红外双目，让我们离自动驾驶又近了一步
前不久，Uber在美国制造了全球首例无人驾驶车辆致行人死亡事故。虽然凭据当地警察局透露，受害人是从暗处突然突入机动车道，但事故还是不行制止地将自动驾驶推上了舆论的风口浪尖。一周前，Uber宣称“在可预见的未来终止在加州的所有无人驾驶汽车测试活动。”
图片来源网络
“逝者已矣，生者如斯”。测试可以停止，技术生长则不能停滞不前，而且要有的放矢，事故一出，Uber所使用的传感器技术一时成为了调研的“众矢之的”。
Uber现有的自动驾驶传感器技术
Uber 的自动驾驶车辆搭载了若干个成像系统，如图所示：
1. 激光雷达
Uber 改装的沃尔沃XC90顶部搭载了1台Velodyne的HDL-64激光雷达，通过三维激光扫描技术，能对周围静止和移动物体生成3D图像，而且激光探测不受光照条件影响，探测精度可达厘米级。据Velodyne 官网显示，HDL-64探测距离为120米，理论上可以制止事故的发生。
在这个场景下，激光雷达是能够探测到的，但它也存在固有的缺陷，好比对黑色物体不敏感。Uber事件中，由于受害者身穿黑色上衣，反射率较低，致使激光雷达感知范围大打折扣。其次，由于自行车架以管状为主，大量的空洞使激光雷达的扫射面积大幅减少，可获取的点云数据十分有限，有可能导致激光雷达无法在第一时间对目标进行识别，也更无法完成测距和紧急制动等行动。因此，激光雷达不是万能的。
2. 可见光摄像头
Uber在XC90上安装了短焦和长焦光学相机共7台，分别从前向、侧向和后向对成像进行实时分析� ？杉馍阆裢�，在光照较差的情况下，摄像头的目标识别能力将会下降。Uber事故发生的当晚，车辆所行驶的门路有一部门被阴影所笼罩。受害者横穿门路时恰好在阴影区域内，摄像头没有及时发现目标。
对于单目摄像头来说，要想获得距离信息，必须先识别目标。首先要对目标进行框图分类，而分类和识别是一体的，不识别无法准确分类。图像的分类以特征提取为基础，这就需要建立并不停维护一个庞大的样本特征数据库，如果数据库中缺乏待识别目标的特征数据，就无法对这些车型、物体、障碍物进行识别，从而导致系统漏报。
图像分类是由一些图像处置技术综合而成的。在分类图片时，首先判断图像是否需要进行预处置，如去除噪声等。然后提取图像的特征并存储在特征库中，利用图像特征训练分类器，输出分类结果。这个过程对于前方突然掉落的物体、突然泛起的行人是不适用的。
分类识别后是估算距离，单目估算距离主要是凭据目标在图像中的像素巨细，这种要领准确度不高。
如上图所示，由于距离因素，行人3和行人2的像素巨细是非常接近的，但行人2和行人3与车辆距离差异很大，在单目看来，距离却是完全一样的。
与单目摄像头相比，双目在准确度上要高得多。
双目与单目区别有几点，首先，双目是丈量距离而非估算。双目摄像头的成像原理与人眼相似，通过三角测距算法获得视域内任意目标的距离数据。
双目与单目的第二点区别是双目可以在不识别目标的情况获得深度（距离）数据。双目立体视觉系统就是通过对两幅图像视差的计算，直接对前方景物进行距离丈量（视场范围内），而无需判断前方泛起的是什么类型的障碍物。
对比来看，单目摄像头成本低，系统结构简单。其缺点在于必须不停更新和维护样本数据库，才气保证系统到达较高的识别率。而双目视觉系统价格虽比单目高，但与激光雷达方案相比，具备一订价格优势；二是不受识别率限制，无需先进行识别再进行测算，而是对视域范围内的障碍物实时进行丈量；三是测距精度比单目高，直接利用视差计算距离；四是无需维护样本数据库，节省处置器带宽。
双目立体视觉系统在距离测算上相比单目摄像头具有奇特的优势，但受成像器件的限制，现有的可见光波段双目立体视觉系统只能应用在光照适当的条件下，对于夜间，尤其在恶劣的气候条件下就不再起作用。此时，我们可用红外热成像技术来提高系统的识别能力。
红外热成像技术
红外热成像技术是一种被动红外夜视技术，是利用自然界物体红外热辐射强度的差异来形成图像，而且不受光照、霾、雪、雾等客观条件影响。
图为红外热像仪伪彩效果图
图为红外热像仪灰度成像图
红外热成像技术与立体视觉技术的融合，将立体视觉的应用范围推广到了红外波段，形成了技术上的强大合力。
红外双目立体视觉系统
红外双目立体视觉系统是双目立体视觉技术与红外热成像技术一体化融合的产物。双目模组能够实时对视域范围内所有物体进行测距和识别，从而优化了可见光摄像头需要先识别后测距的数据反馈机理，缩短了无人驾驶系统从发现目标到紧急制动的时间。
而集成于双目模组上的两个红外热像仪，能够对目标物体散发的红外辐射能量进行捕捉，再通过光电转化形成热图，继而从基础上规避激光雷达对反射率低的目标无法进行有效描述的短板，而且对诸如自行车、栏杆等几何结构上存在大量空洞的目标能够进行实时成像；同时，热像仪不依赖光源成像的特质，使其能够胜任全天时作业任务。
上博智像红外双目立体视觉环境感知系统正是源自这样的设计理念应运而生的。该系统基于FPGA+ARM架构将两个热像仪所成热图像进行畸变校正、视差矫正、立体信息解算平分析，最终得到视域范围内障碍物的距离信息，并以点云的形式将数据发送给控制终端，以此来增强无人系统对环境的感知能力，实现全天时条件下视觉测距、障碍物检测、避障偏向优选等功效。
该系统有效弥补可见光摄像头和激光雷达的不足，使现有的自动驾驶技术如虎添翼，更好地为行人、车辆和驾驶员保驾护航。
