车辆盲区监测系统综述

2018-11-01赵志成张玉峰

汽车电器 2018年10期

赵志成，张玉峰，2，何佳，戎辉

（1.中国汽车技术研究中心有限公司，天津 300300；2.河北工业大学，天津 300132）

经济的增长、科技的进步，促使汽车工业飞速发展，随着车辆保有量的不断增加，道路交通压力增大，引发了一系列的交通问题，导致乘车出行的安全性降低。中国平均每年发生约50万起交通事故，死于车祸的人数高达10万［1］。造成交通事故的原因多种多样，其中30%的交通事故是由车辆盲区造成的。车辆盲区的危害不容忽视，研发设计有效而可靠的车辆盲区监测系统成为车辆主动安全领域的研究重点。

1 车辆盲区的形成原因及分类

车辆的自身结构导致车辆不可避免地存在视觉盲区。同时，车辆行驶时受到地形的影响、交叉路口建筑物的遮挡、其他交通工具的遮挡以及转弯时的内轮差效应也会形成视觉盲区。

车辆盲区主要分为：车头盲区、车尾盲区、车底盲区、后视镜盲区、AB柱盲区、转弯盲区，如图1所示。

1.1 车头盲区

图1 车辆盲区分类

由于车前引擎盖的遮挡，驾驶员只能看到距离车头较远的区域，而距离车头较近却无法看到的区域即为车头盲区。车辆自身的高度、车头的长度、驾驶员的身高坐姿以及驾驶之前对座椅的调整都会影响车头盲区的大小。车头盲区是半盲区，当前方的障碍物高度低于车头高度时，驾驶员将察觉不到障碍物的存在，形成潜在的安全隐患。同时，许多车辆追尾事故的发生也是由于车头盲区的存在而导致驾驶员不能准确判断本车与前车的距离而造成的。

1.2 车尾盲区

驾驶员通过车内后视镜观察车辆后方的路况时，由于后备厢的遮挡而观察不到的区域称为车尾盲区。车尾盲区与车头盲区一样，也属于半盲区。车尾盲区的大小同样受车尾的长度、驾驶员的身高坐姿、车辆自身高度以及座椅调整的影响。倒车时，如果车尾盲区内有高度低于车尾高度的障碍物，极易发生碰撞事故。

1.3 车底盲区

由于车辆C柱的遮挡，驾驶员通过后视镜无法观察到后轮附近车身两侧的区域称为车底盲区。盲区的大小受到车辆自身高度、后视镜大小规格以及安装角度的影响。

1.4 后视镜盲区

驾驶员通过车辆左右后视镜观察到的范围是有限的，可观察到的区域是以左右后视镜为顶点，车身一侧纵向线为始边，向外展开30°左右的扇形区域，该区域之外驾驶员无法观察到，进而形成后视镜盲区。在行驶过程中，如果本车驾驶员有变道意图，而后视镜盲区中此时有车辆行驶，则容易发生交通事故。

1.5 AB柱盲区

A柱与B柱作为车身结构的一部分，其存在导致驾驶员的视线被部分遮挡，进而形成盲区，即AB柱盲区。影响盲区的大小的因素主要包括A、B柱的宽度和驾驶员与A、B柱的距离，A、B柱的宽度越大、驾驶员离A、B柱的距离越近，则盲区的范围就越大。当车辆进行大角度的右转弯时，此时B柱盲区对驾驶员的视线影响最大，如果本车右侧附近有行驶的车辆，则可能发生碰撞事故。

1.6 转弯盲区

车辆转弯时，内侧前轮的转弯半径大于内侧后轮的转弯半径，形成内轮差，如图2所示。内轮差的存在使得转弯时车辆内侧形成转弯盲区，驾驶员难以准确判断是否可以顺利转弯而不刮蹭或者碰撞内侧的行人或者车辆，导致交通事故发生的可能性大大增加。

图2 转弯盲区

2 国内外发展现状

针对车辆盲区引起的各种安全隐患，设计一套有效的车辆盲区监测系统成为国内外各大汽车生产厂商、高校以及相关研究机构共同的研究方向。经过多年的发展，多种预警方案已经被提出并应用到实车上。

BLIS（盲点信息系统）由沃尔沃公司研发，其利用摄像机对车辆两侧的路况进行监测，适用于各种条件下的路况。安装在左右后视镜根部的摄像机对左右后视镜盲区进行25帧／秒的图像监控，监测范围的宽度为3 m，长度可达10 m。当有车辆或行人进入盲区时，系统通过对比图像中目标的接近程度，判断盲区路况是否存在危险，并通过安装在左右后视镜支柱上的警示灯来提醒驾驶员注意该盲区的路况。该系统自2005年起，相继应用在了XC70、V70等车型上。到现在为止，已装备在沃尔沃、福特等不同汽车生产厂商的多种车型上。

奥迪公司开发的侧向辅助系统（Audi Side Assist）通过毫米波雷达实现对车辆盲区的监测，该系统在车速超过60 km／h后开始工作，可监测本车后方50 m范围内的车辆，当系统判断盲区中存在安全隐患时，安装在左右后视镜边框上的指示灯将会亮起，警示驾驶员此时并线存在危险。

国内对车辆盲区监测系统的研究主要集中在视觉技术上，虽然研究起步较晚，但经过多年的努力探索，获得了一定的技术突破。吉林大学交通学院研究了基于视频的的自行车监测方法，通过对比多幅图像中同一自行车的空间位置判断自行车是否在车辆的窗口空间中，从而实现了对车辆周边自行车的实时监测［2］。国防科学技术大学提出了一种高速公路车道偏离警告系统，利用工业摄像头获取路况信息，通过提取图像中的车道线以及预测之后的行车轨迹，成功实现了对车辆偏离车道的监测［3］。众所周知，摄像机采集的图像数据信息量大，并且图像中的目标受光照、拍摄角度等条件的影响，同时车载计算机的运算能力有限，这些因素将使得盲区监测结果的精确性与实时性下降。研究设计鲁棒性好、实时性强的车辆盲区监测系统将成为今后的研究重点［5］。

3 车辆盲区监测系统的组成

车辆盲区监测系统由4部分组成，包括盲区信息采集模块、数据处理模块、信息显示模块、声光报警模块。盲区信息采集模块主要由各种传感器组成，如摄像头、雷达等，旨在采集盲区的路况信息，并将采集到的信息传送给数据处理模块。数据处理模块的作用是对盲区路况信息进行处理并作出相应决策，使用的主流设备有单片机、ARM处理器、高性能计算机等。信息显示模块使用的设备是显示屏，其作用是将数据处理模块分析、处理后的信息或图像在显示屏上显示出来，使驾驶员实时了解盲区的路况。声光报警模块包括语音报警装置和报警指示灯，当数据处理模块判断盲区路况存在危险时，语音报警装置发出危险警报，同时报警指示灯亮起，提醒驾驶员采取必要的安全措施。

盲区信息采集模块是监测系统的核心，采集的信息品质将影响最终监测结果的准确性，而信息品质又依赖于传感器。应用于盲区监测的传感器主要有红外测距传感器、毫米波雷达、超声波雷达、激光雷达、摄像头等，在距离探测方面有着各自的优势与不足。

红外测距传感器的成本低、测量范围广、实时性强，测量时不受雨雪、雾霾、风沙天气的影响，昼夜均可工作，但测量距离较短。毫米波雷达测距精度高，能同时识别多个目标，具有成像能力，但在雨、雪、雾环境下其探测距离会有所降低。超声波雷达测距指向性强、能耗小、探测距离远，但超声波的传播速度受环境温度影响，不稳定，因而在测距过程中，测距时间的准确性较差，使得测距结果精度较低。激光雷达测距实时性强，不易受外界因素干扰，并且具有较高的分辨率，能同时跟踪多个远距离目标，但易受不良天气影响，在大雨或有浓烟、浓雾的环境下，衰减严重，导致测距不准甚至失效。基于摄像头的视觉测距通过对盲区路况图像的实时获取，利用计算机视觉处理技术监测、跟踪图像中的目标，通过对比不同图像中的同一监测目标计算出本车与所监测目标之间的实际距离。但是，光线的强弱、大雨或雾霾等恶劣的天气条件以及是否在夜间拍摄对测量结果的准确性影响较大。同时，当车辆快速行驶，图像数量快速增加，而系统处理图像的能力有限，测量结果的实时性则不可避免会有所下降。

4 车辆盲区监测系统的工作原理

对车辆盲区监测系统而言，虽然不同的设计方案采取的探测设备不同，但其工作原理相同。盲区信息采集模块实时监测车辆盲区的路况，将采集到的信息或者图像数据进行初步转换处理后传输给数据处理模块，数据处理模块把接收到的信息进行分析、处理，对盲区路况的安全情况作出判断，并将处理结果在显示模块上实时显示出来，使驾驶员及时了解盲区路况。同时，根据数据分析结果，如果盲区路况存在危险，数据处理模块则向声光报警模块发出启动指令，之后语音提示响起，预警指示灯亮起，驾驶员根据提示作出相应的安全处理，从而避免危险发生［4］。

5 展望

单一的传感器探测存在着种种不足，进行多传感器的信息融合已成为车辆盲区监测系统的研究重点［6］。随着传感器应用技术、数据处理技术的不断发展进步，多传感器信息融合技术在车辆盲区监测系统中的应用会更加普遍，监测结果也会随之更加准确可靠。

深度学习作为机器学习领域的一个新兴的研究方向，经过近几年的发展，其在计算机视觉、语音识别等领域取得了显著的成就［7］。在计算机视觉领域，深度学习和传统的计算机视觉技术相比，其对图像的识别处理更加精确和智能。将深度学习应用到车辆盲区监测系统，将会使视觉探测的结果更加准确，有利于驾驶员对盲区的路况做出合理、准确的判断，进而采取合理的措施，降低危险发生的可能性，使驾驶更加安全。由此可见，深度学习在汽车盲区监测系统视觉探测方面的研究应用是大势所趋，是未来的重点研究方向之一。

无人驾驶技术是近年来汽车行业与互联网行业研究的热点，其研究领域包括环境感知、高精度定位、自动化控制、人工智能等，是现代诸多高新科技高度融合的产物。车辆盲区监测技术是无人驾驶技术的一个重要组成部分，其对盲区路况监测结果的准确与否直接影响着无人驾驶汽车行驶时的安全性与可靠性。车辆盲区监测技术的进步，将推动无人驾驶技术的进一步发展，为以后无人驾驶汽车走进大众生活打下坚实的基础。