安徽师范大学物理与电子信息学院，安徽芜湖 241002
为了解决在现有道路照明条件下，因环境照度不够、环境光强快速变化等原因，造成车辆对周边物体自动识别的准确率低的问题，本文通过软件仿真，设计了一种车载红外补充照明系统。使用红外 LED作为光源，光源发出的光线经抛物面反射镜准直后，通过单排复眼透镜，在距离光源 25 m处得到均匀性大于 90%的矩形光斑，系统的辐射能利用率达到 98%，通过 30个照明模块组成平面阵列，目标照明面的平均辐照度大于 0.8 W/m2。结果表明，采用单排复眼透镜实现匀光，其结构简单，装配公差宽松；本设计方法适用于其他照明系统。
照明设计 辅助驾驶 红外照明 复眼照明系统 illumination design, assistant driving, infrared i
昆明理工大学 机电工程学院，云南 昆明 650000
视频实例分割是车辆辅助驾驶多目标感知和场景理解的一项关键技术。针对弱监督视频实例分割仅使用边界框对网络进行训练严重制约交通场景大尺度动态范围目标分割精度的问题，本文提出尺度自适应生成调控弱监督视频实例分割网络（Scale Adaptive Generation Regulation weakly supervised video instance segmentation network，SAGRNet）。首先，设计一种多尺度特征映射贡献度动态自适应调控模块，通过动态调整不同尺度特征映射信息贡献度取代原有的线性加权以强化对目标局部位置和整体轮廓的聚焦能力，解决了车辆、行人等目标由于成像距离远近造成的尺度动态范围过大问题；其次，构建目标实例多细粒度空间信息聚合生成调控模块，通过聚合基于不同空洞率提取的多细粒度空间信息生成权重参数以调控各尺度特征，实现了细化实例边界和增强跨通道信息交互掩码特征映射表征能力，有效弥补了实例边缘信息匮乏导致边缘轮廓分割mask连续性缺失问题。最后，为缓解边界框标签监督信息弱化，引入正交损失和颜色相似性损失缩小模型预测mask与真实边界框偏差并计算逐像素点对间标签属性归类模糊问题。Youtube-VIS2019提取的交通场景数据集实验结果表明，SAGRNet相较于弱监督基准网络平均分割精度提升5.1%达到38.1%，为实现多目标感知和实例级场景理解提供了有效算法依据。
辅助驾驶 弱监督 视频实例分割 自适应生成调控 细粒度 assisted driving weakly supervised video instance segmentation adaptive generation regulation fine grain 光学 精密工程
2023, 31(18): 2736
1 中汽研(天津)汽车工程研究院有限公司，天津 300300
2 河北工业大学 机械工程学院，天津 300130
为提升辅助驾驶系统对于道路环境中车辆的感知能力，通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定，借助三坐标测量仪确定两者的数据转换的关系，优化了深度学习算法SSD的候选框，提高了车辆的检测速度，选用长焦和短焦两种摄像头进行前方图像采集，并将两者重合图像进行融合，提升了前方小目标图像的清晰度，同时对毫米波雷达数据进行了处理，借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取，根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域，通过改进的SSD车辆识别算法对区域中的车辆进行检测，经过测试，车辆的检测准确率最高达到95.3%，单帧图像平均处理总时间为32 ms，该算法提升系统前方车辆检测的实时性和环境适应性。
辅助驾驶系统 摄像头 毫米波雷达 信息融合 advanced driving assisted system camera millimeter wave radar information fusion 红外与激光工程
2022, 51(6): 20210446
为满足坦克、装甲车辆等军用车辆的闭舱、无窗驾驶需求，研制了一套新型辅助驾驶系统。系统将分布于车辆四周的多路光学传感器获取车辆近身场景，通过全景拼接算法得到车辆近身360°的全景鸟瞰视频，该视频显示于车载显示屏，用于车辆通过窄道、有障碍物等特殊路段，或倒车时，驾驶员观看。同时，在车辆通过常规路段时，上述视频可根据驾驶员头部扭转角度，裁选出符合人眼观察视角的车外场景视频，传输至驾驶员显示头盔上，供驾驶员观看。如遇特殊情况，车载显示屏会报警，驾驶员将回归车载显示屏的观看。其中，驾驶员头部位置确定方法采用了红外LED光源图像定位技术和MEMS惯性器件定位技术。在实验室，搭建模型小车，验证全景鸟瞰视频生成技术和头盔自由视点观察技术。此外，还使用真实车辆进行了跑车实验。实验结果表明，上述系统可满足闭舱无窗车辆在常规路况下行驶，速度可达40 km/h，同时可辅助车辆窄道行车、障碍物绕行和倒车等事项顺利进行。
辅助驾驶 显示头盔 红外LED光源 全景拼接 assisted driving display helmet infrared LED light source panoramic stitching 红外与激光工程
2022, 51(6): 20210632
1 中国科学院 长春光学精密机械与物理研究所 应用光学国家重点实验室，吉林 长春 130033
2 中国科学院大学，北京 100049
基于行车图像的目标检测方法为感知周围的道路环境提供了便宜、有效的解决方案，但同时也对检测效果和检测速度提出了较高要求。本文针对基于深度学习的一阶段目标检测算法YOLOv3展开研究，结合自注意力机制，在其网络深层结构中嵌入高斯掩码自注意力模块，缓解卷积操作感受野不足的缺陷，以捕捉更多的全局信息，提高算法的检测效果。实验结果表明，改进后的模型在MS COCO 2017数据集上训练结果的mAP@0.5达到56.88%，精度达到65.31%。与YOLOv3相比，mAP@0.5提高了2.56%，精度提高了3.53%。虽然检测速度有一些损失，但有效提高了模型的检测效果，能够更好地支撑辅助驾驶等应用。
目标检测 YOLOv3网络 自注意力 辅助驾驶 object detection yolov3 network self-attention assisted driving system
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学微光机电系统技术教育部重点实验室, 天津 300072
基于热红外特性, 红外立体视觉路况行人感知方法可以在夜间、雾霾环境下有效检测道路场景中的行人等目标, 提高驾驶安全性。针对红外图像中纹理细节少, 传统稠密双目立体匹配算法效果差的问题, 本文首先根据目标在红外图像下的亮度、边缘特征提取感兴趣区域(Region of interest, ROI); 然后在 ROI中提取图像特征点并匹配, 进而计算原始稀疏深度图; 最后根据目标表面深度变化较小的特点, 结合 ROI和原始深度图估计半稠密深度图。本文搭建了实验系统验证该方法的有效性。实验结果表明, 在系统约 120°观测视场角内, 该方法对行人等目标深度感知相对误差在 15 m范围内优于 1.5%, 30 m范围内优于 3%。
长波红外 立体视觉 深度图 辅助驾驶 long-wave infrared, stereo vision, SURF, depth map SURF
红外与激光工程
2020, 49(7): 20190507
1 中国科学院大学, 北京 100039
2 上海技术物理研究所红外探测与成像技术重点实验室, 上海 200083
随着红外技术的发展, 红外夜视仪越来越多的被应用在车辆辅助驾驶系统上以提高夜间的行车安全性。本文阐述了车载夜视技术的发展状况, 针对红外成像的行人检测算法进行综述, 并对其中多尺度红外特征提取和检测方法进行了分析, 最后对未来车载平台行人检测技术的发展方向做了简要介绍。
汽车辅助驾驶 红外夜视技术 行人检测 driver assistance system, infrared night vision, p
陆军工程大学电子与光学工程系，河北石家庄 050003
为解决当前夜间辅助驾驶仪平面显示导致驾驶员无法正确判断景物纵深关系的问题，本文提出利用平行式红外双目立体系统进行夜间辅助驾驶的方案。针对红外探测器分辨精度低导致观看红外立体影像时立体盲区占立体区比重过大的问题，本文通过分析对比平行式红外双目系统和肉眼的立体感知精度，结合 Panum融合区理论，对红外立体影像立体区间进行界定，并对立体区间所对应的基线长度范围进行推导。根据推导结果，计算分析 3组不同场景下基线长度所满足的最小值，并以得到的最小值为基准获取 5组不用基线长度下的视差图。最后通过虚拟现实显示装置验证了推导结果的正确性。该结果可用于指导红外双目系统参数的选取和搭建。
辅助驾驶 红外双目立体系统 立体感知误差 基线长度 driver assistant infrared binocular stereo system stereo perception error baseline length
