本文轉自個人公衆號：https://mp.weixin.qq.com/s/mwg6PU22avf64kNb5bVQtA
本篇爲《智能網聯汽車先進駕駛輔助系統關鍵技術》讀書筆記，簡單粗暴的介紹相關概念後，以盲區預警作爲usecase結尾。
1、環境感知技術在網聯汽車的應用示意圖
2、視覺傳感器的類型及功能
按攝像頭的工作方式，可以將其分爲單目、雙目、三目、環視；
攝像頭又分爲紅外攝像頭和普通攝像頭；
根據需求的不同，選擇不同的攝像頭和鏡頭。
3、視覺傳感器的功能
視覺傳感器的功能主要有：
車道線識別；
障礙物識別；
交通標誌和地面標誌識別；
交通信號燈識別；
可行駛區域識別；
周圍車輛感知；
交通狀況感知；
道路狀況感知；
車輛本身狀態感知。
…………
4、環境感知流程
環境感知流程大體上如下：
圖像採集-->預處理-->特徵提取-->圖像識別及分析-->輸出
其中，
預處理部分根據需求的不同，可以包括：灰度、二值化、圖像壓縮、增強、復原、去噪濾波、resize（）、直方圖均衡化等等（這裏推薦一本聖經級別的書--岡薩雷斯的 《數字圖像處理》）。當然，如果需求爲交通信號燈識別，那麼肯定是不能進行二值化的。
特徵提取部分，是爲了更好的進行圖像識別與分析，同樣，根據待檢測目標的不同，選用不同的特徵，最簡單的有顏色特徵、形狀特徵、邊緣特徵等等。
5、視覺傳感器在網聯汽車上的應用
usecase:
我們以盲區監測算法爲例
基於視覺傳感器的盲區監測算法流程：
圖像採集-->圖像預處理-->目標（車輛）檢測-->輸出
其中 ，圖像預處理包括：
a.灰度處理，因爲人眼對綠色敏感度最高，對藍色敏感度最低，取灰度值爲：
I=0.3R+0.59G+0.11B-----------I爲灰度化之後的灰度值，RGB分別代表紅、綠、藍顏色分量。
b.濾波處理，該步驟是爲了去除環境產生的噪聲，比如車輛抖動、光學噪聲、圖像採集過程帶來的量化誤差等等。最常用的濾波有均值濾波，中值濾波，高斯濾波……
以一維高斯濾波爲例
double *getGuassionArray(int size, double sigma){double sum = 0.0;int kerR = size / 2;double *arr = new double[size];for (int i = 0; i < size; i++){arr[i] = exp(-((i - kerR)*(i - kerR)) / (2 * sigma*sigma));sum += arr[i];}for (int i = 0; i < size; i++){arr[i] /= sum;}return arr;}
c.目標（車輛）檢測
此步驟中，有學者利用車在行進過程中產生的陰影做爲車的特徵來識別車輛；還有學者將車身的剛體特徵作爲鮮明的特徵；另外還有車窗、保險槓等作爲特徵……
可以用傳統的特徵檢測算法進行目標檢測，比如：Cascade + HOG/DPM + Haar/SVM，不過精度和穩定性不是特別高；
也可以用深度學習，通過訓練特徵進行目標檢測，如：R-CNN（Selective Search + CNN + SVM）、SPP-net（ROI Pooling）、Fast R-CNN（Selective Search + CNN + ROI）、Faster R-CNN（RPN + CNN + ROI）、SSD、YOLO系列……方法。