通事故数据.docVIP

在飞机着陆中,20世纪80年代末期至90年代初 期,人们提出了视景系统(ＶＳ,ＶｉｓｉｏｎＳｙｓｔｅｍ)概念。 采用不同手段和不同综合方法构成的视景系统分为 以下几个部分: 1)传感器视景系统(ＳｅｎｓｏｒＶＳ)。前视传感器 实时检测到的驾驶舱外视见景象,可以由单传感器 生成或多传感器综合,其视景接近真实世界的自然 景象。 2)合成视景系统(ＳＶＳ)。由地形数据库存储 的地形模型构建的虚拟视景称为合成视景。 3)增强视景系统(ＥＶＳ,ＥｎｈａｎｃｅｄＶｉｓｉｏｎＳｙｓ- ｔｅｍ)。传感器视景和合成视景的叠合称为增强视景 (ＥｎｈａｎｃｅｄＶｉｓｉｏｎ)。既有实时探测到的自然视景, 也有数据库生成的虚拟视景,两者匹配叠合,即利用 虚拟视景的深刻轮廓线去增强模糊视景,包括了 ＳｅｎｓｏｒＶＳ和ＳＶＳ两个系统,它们在恶劣的气象条件 下可以增强窗外视景的可见性[1]。 随着智能交通运输系统的发展与应用,视觉增 强技术在低能见度条件下的车辆安全辅助驾驶系统 中得到应用。如美国的Ｇａｌａｘｙ科技公司开发了由 有红外传感器、显示系统、无线通信系统、ＧＰＳ等组 成的驾驶员视觉增强装置用于烟雾条件下抢险车 辆。近年来由于成像雷达传感器相对于前视红外成 像传感器具有更好的云雾及恶劣天气穿透能力,国 外开始全力发展用于恶劣天气条件下视景增强雷达 系统,并且已取得了新的重大进展。美国波音公司 与Ｎａｖ3Ｄ联合在2002年开发了一套视觉增强系统 用于低能见度条件下军用直升飞机降落导航和军用 车辆的导航,系统由图像传感器、毫米波雷达、ＧＰＳ 等组成[2]。在视觉增强系统中图像处理技术是常 用的技术手段之一。 为探测雾天的能见度,开展了理论研究,提出了 一些实用方法。 文献[3]研究了基于车载摄像机的能见度检测 方法,用于驾驶安全预警。针对雾天下拍摄图像的 退化现象,文献[4]提出了一种景物影像清晰化的 方法,用移动模板对不同深度的场景进行分割,以对 模板中的区域进行块重叠直方图均化衡处理。根据 图像的灰度分布特性,求出天空区域灰度的最佳近 似正态分布,再由这个近似正态分布估计来得到分 割天空区域的灰度值分布范围,以增强景物细节 信息。 文献[5]则根据图像本身估计出图像退化的物 理过程来增强图像。在雾天能见度较差条件下,单 视觉传感器获取道路环境图像退化较为严重时,图 像增强的效果不一定理想,因此,基于多源信息融合 的图像增强得到广泛关注。美国国防高级研究计划 局负责实施的战略计算机计划中的几个主要示范系 统(如自主式地面战车,自动目标识别系统)都将多 种侦察仪器的图像信息融合技术作为重要的研究内 容;美国德克萨斯仪器公司研究将红外热图像和微 光图像融合,来提高夜战能力。 文献[6]分析了环境和气候等因素对毫米波雷 达和红外传感器性能的影响,获得了两类传感器的 环境及气候模型。在该基础上,提出了一种基于各 传感器性能模型的红外/毫米波复合自动生成算法。 文献[7]采用短波红外摄像机和长波红外摄像 机以及彩色摄像机构成多谱图像采集系统,针对多 源图像信息融合中图像信息匹配问题,提出了采用 几何参数修正的方法。 文献[8]采用车载摄像机、ＧＰＳ等构建了视觉 增强研究平台,研究雾天驾驶员视觉增强方法。 低照度视觉增强系统目前技术已非常成熟,其 产品已实用化,如林肯领航者汽车安装有“夜眼” (ＮｉｇｈｔＥｙｅ)摄像机可在低照度条件下,在汽车处于 倒档时工作,即使在近乎黑暗的情况下也能提供车 后近距离内的细小影像。 视觉增强系统中第二种方法主要是除去挡风玻 璃上的雨水和霜、提高汽车前照灯的智能化等,达到 增强低能见度、低照度等不利条件下的驾驶员视觉 目的[9]。该方法目前很多技术处于实际运用与不 断更新阶段,例如: 智能雨刷系统,智能雨刷系统以发光二极管对 前挡风玻璃发出光束,当雨滴打在感应区的玻璃上 时,光束所反射的光线强度,会因玻璃上的雨量或湿 气含量而有所变化,改变雨刷的刷动频率; 或透过红外线电子雨量传感器感应雨量的多 寡,并随车速的变化自动调整雨刷速度,增进驾驶人 的驾驶方便性,让驾驶更有安全性。 准确判别前挡风玻璃面积雨量,是智能雨刷系 统的关键。针对现有雨量传感器检测前挡风玻璃面 积区域有限,文献[10]采用车载摄像机获取雨天中 前挡风玻璃面积序列图像,设定感兴趣区域,利用模 板匹配的方法对连续多帧图像进行雨滴识别,从而 获取精确雨量信息。 2.1.2　视觉扩展(ＤｒｉｖｅｒＶｉｓｉｏｎＩｍｐｒｏｖｅｍｅｎｔ) 视觉扩展是对驾驶员视觉进行补偿,运用视觉 等传感器扩展驾驶员视野范围,如福特公司的Ｃａｍ- ·156· 中国安全科学学报 Ｃｈｉｎａ Ｓａｆｅｔｙ Ｓｃｉｅｎｃｅ Ｊｏｕｒｎａｌ　　　　　　　　　　　　　　　　第18卷2008年 Ｃａｒ,采用