和孙文
中国水利水电第十四工程局有限公司 云南省昆明市 650041
摘要：随着经济的发展，我国高速公路发展迅猛，车流量庞大，行车环境变得异常复杂，为辅助驾驶员安全驾驶，对行车环境的感知显得尤为重要。本文提出了以路侧相机和车载相机作为主要传感装置，进行信息融合，以智能路侧设备和智能车载终端作为行车环境感知与交互的核心载体，实现对公路行车环境信息的感知。
关键词：信息融合；环境感知；高速公路；车路协同
1 行车环境信息感知方式简介
行车环境信息感知主要通过安装在车辆上或路侧基础设施的传感器来实现，主要包括相机传感器、立体相机、激光雷达、雷达等。然而，无论是通过车载传感器，还是路
侧传感器感知到的行车环境信息总是不全面的。随着ADAS系统发展需求以及车-路协同技术的发展，车路协同技术下的行车环境信息感知方式应运而生，其有以下特点：
（1）分布性
在车路协同系统中，行车环境信息的采集任务由装载传感设备的路侧单元以及车辆共同承担。一般装载于路侧单元，用于感知周围环境的传感装置主要包括：相机传感器、红外、微波等。而装载于车辆中的传感装置主要包括两类：一类是用于采集车辆自身行驶状态信息的装置，如GPS、速度计、加速度计等；一类是用于采集周围环境信息的传感器装置，如相机传感器、超声波传感器、激光雷达等。
（2）完备性
车路协同系统中的车辆与车辆之间、车辆与路边设备之间会实现感知数据交互，互相弥补车辆和路侧设施单方面进行环境信息感知的不全面性，实现行车环境信息更完备的采集。路侧设施中的感知数据可在本地进行数据分析，再传输至车载终端与车载感知数据进行融合，也可以直接将路侧感知数据传输至车载终端，与车载感知数据共同进行分析和融合。
（3）实时性
动态车辆感知终端以及无线网络数据传输技术共同保证了车-路协同行车环境信息感知的实时性。
2 基于车-路视觉协同多传感器融合的行车环境感知系统框架基于车路视觉协同多传感器容忽然的行车环境感知系统框架，如图1所示。
.png)
图1 行车环境感知系统框架
其中，智能路侧系统通过路侧相机传感器获得当前道路中车辆行驶的位置和速度信息，并通过车-路通信设备将上述信息传输至智能车载系统；智能车载系统一方面依靠车载GPS 采集本车当前的位置和速度信息，另一方面依靠车载相机传感器采集车道线信息，同时整合路侧系统通过车-路通信设备发送的周围其他车辆行驶信息，实现本车周围行车环境的感知。基于车-路视觉协同的行车环境感知场景示意图如图2所示。
.png)
图2 行车环境感知场景示意图
与车路协同系统基本框架对比，本文基于车-路视觉协同的行车环境感知系统框架的不同之处体现在以下三个方面：
（1）相机是主要传感装置
在实现车辆外部环境感知的技术中，机器视觉被公认为目前最有效的感知方式之一，视觉系统为车辆提供了最为详细可靠的环境信息。而且，使用机器视觉系统获取环境信息，具有信息量大、成本低廉等优点。因此本文基于车-路视觉协同的行车环境感知系统中，通过在路侧和车辆上安装相机传感器来实现本车周围车辆行驶信息以及车道线信息的采集。
（2）车道线识别在智能车载系统中完成
在车路协同系统基本框架中，智能路侧系统主要实现交通流信息采集，以及道路路面状况、道路几何线线型、异常事件信息的采集。其中道路几何线型的识别涉及的主要技术之一就是车道线识别，也就是说基于路侧视频实现车道线的识别。而在本文基于车-路视觉协同的行车环境感知系统框架中，车道线的识别则是基于车载视频在智能车载系统中实现。这样做的原因是：对于本文研究的本车行车环境感知而言，本车前方与后方有限距离内的车道线识别才是有意义的，基于路侧视频实现的当前路段的整体车道线
识别会造成信息冗余，也会增加检测成本。
（3）车辆检测与跟踪任务在智能路侧系统中完成
在车路协同系统基本框架中，智能车载系统主要实现本车行驶信息以及周围行车环
境信息的采集，其中本车周围障碍车辆的检测与跟踪是行车环境信息采集的主要内容之一。而基于车载视频进行车辆识别与跟踪是极具挑战性的任务，其困难主要有：①车载相机和待检测车辆目标同时运动，且存在抖动和颠簸；②本车周围可能同时存在多台车辆，各车辆之间可能存在遮挡问题；③车辆驾驶过程中存在盲区，若要消除盲区则需要增加传感器数量，从而导致检测成本增加。基于路侧视频进行车辆检测与跟踪则可以克服上述困难，因此在本文基于车-路视觉协同的行车环境感知系统框架中，车辆检测与跟踪任务在智能路侧系统中完成。
3 基于车-路视觉协同的行车环境感知系统涉及的关键技术
由上文基于车路视觉协同的行车环境感知系统框架可知，系统分为智能车载系统与智能路侧系统。其中智能车载系统主要负责车道线位置信息获取，车辆自身运动状态信息获取，与其他车载系统以及路侧系统进行数据交互，以及安全预警和控制等；智能路侧系统主要负责车辆行驶信息获取以及与车载系统进行数据交互。由此，分析基于车路视觉协同的行车环境感知系统所涉及的关键技术主要分为两部分：
（1）智能车载系统中的关键技术
车辆自身运动状态信息感知技术：要是指车辆的速度、加速度、方向角、车身尺寸等信息，这些信息通常是利用安装在汽车上的车用传感器获得，例如车速传感器、加速度传感器、车身高度传感器等。另外，通过车辆跟踪技术获得的跟踪信息也可以对车速、加速度进行估算。
车辆位置感知技术：一是依靠车载北斗导航定位系统，二是依靠对路侧系统采集的交通视频进行车辆检测与跟踪。
车道线识别技术：对车载车道线视频进行图像预处理以及Canny 边缘特征提取，其次，在上述基础上，确定 NUBS 曲线的控制点；然后根据控制点之间是否存在连续车道线边缘确定车道线的虚/实类型；再次，重构并检测车道线边缘；最后，估计车道线曲线并制定相应的跟踪方法。
车载一体化系统集成技术：车载一体化系统集成技术主要涉及行车安全预警与控制和车-车/车-路通信等技术。
（2）智能路侧系统中的关键技术则主要涉及车辆检测与跟踪技术以及车-路通信技术。
4 总结
本章分析了基于车路协同的行车环境信息感知方式，结合车路协同系统基本结构，提出了一种基于车路视觉协同的行车环境感知系统框架。该框架以路侧相机和车载相机作为主要传感装置，以车-路通信方式进行数据传输和交互，以智能路侧设备和智能车载终端作为行车环境感知与交互的核心载体，实现车辆自身状态感知和车道线、障碍车辆等环境信息的感知。
参考文献
[1] 张万枝.机器视觉感知下的车辆主动安全技术若干问题研究[D].山东:山东大学,2015.
[2] 常浩.车路协同下的车辆换道驾驶辅助方法研究[D].北京:北京交通大学,2015.
[3] 王科.城市交通中智能车辆环境感知方法研究[D].湖南大学,2013.