无人驾驶中视觉感知技术专利分析

岑誉

摘 要：本文以无人驾驶中视觉感知技术相关的中国专利申请为基础，分析专利申请趋势、重点申请人及技术分布，并重点分析视觉感知技术中行人检测、车道检测和障碍物检测技术，并展望无人驾驶中视觉感知技术的未来发展方向。

关键词：无人驾驶；视觉感知；专利分析

中图分类号：U463 文献标识码：A 文章编号：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

无人驾驶汽车是通过车上配备的传感器来感知环境信息，这些传感器依据不同的原理获取环境感知数据，获取数据之后，车载单元还需要采用一定的方法提取出数据中对智能行为决策有用的信息，如探测到障碍物、检测车道线、检测和识别交通标志、定位和姿态估计等。

1 无人驾驶中视觉感知技术专利申请态势分析

截至2017年5月25日，在CNABS数据库中检索到涉及无人驾驶技术的国内专利申请总量超过2.3万件，其中无人驾驶中与视觉感知技术相关的专利申请有3 872件。在此检索基础上，下文将围绕中国区域内的专利申请趋势和重点申请人状况进行分析。

1.1 专利申请量趋势分析

2006—2009年，无人驾驶技术在中国处于起步阶段。2007年以前，视觉感知技术发展缓慢，之后业内开始使用“摄像头+算法”的方式对图像进行识别和处理，进而判断周围路况信息，带动了无人驾驶视觉感知技术专利申请量在2007—2009年的小幅增长。

2010年至今，人工智能、深度学习融入无人驾驶中的视觉感知技术当中，进一步提高无人驾驶的安全性，并且降低成本，这已成无人驾驶发展的大方向之一，专利申请量逐年增多，并且呈现出快速增长的状态。

1.2 重点申请人分析

视觉感知技术国内专利申请的主要申请人排名如下：博世、丰田、奇瑞、浙江吉利、通用、理光、电装、日產、松下和日产。由此可知，占据视觉感知技术的国内专利申请量领先地位的是老牌汽车厂商，而非软件科技公司。在中国范围内，博世、丰田等传统汽车企业是无人驾驶中视觉感知技术创新的重要主体，其中博世是全球第一大汽车技术供应商，其不仅在无人驾驶中视觉感知技术方面具有很强的研发和创新实力，同时也较为看重中国市场。排名第三名和第四名的是国内汽车企业奇瑞和浙江吉利，其创新实力及研发成果同样不可小觑，是中国本土企业中无人驾驶视觉感知领域的重要创新主体。

但是，由于目前无人驾驶的发展需要集合多方面的力量，无人驾驶中视觉感知技术，已经让传统汽车公司与软件科技公司之间的界限越来越模糊。以谷歌、百度为代表的软件科技公司，其优势主要集中在视觉感知技术相关的软件平台和云端平台方面，并且掌握了视觉感知技术中的相关重要技术，但是，由于其不具备制造汽车的能力，其研究成果需要传统汽车公司提供车辆平台和硬件平台上的支持。传统汽车公司与软件科技公司强强联手，将携手推动汽车产业的智能化升级，实现无人驾驶汽车的快速蓬勃发展。

2 无人驾驶中视觉感知技术主要专利技术分析

无人驾驶中视觉感知技术的国内专利申请量主要集中在车辆停泊、驾驶员状态分析、障碍物检测、车道检测和行人检测上。由于篇幅所限，下面将从行人检测、车道检测、障碍物检测方面对无人驾驶中视觉感知技术的主要专利技术进行分析。

2.1 行人检测

行人兼具刚性和柔性物体的特性，行人检测具有一般人体检测中常见的由姿态、着装、遮挡、尺度及视角等造成的外观差异问题，又因其特定的应用场景，还有一些自身所特有的难点，主要表现在对光线变化要求鲁棒、检测要求实时、摄像机的自身运动需要考虑等，这使得行人检测成为视觉感知系统中的研究难点与热点[1]。

行人检测相关专利申请分为基于全局特征的检测方法、基于人体部件特征的检测方法和基于立体视觉特征的检测方法。

基于全局特征的检测方法，主要采用边缘特征、形状特征、统计特征或者变换特征等图像的各类静态特征来描述行人；基于人体部件特征的检测方法的基本思想是把人体分成几个组成部分，然后对图像中每部分分别进行检测，最后将检测结果按照一定的约束关系进行整合，最终判断是否存在行人；基于立体视觉特征的检测方法是指通过2个或2个以上的摄像机进行图像采集，然后分析图像中目标的三维信息以识别出行人。

2.2 车道检测

车道检测的作用是路径规划与决策，实现车辆智能检测出可行车道，最终实现全智能的无人驾驶。影响车道检测的主要因素有车道类型多样化、车辆与车道信息是否充分利用等[2]。车道按照修建规格大体分为结构化车道和非结构化车道2种。因此，车道检测相关的专利申请主要可分为以下3个方面。

2.2.1 结构化车道检测。基于车道特征的检测方法是基于道路图像的灰度、纹理、颜色等特征对车道线进行检测。基于车道模型的检测方法是利用直线、B样条曲线、分段Bézier曲线等模型来检测车道线。

2.2.2 非结构化车道检测。非结构化车道一般没有车道线和清晰的道路边界，检测方法大致可分为三类：基于道路特征的检测方法；基于道路模型的检测方法；基于神经网络的检测方法。

2.2.3 复合型车道结构检测。这是结构化车道检测和非结构化车道的统称，其提出了一种复合型车道识别系统和方法。

2.3 障碍物检测

无人驾驶技术中，对驾驶环境的感知是进行自动驾驶的前提条件，而道路障碍物检测是车辆进行避障，不发生碰撞的重要前提[3]。障碍物检测相关的专利申请主要可分为以下3个方面。

2.3.1 基于特征检测的方法。基于特征检测的方法是利用障碍物如边缘、纹理、形状等特殊而明显的特征进行检测。如US5680313A、US20010973718A，是基于边缘信息对图像进行分割或者像素分类。

2.3.2 基于运动信息的方法。基于运动信息的方法主要是帧间差分法和基于光流场的方法。帧间差分法是直接根据视频帧间的变化进行检测；基于光流场的方法是建立一个视觉行为模型，将图像中的所有像素点赋予速度矢量，利用速度矢量特征对图像进行动态分析。

2.3.3 基于立体视觉的方法。基于立体视觉的方法有基于双目视觉、基于多目视觉、基于图像深度信息的检测方法。

3 展望

汽车智能化涉及众多参与方，激烈的市场竞争促使更多跨界合作和优势资源互补。视觉感知系统需要对技术、算法、硬件等进行持续的完善和升级。无人驾驶中视觉感知技术的申请者有望成为未来无人驾驶领域的领军企业，这些企业的专利在错综复杂的技术里并不能做到面面俱到，由此在专利领域的合作、交叉许可也将成为未来的一个重要趋势。然而，合作的前提是自己手中一定要有筹码，因此，在无人驾驶发展的当下阶段，抢滩专利布局仍将是这一行业的主题。

参考文献：

[1] 张春凤，宋加涛，王万良.行人检测技术研究综述[J].电视技术，2014（3）：157-162.

[2] 王春阳.车道检测方法综述[J].科技视界，2016（9）：322-324.

[3] 王荣本，赵一兵，李琳輝，等.智能车辆的障碍物检测研究方法综述[J].公路交通科技，2007（11）：109-113.