自动驾驶离不开机器视觉技术

大家好，我是大凡光学，今天来聊聊“机器视觉”对自动驾驶的重要程度。

根据生物学研究表明，人类获取外界信息75%依靠视觉系统，而在驾驶环境中这一比例高达90%。

将人类视觉系统应用到自动驾驶领域，无疑能大幅度提高自动驾驶的准确性，这也是当前计算机科学和自动驾驶领域热门的研究方向之一，也就是机器视觉技术。

机器视觉技术发展至今已有二十多年的历史，其以图像识别为核心的程序、算法来模拟人的视觉功能，让机器代替人眼实现产品检测、精密测控等功能，从而提高生产效率和生产自动化程度。

自动驾驶领域里，障碍物检测及道路检测都离不开机器视觉技术。

障碍物检测

障碍物检测的准确率是车辆自动驾驶过程中安全性的重要保证。

在行驶过程中，障碍物的出现是不可预知的，也无法根据现有的电子地图避开它们，只能在行驶过程中及时发现和处理。

目前来看，障碍物检测算法主要有三种：基于特征的障碍物检测；基于光流场的障碍物检测;基于立体视觉的障碍物检测。

这三种算法中，基于立体视觉的障碍物检测是当下主流研究方向，因为其既不需要障碍物的先验知识，对是否运动也无限制，还能直接获得障碍物实际位置。不过，其对摄像机标定要求较高，在车辆行驶过程中，摄像机定标参数会发生漂移，因此需要对摄像机进行动态标定。

道路检测

自动驾驶过程中，道路检测的目的是确定车辆在道路中的位置和方向，以便控制车辆行进路线；另外，它还为后续的障碍物检测确定搜索范围，以及缩小搜索空间，降低算法复杂度和误识率。

由于道路状况的不确定性，加上光照、气候等各种环境因素影响，道路检测相当复杂，至今仍无一个通用的算法。

现有算法基本上都对道路做了一定的假设，通常采用的有：特定兴趣区域假设;道路等宽假设;道路平坦假设，另外，道路平坦假设也为障碍物界定提供参考。

目前，机器视觉技术还没有大规模应用到自动驾驶，但是随着AI技术在智能交通领域的加速落地，机器视觉在自动驾驶应用中有望迎来更大的发展。

好了，今天的话题就到这里。如果您也喜欢机器视觉、自动驾驶的话题，就关注大凡光学吧。