影像算法瓶頸突破 汽車ADAS再進化

圖3FCWS算法流程圖

以純水平線為依據前車偵測算法更精確

保持安全車距是駕車的基本守則，尤其是在高速公路上，當前方車輛有任何狀況發生時，保持安全車距才有足夠的時間進行防御駕駛。所以，工研院開發FCWS的目標為，當前方車輛與本身車輛距離30公尺時，則實時發出警示訊號。

前方碰撞警示系統的研發，主要包含「前方車輛偵測」以及「車距計算」兩大項目。目前的前方車輛偵測研究中，有許多方法是使用「車底陰影」來當作特征值。但是，陰影容易受到外在光線的影響，造成偵測正確率不穩定的困擾。此外，為克服夜間、陰雨等天候問題，有許多方法是以「后車燈」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，工研院自行研發適用于嵌入式系統，快速且穩定之前方車輛偵測算法;藉由Sobel濾波器取得前方車輛的水平、垂直邊緣，并且透過梯度方向(Gradient Orientation)將「純水平邊緣」擷取出來。

「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察到，前方車輛必定有「純水平邊緣」，例如保險桿、后擋風玻璃、行李箱等，然而有時候場景中亦可能出現一些非車輛的純水平邊緣。為避免誤判，可以使用標記(Labeling)、角點偵測(Corner Detection)、區域二元圖(Local Binary Pattern, LBP)紋理分析(Texture Analysis)將前方車輛準確的偵測出來。如同LDWS算法一樣，該算法的前方車輛偵測系統，亦不須要分析連續畫面的變化，可以僅由一張畫面便判斷出前方車輛。本算法的執行流程如圖3所示，而執行結果如圖4所示。

圖4FCWS與LDWS之執行結果

在車距計算方面，由于僅有單一攝影機，所以無法使用雙攝影機的算法來計算距離;但透過固定攝影機的方式，于靜止狀態預先量測距離，建立對應表格 (Table)方式進行計算(圖5)。將攝影機固定架設完畢后，透過實際量測可知，5公尺線對應至該影像的第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

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

最后，將ADAS于嵌入式平臺進行驗證且程序優化之后，即可安裝于車輛上做實車測試。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的周邊配備;測試場景為新竹68號快速道路，并且于上午、中午、傍晚進行數次的實車測試;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。

輔助駕駛技術迭有進展主動式ADAS前景可期

隨著車用電子與車用影像技術的進步，各種輔助駕駛的系統成為各大車廠的發展目標，且不停的推陳出新，因此車廠投入研發各式主動式ADAS的力道與能量越來越強。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行防御駕駛，不過于近年，已經有些車廠推出半自動式的輔助系統，可協助駕駛者進行煞車或車道維持等。

發展這些功能的最終目的就是要朝向全自動駕駛，在行車途中遇到危機時，系統會主動介入接管駕駛，并且快速判斷應如何閃避危險，且保持車體不受碰撞，無人的自動駕駛已然成為未來發展的關鍵;然而，在這段過渡期間，各廠依舊致力發展相關技術，各種單一功能警示輔助系統正于產業界蓬勃發展。未來，當技術成熟且成本能被市場接受時，相信各大車廠就將會整合多個單一警示系統，逐漸邁向無人駕駛。

目前，Google在自動駕駛車方面已有長足的進展，2014年中公布的無人駕駛車已沒有方向盤與油門，且以40公里/小時的速度，在美國加州地區進行測試。其實，無人駕駛車輛最大的挑戰仍是在一般道路，誠如Google自動駕駛計劃負責人Chris Umson所言，以無人駕駛系統在高速公路開上1公里，和在市區開上1公里，這是完全不一樣的兩件事情;在高速公路上開車的變因僅有數種，但若在一般道路上恐怕會激增到上百種。所以，Google無人駕駛車除了安裝傳統的攝影機之外，更搭載光達系統(LiDAR)進行光學定向測距，用以提高安全性與可靠性。由于技術、法令等因素尚未成熟，無人駕駛汽車無法在幾年內就上市，但透過自動駕駛技術的不斷進步，相關的配備必定下放至一般車款上，對消費者來說亦是一大福音。