EN | Bosch Multi-camera system – All-around vision when parking and maneuvering
3S MARKET 整理
安裝在車輛外部各個位置的攝影機，與經濟高效、功能強大，且節能的處理器相結合，可帶來眾多便利和保護優勢。
先進的駕駛輔助系統（ADAS）市場，是當今技術領域最耀眼的明星之一，其採用範圍已迅速從高端車輛，擴展到大批量車型。 它也是汽車電子領域增長最快的應用領域之一。 例如，市場分析公司 Strategy Analytics 現在預計，到 2021 年，汽車 OEM 市場，每年將在各種輔助和安全解決方案上，花費超過 280 億 美元（圖1）。
圖1.預計未來幾年，先進的駕駛輔助系統（ADAS）市場，將以各種實施形式快速成長。
ADAS 技術的核心，是用於檢測車輛內部和外部情況的感測器。在外部關注的感測器技術中，Strategy Analytics 預測，由於以下原因，攝影機將提供成長和量化的最佳融合：
．某些 ADAS 功能，例如車道偏離警告、交通號誌辨識和行人檢測，比需要使用攝影機來輔助，當前無法使用其他方法有效地完成（圖2）。
在傳統上與雷達或雷射雷達（光檢測和測距）感測器相關的應用（如自適應巡航控制和自動緊急制動）中，攝影機現在在價格和性能方面，以非常具有經濟性。
對於許多 ADAS 功能，雷達加攝影機組合平台，可提供最佳解決方案。但是，對於價格敏感的低端產品，Strategy Analytics認為，僅使用攝影機的方法，比僅使用雷達的方法，更有可能成功。
攝影機正成為泊車輔助解決方案，不可或缺的一部分，其中包括高端環視系統，每輛車包括四個或更多攝影機。
圖2.行人檢測算法，比車輛檢測算法複雜得多，僅有雷達系統不足以可靠地警告駕駛員，此類非金屬物體的存在。
因此，Strategy Analytics 預計，全球對外部車載攝影機的總需求，將從 2013 年的 2300 萬台，增加到 2018 年的 8300 萬台，年均複合成長率為 29％。
到 2021 年，預計將安裝近 1.2 億個攝影機，平均每輛車配備一台以上。根據 Strategy Analytics 的分析，ADAS 市場快速成長背後的關鍵因素，是安全性和便利性的要求與需求。
全球各地的政府，都在致力於透過提高公眾意識的運動，立法和其他手段，來提高汽車安全性。日益嚴重的交通堵塞，和漫長的通勤時間，使駕駛員開始意識到，利用增加的車輛自動化，以減輕通勤壓力，並在全自動駕駛的未來，提高時間效率的想法。
從歷史上看，只有使用大型、笨重、昂貴，且耗電的電腦，才能實現自動圖像理解，從而將電腦視覺的使用，局限於工廠自動化等少數利基應用。
除了這些成功的故事以外，在過去的幾十年中，電腦視覺已成為主要的學術研究領域。但是，隨著功能越來越強大的處理器、圖像感測器、儲存設備，和其他半導體設備的出現，以及強大的算法的出現，將實用的電腦視覺功能，整合到包括 ADAS 設計在內的各種系統中，已變得切實可行。
本文章概述了 ADAS 中的視覺處理，然後重點介紹了車載 ADAS 應用程序。本文著重於車輛外部 ADAS 應用，討論實現細節和各種方法之間的權衡。它引入了一個行業聯盟，旨在幫助產品創建者，將視覺功能納入其 ADAS 設計中，並提供與該聯盟提供的技術資源的鏈接。
後置攝影機的應用
2014 年 3 月，美國運輸部國家公路交通安全管理局（NHTSA），頒布了一項最終裁決，要求到 2018 年 5 月，所有重量不足 10,000 磅的新車，都必須配備後方能見度技術。
NHTSA 援引了統計數據，例如每年因倒車事故，造成 210 人死亡及 15,000 人受傷。根據美國國家公路交通安全管理局（NHTSA）的數據，5 歲以下的兒童，佔每年倒車死亡人數的31％； 70 歲及以上的成年人佔 26％。
NHSTA 後視只需要一個簡單的攝影機，即可捕獲汽車後方的視野，以便在中央控制台或傳統的後視鏡位置（補充甚至更換）顯示給駕駛員。
許多汽車製造商正在將這項技術，帶入下一步車輛生產的標配。結合電腦視覺的智慧功能，防倒車系統可以自動檢測物體，並警告駕駛員（被動安全），甚至制動（主動安全）以防止與行人，或其他物體發生碰撞。
前置攝影機的應用
前置攝影機應用，在短時間內有了長足的發展，並且步伐正在加快。早期視覺處理系統僅提供資訊，其功能包括車道偏離警告，前向碰撞警告，以及在更高級的車種，實現中的交通標誌辨識，以提醒駕駛員即將發生的速度限制變化，道路急轉彎等。在系統中，他們提供了駕駛員反饋（例如，照亮儀表板圖標，並帶有警告蜂鳴器），但駕駛員仍保持對車輛的完全控制。
後代主動安全系統的發展，例如，從車道偏離警告，過渡到車道保持，而汽車主動抵制沒有駕駛員激活的轉向信號燈的變道。主動安全現在同樣包括自動緊急制動，以防止與其他車輛的向前碰撞。製造商採用主動安全性增強的動機，包括政府法規，例如 EuroNCAP，該法規要求各種 ADAS 功能，才能獲得五星級評級。
現在，許多其他前置攝影機應用，正在進入下一代汽車。例如，自適應大燈控制，可根據交通狀況數據傳入，自動從遠光模式切換到近光模式。自適應巡航控制系統，使車輛能夠自動在前方車輛後面保持足夠的間距（圖3）。
智慧速度自適應功能，可檢測到道路號誌顯示的速度限制，並在更早的被動交通標誌辨識基礎上擴展功能，自動調整汽車速度以進行補償。自適應懸架系統，可以辨識前方道路的變化（例如洼坑），並相應地調節車輛的懸架，以保持平穩的行駛。
圖3.自適應巡航控制系統自動調整車輛的速度，以跟上前方交通的步伐，並且可以在其算法中，結合攝影機捕獲和視覺處理器，區分的限速，以及其他路標數據。
側面攝影機的應用
側面攝影機的一項關鍵應用，是盲點物體檢測。安裝在車輛兩側的攝影機可檢測相鄰車道中的行人、自行車和摩托車，車輛和其他物體。
被動實施透過閃爍的燈光、聲音警報、或振動方向盤、或座椅來警告駕駛員。積極的實現方式會施加阻力，以阻止駕駛員轉動方向盤的嘗試。
盲點物體檢測，可以使用雷達或視覺技術來實現。但是，如前所述，主流車輛越來越多地採用嵌入前裝攝影機，或僅用後裝加裝攝影機的方法，其多功能性使其能夠支持眾多的 ADAS 功能。
側面物體檢測，不僅在車輛高速行駛時有用，而且對於輔助或全自動停車系統也很有用。或考慮使用後視鏡。它們具有長期的車輛功能，但仍具有多個缺點：例如，它們的視線經常受到乘客或車輛底盤的阻礙，並且它們增加的空氣阻力，降低了燃油效率。
高幀率（約60 fps）的側面攝影機，驅動位於傳統後視鏡位置（為了駕駛員熟悉）或中央控制台的顯示器，還可能帶有其他「智慧」資訊，例如疊加在攝影機頂部的，即將到來的交通警告，由於空氣動力學、人體工程學和其他原因，這些觀點是有吸引力的繼承者。
側面攝影機還可用於實現，各種駕駛員便利功能。例如，自然的使用者介面應用，在客廳中變得越來越普遍，並且也可能進入車輛的應用。
正如主要用於避免後部碰撞的後置攝影機，結合智慧鑰匙接近檢測功能，可以重新用於手勢辨識，以自動打開行李箱一樣，主要用於盲點檢測的側面攝影機，也可以用於手勢辨識以打開車門，和升降窗戶。
或者考慮完全免除密鑰卡的機會，而是依靠人臉辨識，僅允許特定註冊使用者（車主），開啟（和操作）車輛。
全景視圖應用
多攝影機無源 ADAS 系統，在發展中的國家已經相當普遍，它們可以幫助駕駛員在擁擠的空間停車。它們被稱為環視或環視監控系統，通常包括安裝在前、側面和後部的四攝影機（用於汽車）或六攝影機（用於公共汽車等）設置，以形成 360° 的「鳥瞰」車輛周圍的全視野。
過去的多攝影機系統，採用具有 VGA 或 D1 解析度的類比攝影機。目前的監視系統，將是具有 1MP 或更高解析度的數位系統。同樣，當前系統提供 2D 輸出，而下一代系統，將提供車輛周圍場景的深度增強渲染。
攝影機的輸出經過亮度調整，併在幾何上對齊，以準備創建「縫合」的統一圖像。這項工作取得成功的關鍵，是每個攝影機內部圖像信號處理，和圖像感測器設置的同步。
例如，如果增益或自動白平衡設置不同，則在合成的合成圖像中，將出現明顯的攝影機間「接縫」。同樣要考慮到，汽車周圍的照明條件，從汽車的一個部位，到另一個部位，可能會明顯不同。
例如，前置攝影機可能會捕捉到，迎面而來的車輛的大燈，而後置攝影機只會看到黑暗的空曠道路。要最大程度地減少合成圖像中的偽影，需要使用一種集中式算法，來動態調整每個攝影機的設置。
廣角攝影機通常用於 ADAS 系統，因為與具有「普通」焦距鏡頭的攝影機相比，它們捕獲的場景要多得多。但是，所捕獲的圖像會失真，特別是如果使用超寬動態「魚眼鏡頭」鏡頭。
因此，需要隨後的圖像處理，以多種實現複雜度，和結果品質來實現多種技術之一。最簡單的方法是鏡筒透鏡畸變校正，它透過使圖像恢復為「平坦」狀態，來補償廣角鏡效果。
將捕獲的圖像，投影到平面上（例如，地面是視點是從汽車上方看），可以提供更加「自然」的整體效果，但地面上的物體（例如人或人行道）除外被拉伸，不再看起來自然。投影到碗上會產生更自然的圖像。
對於某些自動駕駛場景，必須圍繞車輛 360° 全景（圖4）。 一個例子是前面提到的自助停車系統。 對於自動系統而言，自動駕駛可能顯然更具挑戰性，但這裡也正在進行有形的過程。
谷歌備受推崇的自動駕駛汽車計劃，就是一個例子，奧迪的自動駕駛汽車 A7 ，也在很大程度上，從加利福尼亞州的帕洛阿爾托，駕車前往一月份舉行的消費電子展的內華達州拉斯維加斯，而賓士的 F 015 概念車也在 CES 上亮相。
最近，特斯拉宣布，其 Model S 電動汽車，將透過今年夏天發布的軟體更新，獲得高速公路自動駕駛功能。
圖4.本文討論的許多 ADAS 技術在（近乎？）未來的全自動駕駛汽車的道路上是墊腳石。
攝影機機替代品
隨著 ADAS 系統在本質上變得越來越活躍，快速而精確的到物體的距離測量，變得越來越重要。儘管如前所述，出於深度感應的目的，有可能（並且在高端實施中，出於冗餘和其他原因，可能）將攝影機與其他技術（例如超音波和雷達）結合使用，但僅攝影機設置將在入門級和主流ADAS系統。
而且，儘管傳統的 2D 攝影機可以得出，適合於被動制導的距離近似值，但主動型 ADAS 和自動駕駛汽車，得益於真正 3D 攝影機系統所具有的固有精度。
而且，儘管傳統的 2D 攝影機可以得出，適合於被動制導的距離近似值，但主動型 ADAS 和自動駕駛汽車，得益於真正 3D 攝影機系統所具有的固有精度。
立體攝影機設置，可能是在車輛外部 ADAS 應用中，使用的最常見的深度感應選項，這是因為其在寬距離範圍內的適用性，以及對照明差異，各種與天氣相關的退化，和其他環境的相對抗擾性效果。
諸如結構光和飛行時間之類的，替代深度攝影機方法，可能會在車輛內部更大程度地被採用，並用於頭部跟踪，精確的手勢介面控制和其他目的。但是，立體聲技術需要計算密集的視差映射和立體聲匹配算法。隨著攝影機解析度的提高，性能要求也成比例地成長。
諸如結構光和飛行時間之類的，替代深度攝影機方法，可能會在車輛內部更大程度地被採用，並用於頭部跟踪，精確的手勢介面控制和其他目的。但是，立體聲技術需要計算密集的視差映射和立體聲匹配算法。隨著攝影機解析度的提高，性能要求也成比例地成長。
更一般而言，隨著 ADAS 系統從簡單的場景應用，發展到更智慧的對象檢測和跟踪方法，所需的處理級別迅速提高。處理器必須管理多個分類器（用於行人、自行車、摩托車、車輛等）以及用於運動跟踪的光流算法。
此外，算法需要在各種挑戰性環境（例如雨雪），以及從明亮的中午陽光，到最暗的夜晚中可靠地工作。而且，隨著處理器性能要求的急劇提高，還必須滿足極具挑戰性的功耗、散熱、尺寸和重量規格。當然，物料清單成本始終是關鍵的設計指標。針對任何一個參數進行優化，可能會迫使其他參數妥協。
此外，算法需要在各種挑戰性環境（例如雨雪），以及從明亮的中午陽光，到最暗的夜晚中可靠地工作。而且，隨著處理器性能要求的急劇提高，還必須滿足極具挑戰性的功耗、散熱、尺寸和重量規格。當然，物料清單成本始終是關鍵的設計指標。針對任何一個參數進行優化，可能會迫使其他參數妥協。
處理方法
由於 ADAS 系統，還不如車輛中的資訊娛樂系統普及，因此一些製造商在短期內，考慮採用後置攝影機來替換鏡子，以增強現有的資訊娛樂系統。儘管這種被動式 ADAS 實施相對簡單，但在運行高級操作系統的資訊娛樂系統中，要求攝影機在幾百毫秒內，完全可操作的要求頗具挑戰性。
還要考慮功能安全規範，例如 ISO 26262，在該規範中，汽車安全完整性等級（ASIL）最高可能的 D 等級，現在通常是主動安全 ADAS 系統的強制性要求。滿足 ASIL D 可能需要具有挑戰性的設計方法，例如多 CPU 鎖步容錯處理。
還要考慮功能安全規範，例如 ISO 26262，在該規範中，汽車安全完整性等級（ASIL）最高可能的 D 等級，現在通常是主動安全 ADAS 系統的強制性要求。滿足 ASIL D 可能需要具有挑戰性的設計方法，例如多 CPU 鎖步容錯處理。
因此，一項關鍵的設計考慮因素，涉及確定電腦視覺處理的位置。在可能的實現方式的一端，它發生在單個強大的集中式處理器上。其他 ADAS 系統基於多個分佈式處理單元，每個單元負責一組專門的功能。
這樣的分佈式系統，具有許多優點。各種 ADAS 功能在不同的時間出現，並在市場中獨立發展。這些獨立的系統，由不同的供應商提供，並由汽車製造商作為離散的出廠，和售後選項提供，因此已針對低成本和易於整合進行了優化。
這樣的分佈式系統，具有許多優點。各種 ADAS 功能在不同的時間出現，並在市場中獨立發展。這些獨立的系統，由不同的供應商提供，並由汽車製造商作為離散的出廠，和售後選項提供，因此已針對低成本和易於整合進行了優化。
分佈式處理單元，也更易於獨立測試。例如，如果製造商想要包括後視攝影機，則可以在基本設計中，簡單地添加一個「智慧」模組，並在其中內置一個低成本的中央 ECU。
 |
類似地，可以選擇支持成熟的環視系統，而不會影響入門級車輛的基礎成本。隨著時間的流逝，大眾市場的車輛，將繼承經過測試的當前高端車型的 ADAS 單元，這對於當前缺乏此類安全性和便利性功能的消費者來說，是一個有利的情況。
分佈最廣的處理模型可能會繼續流行。但是，隨著高端車輛都增加了自動駕駛等新功能，並進一步優化了現有的 ADAS 功能，越來越需要整合來自多個攝影機（和其他感測器）和處理器的數據，從而實現統一的決策，類似於當前，人類在駕駛時會處理資訊。
新興的解決方案，將首先利用透過視覺處理任務的，智慧劃分所實現的優化，不僅在各個硬體單元之間，而且在單元內和單元間的硬體和軟體之間。隨著時間的流逝，處理分區的擺錘可能會朝著統一處理的方向擺動，類似於人腦的集中處理器。https://www.embedded-vision.com/platinum-members/embedded-vision-alliance/embedded-vision-training/documents/pages/externalvehicleadas 560191204
新興的解決方案，將首先利用透過視覺處理任務的，智慧劃分所實現的優化，不僅在各個硬體單元之間，而且在單元內和單元間的硬體和軟體之間。隨著時間的流逝，處理分區的擺錘可能會朝著統一處理的方向擺動，類似於人腦的集中處理器。https://www.embedded-vision.com/platinum-members/embedded-vision-alliance/embedded-vision-training/documents/pages/externalvehicleadas 560191204
0 comments:
張貼留言