第一次圖像采集使用初始化的曝光量獲取圖像二維數(shù)組，針對二維數(shù)組進(jìn)行分行處理，計算每一行的閾值[3]，后續(xù)每行的采集信息與閾值進(jìn)行比對，記錄偏差e，利用曝光量調(diào)節(jié)器計算新的曝光時間T，如此反復(fù)使光學(xué)傳感器能夠在光線變化較大的環(huán)境下實現(xiàn)自適應(yīng)曝光。自適應(yīng)曝光流程圖如圖3所示。

設(shè)由攝像頭采集的道路環(huán)境圖像數(shù)組為Image[cmosrow][cmoscol]，對數(shù)組進(jìn)行灰度轉(zhuǎn)換：

圖2 自適應(yīng)曝光策略

圖3 自動曝光流程圖

進(jìn)行分行處理，計算出每行的閾值并存儲在Threshold[i]數(shù)組中，通過每個灰度與閾值進(jìn)行比對后得出處理后的圖像信息：

在進(jìn)行閾值處理過程中計算出曝光度的偏差值error，結(jié)合曝光情況計算出下一采集周期的曝光時間T：

處理后經(jīng)過Sobel邊界提取將道路信息提取并顯示在儀表屏幕上。

3 自適應(yīng)曝光試驗

為了檢驗自適應(yīng)曝光算法的效果，試驗中車輛停放在固定地點，并在中午光照強(qiáng)度較為充足的情況下，使用車載光學(xué)傳感器進(jìn)行道路信息的采集。將攝像頭獲取的圖片分別進(jìn)行不同處理。

方案一：將攝像頭硬件獲取的圖像直接進(jìn)行后續(xù)處理。在未使用自適應(yīng)曝光算法時，車載攝像頭采集的道路環(huán)境如圖4所示?？梢钥闯?，此時由于光照強(qiáng)度較為充足導(dǎo)致圖像曝光過度，經(jīng)過后續(xù)的高斯處理和Sobel邊界提取后，可以獲取的道路信息較少，車輛無法安全進(jìn)行自主行駛。邊界提取信息如圖5所示。

圖4 未使用自適應(yīng)曝光采集環(huán)境

圖5 未使用自適應(yīng)曝光采集的道路邊界

方案二：在算法中加入自適應(yīng)曝光算法，針對不同環(huán)境的光照強(qiáng)度逐行進(jìn)行動態(tài)閾值處理，對動態(tài)閾值處理后的圖像進(jìn)行高斯處理和Sobel邊界提取，得出道路邊界的提取情況。加入自適應(yīng)曝光采集道路情況如圖6所示，加入自適應(yīng)曝光采集的道路邊界如圖7所示。

圖6 加入自適應(yīng)曝光采集道路情況

圖7 加入自適應(yīng)曝光采集的道路邊界

通過兩種方案分別獲得不同的灰度直方圖，圖8為方案一獲取的灰度直方圖，圖9為方案二獲取的灰度直方圖。對比分析可知，在未使用自適應(yīng)曝光采集到的灰度值除圖像最右側(cè)出現(xiàn)的植物隔離帶為灰色外，其余位置的灰度大致相同。而加入自適應(yīng)算法后，在道路的邊界處有明顯的灰度變化。

圖8 方案一獲取的灰度直方圖

圖9 方案二獲取的灰度直方圖

結(jié) 語

[1] 袁方.基于智能車的自動曝光研究[D].武漢:湖北工業(yè)大學(xué),2016.

[2] 谷明琴,蔡自興,易亮.面向無人駕駛車感知系統(tǒng)的自動曝光方法[J].計算機(jī)科學(xué),2013(6):300-302,307.

[3] 邱利軍,景勝強(qiáng),李云濤,等.一種新的灰度直方圖分割閾值的自動檢測方法[J].地理空間信息,2015(6):14,115-117.

ResearchonAdaptiveExposureAlgorithmforUnmannedVehicleOpticalSensor

ChengYan1,LiBaolin2

(1.Jiangsu Vocational College of Information Technology,Wuxi 214153,China;2.China University Mining and Technology)

In order to ensure the unmanned vehicle image acquisition system can obtain more reliable road information even in environment of changeable intensity of light,an auto-adaptive exposure algorithm is proposed in the paper.The collected images is converted into gray value according to the features of optical sensor.In order to get the right exposure points of next period,the dynamic threshold is compared and processed line by line.In the real road test,this algorithm can get a fast and effective road information,and the handling of subsequent boundary is more clear.

unmanned vehicle;adaptive exposure algorithm;dynamic threshold

TP31

A

2017-07-24)