牛耘佳　歐先鋒　馬鑫　趙琳臻　張銀　張明

摘要：隨著世界范圍內(nèi)機(jī)動車保有量的激增，駕駛輔助系統(tǒng)成為安全駕駛和智能駕駛中的重要輔助設(shè)備。同時，計算機(jī)視覺技術(shù)在近年有了較為快速的發(fā)展，各大汽車制造和電子設(shè)備企業(yè)越來越多地將其應(yīng)用到駕駛輔助系統(tǒng)中。利用專利數(shù)據(jù)庫對駕駛輔助中的計算機(jī)視覺技術(shù)進(jìn)行了數(shù)據(jù)分析，了解相關(guān)領(lǐng)域的技術(shù)分支，從該領(lǐng)域?qū)＠哪甓确植?、地域分布、重要申請人等信息進(jìn)行了分析，歸納出該領(lǐng)域的技術(shù)發(fā)展演進(jìn)過程，并對相關(guān)核心專利進(jìn)行了分析，為該領(lǐng)域發(fā)展提供參考。

關(guān)鍵詞：駕駛輔助；計算機(jī)視覺；圖像識別；專利；技術(shù)分支

中圖分類號：TN94 文獻(xiàn)標(biāo)志碼：A

文章編號：2095-5383（2018）02-0018-07

Data Analysis Computer Vision in Driving Assistant

NIU Yunjia1，OU Xianfeng2，MA Xin3，ZHAO Linzhen3，ZHANG Yin3，ZHANG Ming3

（1.Patent of Examination Cooperation Center of Patent Office， SIPO， Chengdu 61000， China； 2. School of Information Science and Engineering， Hunan Institute of Science and Technology， Yueyang 414006， China；3.GCI Science &Technology Co.Ltd， Guangzhou 510300， China）

Abstract：

With the rapid increase in the number of vehicles in the world，driving assistant system plays a significant role in safe driving and intelligent driving. Meanwhile， computer vision technology has developed rapidly in recent years， and it has been widely applied in driving assistant system by many vehicle and electronic device manufacturing companies. Based on the patent database， data analysis on computer vision technology in driving assistant was completed and the technology branches of computer vision technology were obtained. According to the annual distribution， geographical distribution， important applicants and other information， the evolution of technology in this field was summarize. Finally， the related core patents were analyzed to provide reference for the development of this field.

Keywords： driving assistant； computer vision； image recognition； patent； technology branch

智能車輛技術(shù)主要分為自主導(dǎo)航和安全保障兩個方面。由于自主導(dǎo)航技術(shù)的應(yīng)用依賴于智能交通系統(tǒng)的配套完善，短期內(nèi)難以普及，其發(fā)展較為緩慢。而行車安全保障的相關(guān)技術(shù)卻可以率先應(yīng)用于駕駛員輔助駕駛系統(tǒng)，從而為解決常規(guī)車輛因駕駛員主觀因素產(chǎn)生的事故提供有力的技術(shù)支持[1]。截至2017年底，我國的機(jī)動車保有量達(dá)3.10億輛，機(jī)動車駕駛?cè)藬?shù)達(dá)3.85億。機(jī)動車的普及為我們的生活帶來便捷，也帶來不容忽視的安全隱患，例如，司機(jī)視覺死角導(dǎo)致的車輛追尾、碰撞，停車空間受限導(dǎo)致的擦掛風(fēng)險以及疲勞駕駛導(dǎo)致的駕駛危險等。因此，從泊車輔助、車道偏離提醒、車到保持、疲勞駕駛檢測等多方面保障人車安全的駕駛輔助系統(tǒng)一直是世界范圍內(nèi)研究熱點(diǎn)[2]。

駕駛員對實(shí)時交通狀況的感知是保證安全駕駛的基礎(chǔ)，如果沒有感知到準(zhǔn)確和即時的環(huán)境信息，極有可能導(dǎo)致錯誤的判斷和操作。而在通過視覺、聽覺、觸覺等感官進(jìn)行環(huán)境信息感知時，80%以上的信息是通過視覺獲取的，因此，駕駛過程中的視覺特性與行車安全有著直接的聯(lián)系[3]。隨著計算機(jī)視覺技術(shù)在軟件算法和硬件處理能力上的飛速進(jìn)步，圖像處理技術(shù)逐漸打破技術(shù)瓶頸，可以對光照不足、有霧等惡劣環(huán)境下采集的圖像進(jìn)行校正；通過多攝像頭采集數(shù)據(jù)，以獲取目標(biāo)深度信息；通過硬件拓寬數(shù)據(jù)范圍、提升圖像處理速度，向駕駛員更直觀地反映車輛內(nèi)外的真實(shí)場景[4]。

1 駕駛輔助中的計算機(jī)視覺概況

1.1 技術(shù)分解

駕駛輔助中的計算機(jī)視覺技術(shù)旨在提高駕駛員的視覺效能，通過改善視覺和駕駛行為的關(guān)系來輔助駕駛員，以減少因視覺原因帶來的不當(dāng)操作，或進(jìn)一步減輕駕駛操作為駕駛員帶來的負(fù)擔(dān)，從而提高駕駛的安全性[5]。本文選擇CNABS中文檢索數(shù)據(jù)庫以及DWPI外文檢索數(shù)據(jù)庫，通過對檢索獲得的駕駛輔助中的計算機(jī)視覺領(lǐng)域的專利申請進(jìn)行統(tǒng)計與分析，對該領(lǐng)域所涉及的技術(shù)進(jìn)行技術(shù)分解，如表1所示。

基于車輛內(nèi)部信息的圖像識別采集并識別車輛內(nèi)部的圖像信息，例如駕駛員的面部信息、視線位置、手勢等，用于判斷駕駛員是否疲勞、調(diào)節(jié)座椅位置或其他簡單的控制功能。

1.2 技術(shù)分支介紹

1.2.1 基于前向駕駛信息的圖像識別

基于計算機(jī)視覺的車輛輔助駕駛系統(tǒng)采用圖像處理和計算機(jī)視覺技術(shù)檢測道路路面、交通標(biāo)志、其他車輛、行人、交通事故等道路環(huán)境狀況，以保證車輛以安全的距離和合適的車速行駛在正確的車道上，并幫助駕駛員對一些異常狀況進(jìn)行及時處理。實(shí)現(xiàn)這類系統(tǒng)需要解決兩大方面的問題，即行車軌跡方面的引導(dǎo)和對碰撞危險的規(guī)避。

1）行車軌跡

在從行車軌跡方面對駕駛員進(jìn)行輔助引導(dǎo)時，通常都需要對車道線和/或道路邊界進(jìn)行識別，識別方法基本可歸結(jié)為基于特征的識別方法和基于模型的識別方法?；谔卣鞯淖R別方法主要是結(jié)合車道線或道路邊界圖像的圖像特征從所獲取的圖像中識別出車道線或道路的邊界[6]，該方法主要分為基于灰度特征的識別和基于彩色特征的識別，其中前者在不利天氣條件下也能有比較準(zhǔn)確的識別結(jié)果，因此應(yīng)用較為廣泛?；谀Ｐ偷淖R別方法主要是基于不同的道路圖像的二維或三維模型采用不同的識別技術(shù)對車道線或道路邊界進(jìn)行識別，常用的識別技術(shù)包括神經(jīng)網(wǎng)絡(luò)算法、Hough變換等[7]。

道路交通標(biāo)志是重要的道路交通安全附屬設(shè)施，用于向駕駛員提供各種引導(dǎo)和約束信息。駕駛輔助系統(tǒng)通過圖像識別探測交通標(biāo)志，通常首先確定交通標(biāo)志于畫面中的所在位置，再根據(jù)交通標(biāo)志圖像的顏色、形狀等信息進(jìn)行分類識別[8]。

在完成車道線、道路邊界的識別后，駕駛輔助系統(tǒng)可以結(jié)合當(dāng)前駕駛員對方向、速度等的控制參數(shù)，判斷車輛是否偏離了正確的駕駛軌跡；還可以結(jié)合當(dāng)前路面的暢通情況或根據(jù)交通標(biāo)志指示，向駕駛員提供路線規(guī)劃建議[9]。

2）行車防撞

障礙物的檢測與識別是基于計算機(jī)視覺的行車防撞駕駛輔助的一個重要方向，其主要類型有：基于顏色的機(jī)器視覺障礙物檢測、基于立體視覺的障礙物檢測和基于結(jié)構(gòu)光的障礙物檢測。其中，在基于立體視覺的障礙物檢測中，有典型的雙目立體視覺檢測方法，它利用兩臺參數(shù)性能相同、位置固定的攝像機(jī)，從兩個視點(diǎn)觀察統(tǒng)一景物，獲得在不同視角下的兩幅圖像，通過成像幾何原理計算圖像像素間的視差，從而確定三維空間點(diǎn)的深度信息。這一過程與人類視覺的立體感知過程類似，因此不少駕駛輔助系統(tǒng)都采用該方法作為障礙物的主要檢測方法。此外，基于結(jié)構(gòu)光的障礙物檢測能夠獲取目標(biāo)物體的三維信息[10]。

駕駛員視線增強(qiáng)能夠提供在雨天、霧天、沙塵等不同氣候或一天中不同時間中，通過圖像處理算法提高能見度，或通過設(shè)置多個攝像機(jī)采集司機(jī)試點(diǎn)盲區(qū)的圖像，擴(kuò)展司機(jī)視野[11]。

1.2.2 基于后向駕駛信息的圖像識別

1）倒車軌跡

倒車軌跡分支中的駕駛輔助技術(shù)主要用于降低駕駛員在停車過程中的不便，或結(jié)合駕駛員的駕駛操作參數(shù)，例如方向盤角度和行駛速度等，計算出車輛將要經(jīng)過的軌跡，并將該軌跡疊加顯示在攝像頭采集的車輛后方影像上；還可通過圖像識別算法主動識別停車區(qū)域，制定出操作路線，供駕駛員參考。

2）倒車防撞

倒車防撞分支中，有關(guān)障礙物檢測的方式與行車防撞分支中類似。該分支的另一側(cè)重點(diǎn)在于如何讓司機(jī)更準(zhǔn)確地感知車輛的空間位置以及與障礙物之間的位置關(guān)系。傳統(tǒng)的方式是在采集的車輛后方影像上疊加顯示圖像標(biāo)記以反映車輛邊界與后視場景的位置關(guān)系，并結(jié)合障礙物或距離檢測方法進(jìn)行報警。另一方面，大量的停車輔助系統(tǒng)開始基于車輛四周的全景圖像生成鳥瞰圖，使司機(jī)能夠更直觀地獲知車輛與四周環(huán)境的位置關(guān)系，從而避免發(fā)生擦掛、碰撞事故[12-13]。

1.2.3 基于車輛內(nèi)部信息的圖像識別

基于車輛內(nèi)部信息的圖像識別對象主要針對駕駛員，其中疲勞與分神檢測是該分支中的重點(diǎn)研究對象。疲勞駕駛時的特點(diǎn)通常有：打哈欠、頭部傾斜、眼瞼的眨動或閉合等。通過獲取駕駛員的臉部視頻圖像，確定人臉及五官位置，根據(jù)頭部、眼鏡以及嘴部的圖像來判斷駕駛員是否在進(jìn)行疲勞駕駛，從而提高駕駛安全[14]。此外，還可進(jìn)行根據(jù)駕駛員的視線調(diào)整車輛座椅位置等，一方面使駕駛員得到更好的駕駛視野，另一方面提高駕駛舒適度、減緩駕駛員的監(jiān)視疲勞。

2 專利分析

2.1 專利分布及重要申請人分析

2.1.1 申請量的年度分布

全球?qū)＠暾埧偭颗c國內(nèi)申請總量如圖1所示。從圖1可以看出，基于計算機(jī)視覺的駕駛輔助專利申請在2003年以前都處于緩慢增長時期，與2006年迎來了第一個申請量高峰；2007—2015年，全球申請總量總體呈增長趨勢，并在2015年迎來頂峰。而國內(nèi)申請量在2011年以前都沒有較快增長，在2010年之后，雖然增長趨勢并不穩(wěn)定，但在總體數(shù)量上較之前有了顯著增加。此外，全球申請總量與國內(nèi)申請量在2016年雖然仍保持在較高的水平，但相較2015年均分別出現(xiàn)了滑落，原因之一在于部分申請還未公開，因此未計入總量統(tǒng)計。

總體來說，無論是在全球范圍還是在國內(nèi)范圍內(nèi)，近5年中汽車保有量的增長對駕駛輔助領(lǐng)域發(fā)展起到了不可忽視的推動作用。同時，隨著近年計算機(jī)視覺相關(guān)技術(shù)的蓬勃發(fā)展，以及智能駕駛這一概念的普及，越來越多的國內(nèi)外企業(yè)開始致力于該領(lǐng)域的研究和創(chuàng)新。然而，大量研究起步早、實(shí)力強(qiáng)、技術(shù)積淀深厚的申請人來自國外，國內(nèi)申請數(shù)量和在該領(lǐng)域的技術(shù)研究與國外均還有一定的差距。

對駕駛輔助中的計算機(jī)視覺領(lǐng)域的一級分支和二級分支申請比例進(jìn)行統(tǒng)計的結(jié)果如圖2所示。正如前文中提到的，駕駛輔助技術(shù)現(xiàn)階段最主要的目的在于提高駕駛過程中的人車安全，在此基礎(chǔ)上，進(jìn)一步提高駕駛操作的智能化輔助，達(dá)到減輕駕駛員駕駛負(fù)擔(dān)的目的。一級分支中，基于前向駕駛信息的圖像識別和基于后向駕駛信息的圖像識別這兩個分支占據(jù)總申請量的絕大部分，結(jié)合二級分支的申請量比例，則很好地印證了這一研究趨勢。申請量占據(jù)前兩位的分別是前向駕駛分支中的行車防撞和后向駕駛中的倒車防撞，這兩個分支中的申請均致力于解決前向和后向駕駛過程中容易出現(xiàn)的安全問題，例如通過對視野的增強(qiáng)、盲區(qū)和障礙物的識別等幫助駕駛員更好地觀察到單靠人眼難以發(fā)現(xiàn)的潛在危險。這兩個分支的相關(guān)技術(shù)輔助效果最好，是駕駛輔助系統(tǒng)最常見的功能。相比之下，倒車軌跡、行車軌跡兩個二級分支，多用于提高駕駛智能與便捷程度，其研發(fā)起點(diǎn)較高，因此排名第三、第四。而基于車輛內(nèi)部信息的圖像識別技術(shù)并非駕駛輔助中最重要的需求，因此所占比例最小。

2.1.2 申請的地域分布

技術(shù)原創(chuàng)國反映了一個國家或地區(qū)在該領(lǐng)域的技術(shù)儲備和實(shí)力，而目標(biāo)國則反映了該國家和地區(qū)在相關(guān)領(lǐng)域的市場地位和受重視程度。原創(chuàng)國分布情況如圖3所示。從圖3可以看出，日本在基于計算機(jī)視覺的駕駛輔助領(lǐng)域的申請量最高，這與日本國內(nèi)大量擁有強(qiáng)大研發(fā)實(shí)力的汽車、圖像技術(shù)的企業(yè)有著緊密聯(lián)系；中國位居第二，這主要?dú)w功于近幾年汽車保有量的增長與汽車行業(yè)的蓬勃發(fā)展；之后則是美國、韓國和德國。而作為專利布局的目標(biāo)國，中國無疑成為了全球最受重視的市場國，位居第一；同時美國、日本與韓國也具有龐大的消費(fèi)市場，排名第二和第三；歐洲的專利分布較少，排在最后一位。

2.1.3 重要申請人

圖4為駕駛輔助中的計算機(jī)視覺領(lǐng)域申請總量排名前八的申請人及其申請量的年度分布。株式會社電裝（DENSO）位居第一，其與在后第二至五位的豐田汽車公司（TOYOTA）、愛信AW株式會社（AISIN AW）、愛信精機(jī)株式會社（AISIN SEIKI）、日產(chǎn)（NISSAN）均為來自日本且在世界汽車行業(yè)中地位舉足輕重的公司；可見，來自日本的汽車、電子企業(yè)在基于計算機(jī)視覺的駕駛輔助領(lǐng)域有著不可動搖的地位。排名第六、八位的LG電子（LG Electronics）和現(xiàn)代汽車集團(tuán)旗下的現(xiàn)代MOBIS（HYUNDAI MOBIS）是來自韓國電子產(chǎn)品制造商和汽車企業(yè)，也均在該領(lǐng)域做出了巨大的技術(shù)貢獻(xiàn)，擁有大量專利申請。此外，德國的羅伯特博世有限公司（Robert Bosch GMBH）在2011年成為世界最大的汽車零部件供應(yīng)商，其在駕駛輔助中的計算機(jī)視覺領(lǐng)域?qū)＠暾埩颗琶谄?。雖然近年來中國的汽車產(chǎn)業(yè)較以前有了較大的進(jìn)步，越來越多的國內(nèi)汽車、電子產(chǎn)品制造企業(yè)以及科研單位開始投入駕駛輔助系統(tǒng)的專利技術(shù)研究，但由于起步較晚且技術(shù)積淀不足，暫時還沒有國內(nèi)公司入圍該領(lǐng)域?qū)＠暾埧偭康那笆?，這也說明國內(nèi)企業(yè)在駕駛輔助中的計算機(jī)視覺領(lǐng)域還有很大的投入空間。

株式會社電裝、豐田汽車、愛信精機(jī)、日產(chǎn)在過去20年中一直致力于駕駛輔助中的計算機(jī)視覺領(lǐng)域的開發(fā)研究，技術(shù)積淀深厚；愛信AW和博世公司自2005年起也投入了較高的研究熱情；而LG電子和現(xiàn)代MOBIS的申請雖主要分布在近5年，但申請量較大。此外，參與到該領(lǐng)域?qū)＠夹g(shù)研究的企業(yè)隨時間推移越來越多，且后加入企業(yè)的專利申請量非?？捎^，也反映出市場對基于計算機(jī)視覺的駕駛輔助系統(tǒng)的迫切需求。

2.2 技術(shù)發(fā)展演進(jìn)

早在20世紀(jì)80年代就已出現(xiàn)將照相機(jī)應(yīng)用至駕駛輔助中的專利申請，但受限于圖像采集設(shè)備和計算機(jī)視覺算法的發(fā)展，基于機(jī)器視覺的駕駛輔助系統(tǒng)在近20年才有了較為明顯的發(fā)展。通過對世界范圍內(nèi)大量駕駛輔助中的計算機(jī)視覺專利申請進(jìn)行梳理和分析，將各分支演進(jìn)路線進(jìn)行了歸納。

圖5示出了駕駛輔助中的計算機(jī)視覺領(lǐng)域的專利技術(shù)發(fā)展主要經(jīng)歷的3個階段以及各技術(shù)分支在各階段中具有代表性的專利申請。

第一階段中，各技術(shù)分支的發(fā)展均處于起步階段，駕駛輔助系統(tǒng)更多地利用圖像采集設(shè)備本身，或結(jié)合簡單的圖像處理方法實(shí)現(xiàn)駕駛輔助功能。行車軌跡分支中，主要通過攝像頭對路況進(jìn)行簡單采集便于駕駛員更好地獲取車道信息；通過對道路邊界、車道線等進(jìn)行圖像檢測判斷是否出現(xiàn)車道偏移；以及通過對道路、標(biāo)志物、目標(biāo)駛?cè)雲(yún)^(qū)域等進(jìn)行識別，結(jié)合轉(zhuǎn)向角等參數(shù)計算實(shí)現(xiàn)軌跡預(yù)測，為變道、窄路、彎道駕駛提供參考，便于車道保持。行車防撞分支中，主要通過攝像頭進(jìn)行簡單的駕駛員視野擴(kuò)寬、通過紅外成像進(jìn)行夜視輔助等；在障礙物的識別方面，僅能進(jìn)行簡單地圖像識別，大部分情況還是基于非圖像傳感器實(shí)現(xiàn)的。倒車軌跡分支中，通過圖像采集設(shè)備采集車輛后方的圖像，并結(jié)合方向盤的角度等數(shù)據(jù)將前瞻性的行駛軌跡重疊顯示在后視畫面上。倒車防撞分支中，于行車防撞分支類似，主要通過圖像采集設(shè)備獲取包括障礙物在內(nèi)的車輛周邊圖像，但在對障礙物的識別方面，計算機(jī)視覺技術(shù)的應(yīng)用較少。而基于車輛內(nèi)部信息的圖像識別分支在第一階段中的申請量非常少?？梢姡诘谝浑A段，受限于圖像識別等計算機(jī)視覺技術(shù)本身的發(fā)展不足，其在駕駛輔助系統(tǒng)中的應(yīng)用種類少且功能單一。

第二階段中，隨著圖像識別技術(shù)的發(fā)展，能夠基于計算機(jī)視覺對各類應(yīng)用場景中更多類別的對象進(jìn)行識別和分析，適用的場合更廣泛。行車軌跡分支中，能夠通過圖像處理對交通燈、路標(biāo)等進(jìn)行具體的識別，給予駕駛員參考、提示，或進(jìn)行智能制動等簡單控制；能夠基于圖像數(shù)據(jù)對路況進(jìn)行簡單的分析并基于圖像識別障礙物。行車防撞分支中，識別算法更加智能化，分析對象的種類增多，例如對行人、車輛或其他障礙物進(jìn)行分類識別，通過去霧、亮度補(bǔ)償、甚至針對色盲色弱人群采用多種圖像處理算法實(shí)現(xiàn)視野增強(qiáng)。倒車軌跡分支中，基于計算機(jī)視覺主動識別車位、停車線等標(biāo)記以判斷目標(biāo)停車區(qū)域，或根據(jù)標(biāo)定的區(qū)域進(jìn)行停車引導(dǎo)；主動識別并分析倒車畫面中的障礙物，再相應(yīng)地制定停車誘導(dǎo)軌跡。倒車防撞分支中，更多地開始對獲取到的圖像進(jìn)行處理，致力于更好地進(jìn)行倒車時的視野擴(kuò)展，例如對圖像進(jìn)行校正、合成全景視圖、通過投影變換等圖像處理方法實(shí)現(xiàn)視點(diǎn)變換等，以便于駕駛員進(jìn)行車輛與周圍環(huán)境的相對位置檢查，消除視覺盲區(qū)；同時，對障礙物的識別更加細(xì)化，并標(biāo)記在顯示設(shè)備上。基于車輛內(nèi)部信息的圖像識別分支中，出現(xiàn)了各類針對駕駛員面部的檢測方法，例如檢測駕駛員是否疲勞駕駛，根據(jù)駕駛員視線位置調(diào)節(jié)座椅高度，根據(jù)駕駛員視線分析其是否看到應(yīng)注意到的障礙物等?？梢?，在第二階段中，計算機(jī)視覺在駕駛輔助中的應(yīng)用廣度得到了顯著的擴(kuò)展。

第三階段中，計算機(jī)視覺技術(shù)與駕駛輔助系統(tǒng)的結(jié)合進(jìn)入深入研究的穩(wěn)固發(fā)展期。行車軌跡分支中，對路況、交通標(biāo)志、信號燈等圖像信息的可識別類型進(jìn)一步增多，駕駛輔助系統(tǒng)相應(yīng)作出的控制能加復(fù)雜，例如控制車燈閃爍或進(jìn)行簡單的方向控制。行車防撞分支中，各種種類的視野增強(qiáng)和障礙物識別算法得到了深入研究和融合。倒車軌跡和倒車防撞分支中，駕駛輔助系統(tǒng)更加致力于向駕駛員展示在以最大程度還原的真實(shí)停車場景的基礎(chǔ)上對停車軌跡進(jìn)行更加智能的引導(dǎo)，或被結(jié)合到自動泊車中；針對各類倒車場景中的圖像處理算法進(jìn)行深入研究和優(yōu)化的申請居多，例如投影變換、視點(diǎn)變換、目標(biāo)物識別等，減小圖像處理運(yùn)算量、提高運(yùn)算速度的同時，也提升了圖像精度，展示方式更加多樣化?；谲囕v內(nèi)部信息的圖像識別分支中，隨著用戶對駕駛安全與舒適度體驗(yàn)需求的增加，各類算法也更加精確和人性化，適用場景更加復(fù)雜。可見，在第三階段中，計算機(jī)視覺在駕駛輔助中的應(yīng)用更加深入，車道保持、路況分析、軌跡預(yù)測、障礙物識別等圖像識別算法更加復(fù)雜，應(yīng)用朝著更加成熟、智能的方向發(fā)展，且各分支之間的融合和功能交叉日益增多。

2.3 核心專利分析

通過對專利文獻(xiàn)的引證次數(shù)進(jìn)行統(tǒng)計，結(jié)合駕駛輔助中的計算機(jī)視覺技術(shù)演進(jìn)路線和當(dāng)下的技術(shù)熱點(diǎn)，綜合選取了引證次數(shù)高、方案具有代表性的核心專利。

2.3.1 行車軌跡

由株式會社電裝于2005年申請的專利JP2007034693A涉及一種安全駕駛支援裝置。該裝置首先提取出采集到的行車方向前方的圖像畫面中發(fā)出紅光的圖像部分，再根據(jù)發(fā)出紅光部分圖像的傾斜度和面積大小，判斷其是否為車輛當(dāng)前行駛方向上的紅燈信號，結(jié)合當(dāng)前車輛的行駛狀態(tài)，相應(yīng)作出車輛制動的控制操作[15]。

2.3.2 行車防撞

沃爾沃汽車公司的發(fā)明申請EP2484566 A1，通過對障礙物圖像的識別控制車輛進(jìn)行主動避障。該申請涉及一種用于自動制動車輛的方法和用于車輛的制動輔助系統(tǒng)，其通過攝像頭監(jiān)視當(dāng)前車輛所行駛道路的相鄰車道，探測相鄰車道中的其他車輛對當(dāng)前車輛的相對靠近，結(jié)合對當(dāng)前車輛的轉(zhuǎn)彎意向，計算當(dāng)前車輛是否即將與相鄰車道中的其他車輛發(fā)生碰撞，并產(chǎn)生相應(yīng)的控制信號以啟動當(dāng)前車輛的制動器，使當(dāng)前車輛完全停止或在道路使用者的后方通過，從而避免或減輕碰撞[16]。

2.3.3 倒車軌跡

愛信精機(jī)株式會社于2007年提出的PCT國際申請WO2008081655A1涉及一種停車輔助裝置，如圖6所示，停車輔助裝置對放置在停車區(qū)域S中特定位置的標(biāo)記M進(jìn)行圖像采集，并從采集到的圖像中抽出標(biāo)記M的特征點(diǎn)，識別特征點(diǎn)的二維坐標(biāo)，從而計算出以標(biāo)記M為基準(zhǔn)的攝影機(jī)的位置參數(shù)；根據(jù)該攝影機(jī)的位置參數(shù)和上述固定目標(biāo)相對于上述目標(biāo)停車位置的上述位置關(guān)系，確定車輛與目標(biāo)停車位置的相對位置關(guān)系，從而得到停車軌跡L[17]。

2.3.4 倒車防撞

日產(chǎn)自動車株式會社于2005年提出的、公開號為JP2006341641A的專利申請，設(shè)計一種圖像顯示裝置和方法，如圖7所示。駕駛員可以在同一屏幕上看出當(dāng)前鳥瞰圖像中的障礙物與車輛實(shí)際位置之間的差異。從定向在不同方向上的、優(yōu)選為攝像機(jī)的、多個拍攝裝置所獲得的多個直接圖像被用于合成鳥瞰圖像，監(jiān)視員可以一目了然地觀察到車輛周圍的環(huán)境[18]。

2.3.5 基于車輛內(nèi)部信息的圖像識別

由Raymond Paul Smith等人于2002年提出的、公開號為US6927694B1的申請涉及一種通過監(jiān)控駕駛員頭、眼運(yùn)動用于疲勞駕駛報警的算法。該算法通過一臺車載攝像機(jī)自動跟蹤駕駛員的頭部和面部特征，對圖像進(jìn)行分類，檢測眼部/嘴部的閉合以及眨眼、打哈欠等行為，對駕駛員是否疲勞進(jìn)行判斷，并相應(yīng)地發(fā)出警報，或進(jìn)行減速、停車等制動控制[19]。

3 結(jié)語

本文對駕駛輔助中的計算機(jī)視覺領(lǐng)域的技術(shù)分支、專利申請趨勢、重要申請人、技術(shù)演進(jìn)路線以及各分支中具有代表性的核心專利進(jìn)行了數(shù)據(jù)統(tǒng)計和分析，總體上，該領(lǐng)域的基數(shù)發(fā)展受計算機(jī)視覺技術(shù)本身發(fā)展的影響較大。隨著近年智能駕駛的概念興起，圖像的處理、識別技術(shù)的飛速進(jìn)步，以及人們對駕駛安全和駕駛體驗(yàn)的重視程度日益加深，越來越多的汽車和電子設(shè)備公司開始投入到該領(lǐng)域的專利技術(shù)研發(fā)中。對駕駛過程中的視覺信息進(jìn)行分析以及以視覺的方式向駕駛員提供駕駛輔助信息往往更加貼近真實(shí)駕駛過程中的信息獲取過程，相信計算機(jī)視覺技術(shù)在駕駛輔助系統(tǒng)中還會等到更加長遠(yuǎn)的應(yīng)用和發(fā)展。

參考文獻(xiàn)：

[1]

王榮本， 李斌， 儲江偉，等. 世界智能車輛行駛安全保障技術(shù)的研究進(jìn)展[J]. 公路交通科技， 2002， 19（2）：117121.

[2] 王萬榮， 雍建軍， 毛承志，等. 從駕駛輔助到自動駕駛的綜述及規(guī)劃[C]// 2015中國汽車工程學(xué)會年會論文集（Volume2）， 2015.

[3] 初秀民， 萬劍， 嚴(yán)新平，等. 基于車載機(jī)器視覺的汽車安全技術(shù)[J]. 中國安全科學(xué)學(xué)報， 2008， 18（5）：154161.

[4] 張文霞， 王鶴鵬. 圖像識別技術(shù)在汽車安全輔助駕駛系統(tǒng)中的應(yīng)用[J]. 汽車實(shí)用技術(shù)， 2015（12）：120122.

[5] 王榮本， 李兵， 施樹明，等. 世界智能車輛研究概述[J]. 公路交通科技， 2001， 18（5）：9397.

[6]清華大學(xué). 一種目標(biāo)車換道工況下的快速識別方法：CN101089917A[P].20071219.

[7]株式會社電裝.車輛周邊顯示裝置和用于車輛周邊圖像的方法：CN101844545A[P].20100929.

[8]中南大學(xué).一種面向無人駕駛車的道路交通標(biāo)志識別方法：CN102542260A[P].20120704.

[9] 管欣， 王景武， 高振海. 基于最優(yōu)預(yù)瞄加速度決策的汽車自適應(yīng)巡航控制系統(tǒng)[J]. 吉林大學(xué)學(xué)報（工學(xué)版）， 2004， 34（2）：189193.

[10]曾日金，袁華.雙目立體視覺的障礙物檢測方法綜述[J].大眾科技，2014，16（3）：3738.

[11]浙江大學(xué).基于霧天圖像復(fù)原和圖像融合的圖像去霧方法：CN102254313A[P].20111123.

[12]富士通天株式會社.圖像處理裝置、圖像處理系統(tǒng)和圖像處理方法： CN102934427A[P].20130213.

[13]日産自動車株式會社.駐車支援裝置および駐車支援方法：JP2010034645A[P].20100212.

[14]華南理工大學(xué).在線檢測列車駕駛員行為和疲勞狀態(tài)的方法及其檢測系統(tǒng)：CN101639894A[P].20090831.

[15]NIPPONDENSO CO LTD.安全運(yùn)転支援裝置： JP2007034693A[P]. 20070208.

[16] VOLVO CAR CORP. Brake assist system： EP2484566A1[P]. 20120808.

[17] TOYOTA JIDOSHOKKI KK. 駐車支援裝置、駐車支援裝置部品、駐車支援方法、駐車支援プログラム、車両走行パラメータの算出方法及び算出プログラム、車両走行パラメータ算出裝置並びに車両走行パラメータ算出裝置部品：WO2008081655A1[P].20080710.

[18]NISSAN MOTOR CO LTD. 映像表示裝置及び映像表示方法：JP2006341641A[P].20061221.

[19] UNIV CENT FLORIDA RES FOUND. Algorithm for monitoring head/eye motion for driver alertness with one camera： US6927694B1 [P].20050809.