岑譽
摘 要:本文以無人駕駛中視覺感知技術相關的中國專利申請為基礎,分析專利申請趨勢、重點申請人及技術分布,并重點分析視覺感知技術中行人檢測、車道檢測和障礙物檢測技術,并展望無人駕駛中視覺感知技術的未來發(fā)展方向。
關鍵詞:無人駕駛;視覺感知;專利分析
中圖分類號:U463 文獻標識碼:A 文章編號:1003-5168(2018)09-0055-02
Patented Technology Analysis of Vision SensingTechnology in Driverless
CEN Yu
(Patent Examination Cooperation Center of the Patent Office, SIPO, Guangdong, Guangzhou Guangdong 510000)
Abstract: Based on Chinese patent applications related to visual perception technology in driverless vehicles, this paper analyzed the trend of patent application, key applicants and technology distribution, and focused on the pedestrian detection, lane detection and obstacle detection technologies in visual perception technology. At last, this paper look forwarded to the future development of vision sensing technology in driverless.
Key words: driverless; vision sensing;patent analysis
無人駕駛汽車是通過車上配備的傳感器來感知環(huán)境信息,這些傳感器依據不同的原理獲取環(huán)境感知數據,獲取數據之后,車載單元還需要采用一定的方法提取出數據中對智能行為決策有用的信息,如探測到障礙物、檢測車道線、檢測和識別交通標志、定位和姿態(tài)估計等。
1 無人駕駛中視覺感知技術專利申請態(tài)勢分析
截至2017年5月25日,在CNABS數據庫中檢索到涉及無人駕駛技術的國內專利申請總量超過2.3萬件,其中無人駕駛中與視覺感知技術相關的專利申請有3 872件。在此檢索基礎上,下文將圍繞中國區(qū)域內的專利申請趨勢和重點申請人狀況進行分析。
1.1 專利申請量趨勢分析
2006—2009年,無人駕駛技術在中國處于起步階段。2007年以前,視覺感知技術發(fā)展緩慢,之后業(yè)內開始使用“攝像頭+算法”的方式對圖像進行識別和處理,進而判斷周圍路況信息,帶動了無人駕駛視覺感知技術專利申請量在2007—2009年的小幅增長。
2010年至今,人工智能、深度學習融入無人駕駛中的視覺感知技術當中,進一步提高無人駕駛的安全性,并且降低成本,這已成無人駕駛發(fā)展的大方向之一,專利申請量逐年增多,并且呈現出快速增長的狀態(tài)。
1.2 重點申請人分析
視覺感知技術國內專利申請的主要申請人排名如下:博世、豐田、奇瑞、浙江吉利、通用、理光、電裝、日產、松下和日產。由此可知,占據視覺感知技術的國內專利申請量領先地位的是老牌汽車廠商,而非軟件科技公司。在中國范圍內,博世、豐田等傳統(tǒng)汽車企業(yè)是無人駕駛中視覺感知技術創(chuàng)新的重要主體,其中博世是全球第一大汽車技術供應商,其不僅在無人駕駛中視覺感知技術方面具有很強的研發(fā)和創(chuàng)新實力,同時也較為看重中國市場。排名第三名和第四名的是國內汽車企業(yè)奇瑞和浙江吉利,其創(chuàng)新實力及研發(fā)成果同樣不可小覷,是中國本土企業(yè)中無人駕駛視覺感知領域的重要創(chuàng)新主體。
但是,由于目前無人駕駛的發(fā)展需要集合多方面的力量,無人駕駛中視覺感知技術,已經讓傳統(tǒng)汽車公司與軟件科技公司之間的界限越來越模糊。以谷歌、百度為代表的軟件科技公司,其優(yōu)勢主要集中在視覺感知技術相關的軟件平臺和云端平臺方面,并且掌握了視覺感知技術中的相關重要技術,但是,由于其不具備制造汽車的能力,其研究成果需要傳統(tǒng)汽車公司提供車輛平臺和硬件平臺上的支持。傳統(tǒng)汽車公司與軟件科技公司強強聯手,將攜手推動汽車產業(yè)的智能化升級,實現無人駕駛汽車的快速蓬勃發(fā)展。
2 無人駕駛中視覺感知技術主要專利技術分析
無人駕駛中視覺感知技術的國內專利申請量主要集中在車輛停泊、駕駛員狀態(tài)分析、障礙物檢測、車道檢測和行人檢測上。由于篇幅所限,下面將從行人檢測、車道檢測、障礙物檢測方面對無人駕駛中視覺感知技術的主要專利技術進行分析。
2.1 行人檢測
行人兼具剛性和柔性物體的特性,行人檢測具有一般人體檢測中常見的由姿態(tài)、著裝、遮擋、尺度及視角等造成的外觀差異問題,又因其特定的應用場景,還有一些自身所特有的難點,主要表現在對光線變化要求魯棒、檢測要求實時、攝像機的自身運動需要考慮等,這使得行人檢測成為視覺感知系統(tǒng)中的研究難點與熱點[1]。
行人檢測相關專利申請分為基于全局特征的檢測方法、基于人體部件特征的檢測方法和基于立體視覺特征的檢測方法。
基于全局特征的檢測方法,主要采用邊緣特征、形狀特征、統(tǒng)計特征或者變換特征等圖像的各類靜態(tài)特征來描述行人;基于人體部件特征的檢測方法的基本思想是把人體分成幾個組成部分,然后對圖像中每部分分別進行檢測,最后將檢測結果按照一定的約束關系進行整合,最終判斷是否存在行人;基于立體視覺特征的檢測方法是指通過2個或2個以上的攝像機進行圖像采集,然后分析圖像中目標的三維信息以識別出行人。
2.2 車道檢測
車道檢測的作用是路徑規(guī)劃與決策,實現車輛智能檢測出可行車道,最終實現全智能的無人駕駛。影響車道檢測的主要因素有車道類型多樣化、車輛與車道信息是否充分利用等[2]。車道按照修建規(guī)格大體分為結構化車道和非結構化車道2種。因此,車道檢測相關的專利申請主要可分為以下3個方面。
2.2.1 結構化車道檢測。基于車道特征的檢測方法是基于道路圖像的灰度、紋理、顏色等特征對車道線進行檢測。基于車道模型的檢測方法是利用直線、B樣條曲線、分段Bézier曲線等模型來檢測車道線。
2.2.2 非結構化車道檢測。非結構化車道一般沒有車道線和清晰的道路邊界,檢測方法大致可分為三類:基于道路特征的檢測方法;基于道路模型的檢測方法;基于神經網絡的檢測方法。
2.2.3 復合型車道結構檢測。這是結構化車道檢測和非結構化車道的統(tǒng)稱,其提出了一種復合型車道識別系統(tǒng)和方法。
2.3 障礙物檢測
無人駕駛技術中,對駕駛環(huán)境的感知是進行自動駕駛的前提條件,而道路障礙物檢測是車輛進行避障,不發(fā)生碰撞的重要前提[3]。障礙物檢測相關的專利申請主要可分為以下3個方面。
2.3.1 基于特征檢測的方法?;谔卣鳈z測的方法是利用障礙物如邊緣、紋理、形狀等特殊而明顯的特征進行檢測。如US5680313A、US20010973718A,是基于邊緣信息對圖像進行分割或者像素分類。
2.3.2 基于運動信息的方法。基于運動信息的方法主要是幀間差分法和基于光流場的方法。幀間差分法是直接根據視頻幀間的變化進行檢測;基于光流場的方法是建立一個視覺行為模型,將圖像中的所有像素點賦予速度矢量,利用速度矢量特征對圖像進行動態(tài)分析。
2.3.3 基于立體視覺的方法?;诹Ⅲw視覺的方法有基于雙目視覺、基于多目視覺、基于圖像深度信息的檢測方法。
3 展望
汽車智能化涉及眾多參與方,激烈的市場競爭促使更多跨界合作和優(yōu)勢資源互補。視覺感知系統(tǒng)需要對技術、算法、硬件等進行持續(xù)的完善和升級。無人駕駛中視覺感知技術的申請者有望成為未來無人駕駛領域的領軍企業(yè),這些企業(yè)的專利在錯綜復雜的技術里并不能做到面面俱到,由此在專利領域的合作、交叉許可也將成為未來的一個重要趨勢。然而,合作的前提是自己手中一定要有籌碼,因此,在無人駕駛發(fā)展的當下階段,搶灘專利布局仍將是這一行業(yè)的主題。
參考文獻:
[1] 張春鳳,宋加濤,王萬良.行人檢測技術研究綜述[J].電視技術,2014(3):157-162.
[2] 王春陽.車道檢測方法綜述[J].科技視界,2016(9):322-324.
[3] 王榮本,趙一兵,李琳輝,等.智能車輛的障礙物檢測研究方法綜述[J].公路交通科技,2007(11):109-113.