基於深度學習的計算機視覺，應用於無人駕駛的視覺感知系統中，主要分為四大塊：
動態物體檢測（Dynamic Object Detection）
通行空間（Free Space）
車道線檢測（Lane Detection）
靜態物體檢測（Static Object Detection）
主要從需求、難點、實現三個方面對每項感知部分做剖析。上述檢測的難度從難到易排序：DOD>FS=LD>SOD。
檢測需求：對車輛（轎車、卡車、電動車、自行車）、行人等動態物體的識別；檢測難點：（三座大山：檢測類別多、多目標追蹤難度大、測距精度足夠准）
（1）遮擋情況情況較多，heading朝向的問題，測距精準度（2）行人、車輛類型種類較多，難以覆蓋，容易誤檢（集裝箱vs卡車、樹幹vs行人）
實現方案：攝像頭的內外參標定；對動態物體的檢測，尤其是車輛的檢測，是需要給出車輛的3D bounding box的（給出一個偽3D也是可以的），所以在神經網絡的訓練打標籤時與普通的2D檢測有區別，3D的好處在於能給出車的一個heading信息，以及車的高度信息。車輛及行人都要給出對應的id號，要加入多目標跟蹤算法，遮擋情況下的id難以維持，這是一個難點。另外神經網絡提取特徵能力再強大，也不能cover掉所有的動態物體檢測，可以依據現實場景增加一些幾何約束條件（如汽車的長寬比例固定，卡車的長寬比例固定，車輛的距離不可能突變，行人的高度有限等），增加幾何約束的好處是提高檢測率，降低誤檢率，如轎車不可能誤檢為卡車；方案是訓練一個3D檢測模型（2.5D也行）加後端多目標追蹤優化加基於單目視覺幾何的測距方法。對於動態物體的檢測，最後需要結合激光雷達的結果進行融合，在夜間、雨雪天氣，視覺無法處理；同時，有激光雷達信息，對於車輛的朝向信息判斷更準確，僅憑一個攝像頭去做檢測、去做heading、去做精準的距離判斷，難度太大。
結合激光雷達，夜晚能準確給出車輛的heading信息
檢測需求：對車輛行駛的安全邊界（可行駛區域）進行劃分，主要對車輛、普通路邊沿、側石邊沿、沒有障礙物可見的邊界、未知邊界進行劃分。
（1）複雜環境場景時，邊界形狀複雜多樣，導致泛化難度較大。不同於其它的檢測有明確的檢測類型（如車輛、行人、交通燈），通行空間需要把本車的行駛安全區域劃分出來，需要對凡是影響本車前行的障礙物邊界全部劃分出來，如平常不常見的水馬、錐桶、坑窪路面、非水泥路面、綠化帶、花磚型路面邊界、十字路口、T字路口等進行劃分。
（2）標定參數校正；在車輛加減速、路面顛簸、上下坡道時，會導致相機俯仰角發生變化，原有的相機標定參數不再準確，投影到世界坐標系後會出現較大的測距誤差，通行空間邊界會出現收縮或開放的問題。
（3）邊界點的取點策略和後處理；通行空間考慮更多的是邊緣處，所以邊緣處的毛刺，抖動需要進行濾波處理，使邊緣處更平滑。障礙物側面邊界點易被錯誤投影到世界坐標系，導致前車隔壁可通行的車道被認定為不可通行區域，如下圖所示。
實現方案：攝像頭標定（若能在線標定最好，精度可能會打折扣），若不能實現實時在線標定功能，增加讀取車輛的IMU信息，利用車輛IMU信息獲得的俯仰角自適應地調整標定參數；選取輕量級合適的語義分割網絡，對需要分割的類別打標籤，場景覆蓋儘可能的廣；描點操作（極坐標的取點方式），邊緣點平滑後處理操作（濾波算法）。
檢測需求：對各類車道線（單側/雙側車道線、實線、虛線、雙線）進行檢測，還包括線型的顏色（白色/黃色/藍色）以及特殊的車道線（匯流線、減速線等）的檢測。
標準單一情況下的車道線識別難度不大，路況大都是平行筆直的實線或虛線（如特斯拉支持高速公路的輔助駕駛，它們的車道線檢測擬合的效果極好）。車道線的檢測難點在於:（1）線型種類多，不規則路面檢測車道線難度大；如遇地面積水、無效標識、修補路面、陰影情況下的車道線容易誤檢、漏檢。（2）上下坡、顛簸路面，車輛啟停時，容易擬合出梯形、倒梯形的車道線。（3）彎曲的車道線、遠端的車道線、環島的車道線，車道線的擬合難度較大，檢測結果易閃爍；實現方案：傳統的圖像處理算法需經過攝像頭的畸變校正，對每幀圖片做透視變換，將相機拍攝的照片轉到鳥瞰圖視角，再通過特徵算子或顏色空間來提取車道線的特徵點，使用直方圖、滑動窗口來做車道線曲線的擬合，傳統算法最大的弊端在於場景的適應性不好。採用神經網絡的方法進行車道線的檢測跟通行空間檢測類似，選取合適的輕量級網絡，打好標籤；車道線的難點在於車道線的擬合（三次方程、四次方程），所以在後處理上可以結合車輛信息（速度、加速度、轉向）和傳感器信息做航位推算，儘可能的使車道線擬合結果更佳。
Tesla Model3 Autopilot渲染在HMI界面的車道線結果（極其穩定，極其魯棒）靜態物體檢測：
檢測需求：對交通紅綠燈、交通標誌等靜態物體的檢測識別；檢測難點：（1）紅綠燈、交通標識屬於小物體檢測，在圖像中所占的像素比極少，尤其遠距離的路口，識別難度更大。如下圖紅綠燈在1920*1208的像素層面上占據的像素大小僅為18*45pixel左右，在強光照的情況下，人眼都難以辨別，而停在路口的斑馬線前的汽車，需要對紅綠燈進行正確的識別才能做下一步的判斷。
（2）交通標識種類眾多；採集到的數據易出現數量不均勻的情況。
（3）交通燈易受光照的影響，在不同光照條件下顏色難以區分（紅燈與黃燈），且到夜晚時，紅燈與路燈、商店的燈顏色相近，易造成誤檢；實現方案：通過感知去識別紅綠燈，有一種捨身取義的感覺，效果一般，適應性差，條件允許的話(如固定園區限定場景)，該裝V2X就裝V2X,多個備份冗餘，V2X > 高精度地圖 > 感知識別。若碰上GPS信號弱的時候，感知識別可以出場了，大部分情況，V2X足以Cover掉大部分的場景。感知方案的具體實現參照文章，主要為紅綠燈數據集採集，標籤處理，檢測模型訓練，算法部署，追蹤後端優化，接口開發；（1）真值的來源。定義，校準，分析比對，絕不是看檢測結果的map或幀率，需要以激光的數據或者RTK的數據作為真值來驗證測距結果在不同工況（白天、雨天、遮擋等情況下）的準確性；（2）硬件幀率、資源消耗。多個網絡共存，多個相機共用都是要消耗cpu、gpu資源的，如何處理好這些網絡的分配，多個網絡的前向推理可能共用一些卷積層，能否復用；引入線程、進程的思想來處理各個模塊，更高效的處理協調各個功能塊；在多相機讀取這一塊，做到多目輸入的同時不損失幀率，在相機碼流的編解碼上做些工作。（3）多目融合的問題。一般在汽車上會配備4個（前、後、左、右）四個相機，對於同一物體從汽車的後方移動到前方，即後視攝像頭可以看到，再移至側視相機能看到，最後移至前視相機能看到，在這個過程中，物體的id應保持不變（同一個物體，不因相機觀測的變化而改變）、距離信息跳變不宜過大（切換到不同相機，給出的距離偏差不宜太大，）（4）多場景的定義。針對不同的感知模塊，需要對數據集即場景定義做明確的劃分，這樣在做算法驗證的時候針對性更強；如對於動態物體檢測，可以劃分車輛靜止時的檢測場景和車輛運動時的場景。對於交通燈的檢測，可以進一步細分為左轉紅綠燈場景、直行紅綠燈、掉頭紅綠燈等特定場景。公用數據集與專有數據集的驗證。（5）回放工具驗證，感知輸出的離線數據分析。肉眼觀察視覺感知的效果是不可靠的，需要將視覺檢測的結果，激光的結果，RTK的結果都統一在回放工具上，對視覺檢測的結果進行離線分析，包括距離誤差的分析、檢測效果與距離的分析、曲線擬合的分析等等，完成這些工作需要統一時間戳，同時輸出視覺檢測結果的類別信息，距離信息和作為真值傳感器的輸出信息，進行分析對比，以此驗證視覺感知結果的好壞。上述為視覺感知中的具體實現模塊功能。目前圍繞無人駕駛汽車做基於深度學習開發的獨角獸企業：momenta（提供基於深度學習的計算視覺解決方案，自主泊車）地平線（基於深度學習的芯片硬件設計，提供整套軟硬件方案）
留言列表