小议驾驶辅助和摄像头

什么是驾驶辅助？

要阐释“驾驶辅助”的概念，得先从“自动驾驶”说起，因为驾驶辅助是自动驾驶的过渡阶段。
自动驾驶即汽车自己驾驶，而不需人为干预，换句话说人的驾驶技术已经没有发挥的必要了，汽车内也将变成生活空间，就像科幻电影一样。实际上从这层意义上谈论，我们谈论的是“自动驾驶”里最高级的一部分，即无人驾驶。

自动驾驶按美国汽车工程师协会SAE提出的定义，“自动驾驶”可按自动化的程度从L0-L5分为六级。

不难看出，“驾驶辅助”处在L1-L2的阶段，因为它的驾驶操作和周边监控主体都是人，系统只提供部分情况下的支持工作，比如转向时为你助一把力、提供某些预警提示等等。
目前研究的主要方向便是驾驶辅助，或者说ADAS（高级驾驶辅助），基本上新生产的汽车都已经开始标配ADAS。

如何区分“驾驶辅助”和“无人驾驶”？

从三个方面可以很容易区分：

1.周边监控和驾驶操作的主体

驾驶辅助仍然是需要人去观察、人去驾驶的，周边监控和驾驶操作的主体是人，而无人驾驶可以完全脱手，周边监控和驾驶操作的主体是系统。

2.责任划分

当出事故时，驾驶辅助的责任归人，无人驾驶的责任归主机厂。

3.算法复杂程度

无人驾驶对算法的要求十分严格，毕竟人命关天，不管是定位还是识别都必须无比精确，因而会用到的传感器和算法比驾驶辅助多的多。

代表成果？

大型互联网公司、车企和高校都在研究自动驾驶，水平较高的有Google的Waymo、百度的Apollo项目，车企但凡有一定资本的，如上汽大众、通用、丰田、福特、北上广汽、特斯拉等等，乃至无数上市的民企，都在设立研究中心，开拓这个领域。

国外有名的比赛如“美国DARPA无人驾驶车挑战赛”，国内有名的比赛如“智能车未来挑战赛”，都从上世纪末开始举办至今，吸引各大高校参加。

驾驶辅助的代表性系统有ACC（自适应巡航）、LKA（车道保持辅助）、AEB（紧急制动）等。
业内有名的“半自动驾驶”系统如特斯拉的autopilot、通用的supercruise等，还有“智能人机交互”如奔驰的MBUX、拜腾的超大中控屏等。（在电子展CES上能看到很多）

自动驾驶如何感知周围环境？

“计算机视觉”+“传感器融合”+“高精度地图”是主流方式。

计算机视觉提供视野，是自动驾驶的眼睛，传感器融合提供更多眼睛看不到的数据，如天气影响或者障碍物遮挡下对距离的测算和物体的识别等，高精度地图是实现GPS厘米级定位的前提，让汽车知道自己在哪儿。三者结合就能感知周围环境，了解周围都是什么和自己所处的位置，以此为基础进行路径规划。这方面的典型例子可以参照百度Apollo项目。

计算机视觉主要依靠摄像头和处理器的配合，实现对环境光线信息的获取。
摄像头的功能是获取光线信号，由CMOS/CDD把光信号转化为模拟电信号，交给计算机处理，这个协同工作过程就叫“计算机视觉”。计算机视觉的功能是产生路况画面的时间序列，从每一帧里提取感兴趣的信息，从而实现对车辆、行人、障碍物、路标、信号灯的识别或者其他工作。

计算机视觉处理图像，需要进行预处理，完成RGB模型（红绿蓝）向HSI模型（色调、饱和度、亮度）的转变。
预处理的步骤包括：
1.灰度化（因为亮度就足够体现信息）
2.图像滤波（去除噪点）
3.边缘加强（突出物体轮廓特征）
4.二值化（设定某灰度阈值，某像素超过它就设为255，低于它就设为0，分割图像）

举个例子表达机器视觉在驾驶辅助里的作用，如结构化道路的道路识别算法。
“结构化道路”就是分界明显、有车道线的道路，主要为城市道路，算法流程大致如下：
①开始，先在首帧图像上划定车道的检测区域，以后的搜索范围都被限定在这个动态框架里
②把车道边界点定义为：逐行搜索中每行灰度值跳变最大且超过一定阈值的点
③逐行扫描后，车道边界点检测满一定数量就启动直线拟合算法，求取近似车道线；如果不满就从历史帧和当前帧的结果进行推导
④如不工作即结束

参考资料：

[1]陈慧岩，熊光明.无人驾驶汽车概论.北京理工大学出版社
[2]“辅助驾驶功能与自动驾驶有什么区别？”-薛迟的回答-知乎
[3]美国 CES 2018
[4]Apollo开发者社区