基于光波导技术的低能见度下智能驾驶辅助系统研究.pdf

142 Vol.40,No.2February,2024第 40 卷第 2 期2024 年 2 月IT REPORT1 绪论国家“十四五规划”中提到，推动互联网、大数据、人工智能等同各产业深度融合，推进先进制造业集群发展；发展电动汽车智能化、网联化、轻量化技术及自动驾驶技术1。传统的智能驾驶辅助技术已经暴露出明显弊端，不能适应汽车智能化的需求。当前的智能驾驶辅助系统的缺点如下：（1）图像去雾后存在光晕干扰，边缘细节表现力差。（2）低能见度下行车环境感应能力低，不能精准识别道路障碍、行人。（3）现有车载抬头显示系统存在光学体积大、景深单一和视场角不足。市场急需一套智能化、信息化、可视化的智能驾驶辅助方案。基于光波导技术的低能见度下智能驾驶辅助系统研究李靖，霍俊仪，陈菲菲，李德雄，王丽洁（石家庄铁路职业技术学院，河北石家庄050041）摘要：智能驾驶辅助系统是面向雨雪雾等低能见度环境下行车而开发的新产品，包括四个子系统，共同构成了智能驾驶辅助系统。图像信息预处理子系统将图像利用暗通道细化去噪算法进行预处理从而消除图像去雾后的“光晕”效应，提升图片质量；车道线识别子系统和道路障碍物识别子系统两者结合互补，从而实现对车道线、交通标志以及行人、车辆等道路障碍物的图像精准辨识；智能驾驶视觉辅助子系统基于体全息光波导的增强现实视频图像融合技术实现大幅面二维扩瞳的光路系统设计，提升了视场角和虚像距离等性能参数，并消除了驾驶员的视野盲区。关键词：智能驾驶；去雾算法；光波导中图分类号：TP242文献标志码：A文章编号：1672-4739（2024）02-0142-03Research on Intelligent Driving Assistance System under Low Visibility Based on Optical Waveguide TechnologyLI Jing，HUO Junyi，CHEN Feifei，LI Dexiong，WANG Lijie（Shijiazhuang Institute of Railway Technology,Shijiazhuang 050041,China）Abstract：Intelligent driving assistance system is a new product developed for driving in low visibility environments such as rain,snow,and fog.It consists of four subsystems that together form the intelligent driving assistance system.The image information preprocessing subsystem preprocesses images using a dark channel thinning denoising algorithm to eliminate the halo effect after image defogging and improve image quality;the lane line recognition subsystem and the road obstacle recognition subsystem are complementary,enabling accurate identification of images of lane lines,traffic signs,pedestrians,vehicles,and other road obstacles;the intelligent driving visual assistance subsystem implements a large-scale two-dimensional dilated light path system design based on augmented reality video image fusion technology of volume holographic optical waveguide,improving performance parameters such as field of view and virtual image distance,and eliminating blind spots in the drivers field of vision.Keywords：intelligent driving；defogging algorithm；optical waveguide2 去雾及图像识别技术在智能驾驶技术中实现对行人的精准识别至关重要，但是因为行人行走姿态各式各样、行走背景纷繁复杂，使得识别行人的困难程度较大。加之近年来空气环境状况较差，雾霾天气出现的次数连年增加，已经成为影响智能驾驶摄像机拍摄效果的重要因素之一。雾霾天气中对光线的散射和吸收等作用，严重影响着摄像机拍摄质量。物体沉浸在雾霾天气中，使得图片像素降低，色彩对比度不清晰，很难被进一步识别和检测，从而大大影响后续智能驾驶中对图像的进一步分析判断。目前市场上，在智能驾驶技术中主要依靠两种雷达方式实现对行人的检测与识别，这两种雷达方式分别是应用电磁波的毫米波雷达和应用激光技术的 3D 激光雷达。其中，毫米波雷达采用电磁波反射的基本原理，来测量物体与发射点之间的长度，利用多普勒效应来判断物体移动速度。该种检测方式有一个最大的优点就是受天气影响较小，同时测量成本低廉，测量结果准确。但是其自身也存在着弊端就是测量长度有限制，无法满足长距离测量需求，而收稿日期：2024-01-24作者简介：李靖（1981.10-），男，汉族，河北张家口人，副教授，硕士，研究方向：传感与检测。基金项目：河北省教育厅科学研究项目资助（ZC2024025）143 Vol.40,No.2February,2024第 40 卷第 2 期2024 年 2 月IT REPORT且无法区分物体种类。而 3D 激光雷达则是利用向周围环境发射激光，通过各方向上的基站获得的3D激光点云，对其进行分类、处理、分析和判断，从而确定行人的距离及运动特征。这种检测方式的优点就在于能够满足远距离精确测量的要求，但其使用成本远高于毫米波雷达测量，而且对计算机等设备的硬件及软件水平要求也较高。因此，要想使用 3D 激光雷达进行行人识别对环境及设备要求都比较高。综合以上内容，采用纯视觉方案，利用暗通道算法完成对行人识别及雾霾环境下的去雾处理，是一种可行的技术方案。暗通道去雾算法实质上利用的是大气散射模型进行分析，通过大气对光线散射的程度不同，该模型将雾霾天气状况下的图像进行建模处理2。摄像设备接收的是由不同光线组合形成的混合光，这种混合光中包含入射光、反射光和各种散射光，将这些光线以某种方式进行叠加处理，进而进行进一步的分析判断是暗通道去雾算法中最关键的部分。我们在大气散射模型确定的基础上，通过对大气光值 A 和透射率 t（x）两个数值进行调整和估计，这两个数值是去雾算法的决定性参数，便能实现对有雾图像的清晰化处理。首先来看第一个数值大气光值 A，取得该数值的步骤是先找出暗通道图，然后将暗通道图中所有的像素点按照从亮到暗的顺序进行排序，取前 0.1%的像素点并找出原始图像中对应位置上的最亮的像素点，则该值就是大气光值 A。对于第二个数值透射率 t（x）主要用来调节图像中的雾气程度。在日常生活中，即使是晴天，天气中仍然会存在各种各样的颗粒和微小晶体，这些东西的存在会使得人们在观察远方物体时，感觉有一层薄雾笼罩在物体周围。这层薄雾的存在不仅不会影响人们观看物体的清晰度，反而会使得物体的存在更加立体自然。因此，在智能驾驶技术中对物体进行识别时，需要保留一定程度的薄雾，使得物体具有一定的景深。暗通道去雾算法计算流程如下所示：（1）先获取暗通道图像，此步骤主要利用物理上的滤波理论进行求解；（2）对大气光值 A 进行估算，从而求出粗略估计的透射率图像；（3）建立大气散射物理模型，根据该模型将图像进行去雾处理。针对传统暗通道去雾算法进行了三点改进，使得获取的去雾图像更优：（1）对大气光值 A 进行估算时采用自适应方法，对亮度直方图进行数理统计；（2）计算数值透射率 t（x）时，在传统滤波方法理论的基础上进行优化，利用双尺度的最小梯度法进行计算；（3）对于图像中部分失真区域利用阈值分割法对颜色进行填补。在本方案中，先是对拍摄的图像颜色进行空间分割和基本处理，然后对图像进行数学统计，更具统计数值对数值 A 进行估计，具体步骤如下所示：（1）对拍摄的图像颜色进行基本处理，将图像的RGB 格式转换成 YCbCr 格式；（2）进行数学统计，主要利用亮度直方图进行 Y 分量上的数学计算；（3）利用自适应算法对直方图中的像素点进行数学运算，详细计算出不同颜色区域内的像素点个数；（4）根据上一步求得的像素点个数计算出权重参数 和，然后据此对数值 A 进行估计，具体计算公式如下A=220+255+（1）同时，为了使得去雾效果达到最优，本文还利用双尺度最小梯度滤波法，来求得暗通道图和数值 t（x）。本项目中将原始模型设定为 55 的方格，然后用 33 的方格在原始模型中全部行走一遍，由此计算出 33 方格内的三个数值，分别是：极大值、极小值以及这两者间的差。最后，取其中最小的滤波值作为暗通道值。详细计算过程如下：（1）获得最小滤波图像，对有雾图像进行基础处理；（2）利用 33 方格计算三个数值，分别是：极大值、极小值以及这两者间的差；（3）利用步骤（2）中的数值获取暗通道值，进一步求出暗通道图；（4）计算透射率 t（x）的数值。在完成上述内容后，已经实现了对有雾图像的去雾处理，但为了解决图像处理后色彩失真的问题，本项目还提出一个创新点就是对图像色彩进行补偿，实现该步骤的关键就是利用阈值分割法对数值 t（x）进行补偿。在该过程中，引入了一个全新的参数 T，将该值命名为阈值参数。通过对数值 A 和暗通道中像素值做减法，然后将求得的差值与参数 T 进行比较，来判断图像颜色是否需要进行失真处理，从而对透射率 t（x）进行计算。具体过程如下：（1）如果上述中的差值小于参数 T，则代表该区域需要进行颜色失真处理；（2）如果上述中的差值大于参数 T，则代表该区域不要进行颜色失真处理；（3）本项目将参数 T 设定为 40，同时可以实现对阈值的动态调整，以达到对图像处理的最优化。为了验证算法的处理效果，选取不同天气条件下同一地点的图片进行比对，下面第一张为雾天的拍摄图片，第二张为去雾后的图片效果。图1 雾天和去雾后的拍摄图片对比图通过图片可以看出，本文算法处理后的图像对细节保留较好，白亮区域的颜色更加自然，去雾后的图像上没有明显的光晕，且经过算法处理后的图片与晴天下的图片相比无明显差别。为了对结果进一步分析，还选取 30 名有 144 Vol.40,No.2February,2024第 40 卷第 2 期2024 年 2 月IT REPORT图像处理经验的实验人员对算法处理后的结果进行打分，经统计平均分为 97.6。综上所述，本算法的结果较优，满足日常生产生活中对图像去雾的基本要求。3 基于光波导的增强现实显示技术提高汽车驾驶者的舒适性、安全性，增强汽车产业的自动化、智能化成为迫在眉睫的问题。基于此，增强现实抬头显示（AR-HUD）可以有效解决这一问题，将驾驶信息（如导航信息、行车速度、车辆剩余油量）与环境相融合更好地呈现在驾驶员眼前，大大降低因视线切换而发生交通事故这一风险。目前，抬头显示系统技术日趋完善，各种抬头显示技术迭代发展，呈现方式繁杂多样，当然，不同的呈现方式也各有利弊。HUD 共有以下几种发展历程：直接反射式（C-HUD）、挡风玻璃式（W-HUD）、增强现实型（AR-HUD）。然而，传统的增强现实型抬头显示系统，在 FOV，VID 以及体积之间存在着不可调和的矛盾，无法实现三者的集成最优化。基于此，以光波导为传播介质的智能驾驶辅助系统为体积极度受限的传统式 AR-HUD 开辟了一条新路径。目前光波导主要分为两大技术方向：几何光波导和衍射光波导。（1）几何光波导主要采用传统几何光学原理进行设计和制造，光线经过一个“部分透部分反”的镜面阵列，重复进行反射透射过程，直至光线进入人眼。该形式不涉及任何微纳米级结构，因此图像质量可以达到很高的水准。但其加工工艺极其复杂，且加工水平几乎达到峰值，上升空间很小。此外，几何光波导又可细分为锯齿光波导和阵列光波导。（2）衍射光波导与几何光波导相异，其设计方案不依赖于几何光学，而是利用了光的衍射特性，来设计并实现光路衍射，主要利用提前刻画好的“光栅”，让光线按照设计好的路径传播。该衍射光波导可细分为表面浮雕光栅波导和体全息光栅波导。其中表面浮雕光栅主要采用刻蚀工艺和纳米压印技术，形成压制产品。该制法虽制备工艺成熟，但对设备精度要求高，成本高，制作流程复杂，且会产生色散效应，即“彩虹效应”。而体全息光栅主要采用全息曝光技术，利用两束相干光源干涉并记录在感光材料上，在涂层中多次曝光形成特殊光栅，通过记录介质内部相对介电常数或电导率的周期从而变化实现体全息光栅元件对于光的衍射作用。从而在一个“体积”中实现全息显示。在理论上光栅衍射效率可高达 100%，具有良好的成像效果。基于体全息光波导的车载增强现实抬头显示系统，包括投影设备，体全息光波导元件和显示设备。处理过的信息通过投影设备，借助光学反射原理，通过体全息光波导将重要的行驶信息（如导航信息、行车速度、车辆剩余油量等）经过多次衍射投射到显示设备上，经前挡风玻璃折射进入驾驶员眼中，将虚像与实物相结合。AR-HUD 不仅使驾驶员的注意力更为集中，同时实现了大幅面的成像显示，避免眼睛焦距不断切换带来的不适，保障行驶安全。体全息光波导衍射效率理论上最高可达 100%，具有更好的成像效果，并且在制作方面有较高的自由度，即在满足布拉格条件下，可实现彩色成像，在探测路面参数方面提供了更大的便利与精度，在满足更大的 FOV 和 VID的同时，也满足了车载设备节省空间的需求。对比传统的 HUD 只能将画面呈现在一个平面内，AR-HUD 实现了增强现实的虚实结合，其投影设备发射出的源图像，通过折射后其反向延长线在虚像平面内是未成像状态，它的焦点与实物重合，所呈现的画面 3D 景深更优且视线无需变焦，极大增强了驾驶员的行车体验及驾驶安全性。在近眼光学显示模块中，光波导元件将图像从一侧区域传输至人眼可接收到图像的耦出区域，而这一区域的出口则被称为“出瞳区域”。来自光机的准直图像光经过体全息光栅耦入光波导后，以满足全反射的条件下在光波导中传播，当光线到达耦出光栅时，一部分光会耦出体全息光栅进入人眼，而另一部分光线则会继续在光波导中以之前的状态继续向前传播，直至光线全部耦出为止。而光栅的衍射作用将出瞳图像光线进行有限次的复制，使得每一束出射光都输出与原图像完全相同的光，从而达到了观察者视角在一维移动时在耦出区的任何位置都能看到全视场下的图像出射光，由此实现了一维的出瞳扩展。二维扩瞳技术是在此基础之上形成的。将光线经耦入光栅耦入平面波导后全反射传播，而后分别经过转折光栅和耦出光栅分别实现光线的一维和二维出瞳扩展，在两个方向上扩瞳逐次耦出。其中光束经转折光栅的衍射改变其传输方向，实现一维扩瞳，再经由耦出光栅耦出体全息元件，实现二维出瞳扩展。据此，在保证光束在三个光栅的衍射角度不同的同时，也要保障其衍射方程的相位和为零，使得出射光与入射光方向相同，满足了观察者的视觉需求。而扩展后的光线经挡风玻璃反射后，出射光进入人眼，观察者在看到呈现于远处的虚像的同时也可以看到真实的现实环境，所呈现的虚像通过透视投影设计与环境融合，形成增强现实的抬头显示效果。4 结论基于光波导的增强现实智能辅助驾驶技术，可以有效化解低能见度环境下的视觉障碍，对去雾后的图像识别更加精准，借助体全息光波导的增强现实抬头显示系统视场角和虚像距离都得到有效增强，具有广阔的市场前景和发展潜力。参考文献：1 夏以柠.生成式人工智能技术进展及其在自动驾驶领域的应用与展望J.汽车技术,2023,9:43-48.2姜玉婷，张毅，胡跃强等.增强现实近眼显示设备中光波导元件的研究进展J.光学精密工程,2021,29:28-44.