机器视觉应用于自动驾驶

记得前两年滴滴刚崭露头角的时候，不少二、三线城市的出租车司机们感觉自己的利益受到侵害，纷纷联合起来抵制网约车，一款O2O软件就这样成为了出租车行业的公敌可是，的哥们万万没想到，真正颠覆出租车行业的自动驾驶已经在路上了，人工智能俨然要成为出租车司机们的终结者。

????说到自动驾驶，我们现在讨论的已经不再是能不能实现的问题，而是多久落地的问题不过，自动驾驶是个很大的话题，我们今天谈一个有望更早实现的技术：自动泊车????在自动泊车这件事上，如今分为两派：适应世界的机器视觉派和改造世界的自动化设备派。

机器视觉解决方案????机器视觉方案最依仗的就是摄像头了，普通摄像头又叫非景深摄像头，原理是通过捕捉图像数据，然后从图像数据推算距离信息但是非景深摄像头又分为单目摄像头和双目摄像头，单目摄像头是通过图像匹配进行目标识别（各种车型、行人、物体等），再根据图像大小去估算目标距离。

因为存在识别这一步，所以问题也容易出现在这一环节，视觉识别对于数据库和图像质量的要求较高，一旦识别不出来，将导致估算距离的错误反面案例就是特斯拉撞车事件，在强光的条件下，特斯拉汽车上的摄像头将白色货车判定为云，没有减速行驶，最终酿成惨剧。

????而双目摄像头方案不同于单目的模式，通过两个摄像头分别获得前方图像，然后计算两幅图像的视差得出前方物体的距离信息这种方案模拟了人眼对于3D信息的获取方式，虽然成本相对高一点，但是精准度提高，也是现在比较常用的解决方案。

????不过，双目摄像头也并非是完美的，因为它毕竟是依靠图像数据来获取距离，所以在强光或阴暗的场景下，双目摄像头表现也不够稳定，这便促使了深度摄像头方案的发展????所谓深度摄像头，是在双目摄像头的基础上，加上了一个结构光（激光）发射器，通过激光测算前方物体的距离。

不过，深度摄像头用于自动泊车距离商业化还有一段距离由于技术、成本等因素影响，当前深度摄像头提供的激光强度较弱，工作距离有限，而且依旧会受到太阳光的干扰但是，在地下车库这种阴暗环境中，安装在自动驾驶汽车上的深度摄像头，可以对周围环境做出更详细的判断，比当前常用的超声波方案的体验感更好。

????但是如果该方案要商用，除了要等待自动驾驶技术的普及，还要消除室外强光的影响具体的解决方式可以是加大激光强度，但是在商业上由于成本过高，目前还没有最合适的方案落地这背后其实需要激光雷达行业整体的发展，等成本下降后，深度摄像头的解决方案就可以走进寻常百姓家了。

????总而言之，依靠机器视觉的自动泊车需要配合着自动驾驶技术，双目摄像头和深度摄像头都是给这个过程增加安全性的筹码在实际应用上，自动泊车并不是单纯依靠某一项技术，往往是多种技术相融合，例如特斯拉最新Autopilot2便是非景深视觉+超声波+传感器。

因为机器视觉着重于适应世界，所以对环境改造的需求较少，整体方案的灵活性更强自动化设备解决方案????相比机器视觉方案的行为逻辑，自动化设备方案就截然相反：自身不需要改变，而去改造环境，一劳永逸????目前市面上的泊车机器人，使用激光导航，并运用全自动控制技术。

定位精准度误差少于5mm，行驶速度最高可达1.5米／秒，平均载重量2.5吨用户只需要将车停入自动泊车库，接下来便由机器人完成搬运，节省了大量找车位的时间????除了机器人，还需要有配套的停车设备，例如垂直升降类立体停车设备、平面移动类立体停车设备等。

汽车就像模型一样被“珍藏”进一个个停车空间????这种方式既完成自动泊车，还解决了某些区域停车难的问题据了解，国内城市通常有15%到30%的土地被用来停车，某些区域更是寸土寸金，例如市中心的住宅小区、学校、商城。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。