面向消防车行车安全的双目技术研究

赵立金 余莎莎 黄浩

摘 要：消防车在执行任务过程中，车速快、行车环境复杂，易造成二次事故，保障其行车安全的技术研究意义重大。双目立体视觉技术采用两个摄像机从各自的位置同时采集同一目标物体的图像，并通过采样、量化以及数字图像处理，提取出目标物体在三维场景下的准确位置坐标。双目技术可实现对周围车辆、行人以及各种运动目标的跟踪定位，是消防车安全预警系统的关键技术之一。面向消防车行车安全，介绍双目技术的三维场景重建原理，描述安全距离报警、路面状况信息提取、路标及指示牌识别的系统功能，列举双目技术的抗干扰能力强、灵活度与精确度高、成本低等优势。针对实际应用场景，分析特殊环境下的局限性、长距离测量精度的受限性、计算复杂度高及处理实时性低等待改进的技术要点，从而总结面向消防车行车安全的双目技术演进方向。

关键词：消防车安全；双目技术；三维场景重建；计算机视觉

中图分类号：TP39；U495 文献标识码：A 文章编号：2095-1302（2018）07-00-04

0 引 言

消防车不同于一般车种，其作为抢险救援的交通工具，在紧急情况下发挥着重大作用。当火灾发生时，消防车需在最短的时间内将灭火剂、消防设备及消防人员送往所需地区。当出现重大交通事故需要救援，如有人被困在高层，天气干旱民众缺水等状况发生时，也需要消防车施救。消防车在行驶过程中可能因为其他汽车的不规范驾驶、消防车司机的疲劳驾驶和视觉盲区而不能及时看到障碍物，无法采取正确措施来规避交通事故。紧急情况通常不可预料，出行时间、天气、交通情况等都可能会增加消防车的行车风险[1]。

同时，城市人均车辆拥有量的增长带来良莠不齐的驾驶员队伍。当前消防车紧急出动途中，存在较多不避让消防车的车辆，甚至还存在与消防车抢道的现象，不仅增加了消防车的行车风险，还失去了宝贵的救援时间。高速奔行的消防车发生交通事故的风险几率直线上升。

最常见的交通事故是正面碰撞和追尾。为缩短消防车赶往灭火救援现场的时间，必须提高消防车的行驶速度，而高速行驶的消防车发生事故的概率会增大。为了保护消防车内人员的生命安全，提高汽车安全驾驶性的技术应运而生。比如，为减少侧翻事故，消防车多采用独立前悬及盘式制动器；为减少爆胎而采用轮胎爆裂保护系统；采用大视野前风挡玻璃以扩大视野范围，减少盲区；应用在消防车上的智能转向盘设计能够让驾驶员集中精力观察路面环境变化，及时、准确地操控车辆；消防车多涂成红色、橙色和黄色，方便公路上的车辆在较远处就能看到消防车[2]。虽然这些技术可以在一定程度上减少消防车交通事故，增大安全系数，但对于需要在任何时间、地点、天气出行的消防车来说远远不够，仍需要应用能增大消防车安全系数的技术，因此本文提出一种可以将双目立体视觉技术应用在消防车上的消防车安全车距预警系统。

消防车安全车距预警系统是在与周围车辆或障碍物之间距离小于安全车距时，对驾驶员发出预警的自动报警装置。这种系统的探测器一般安装在消防车的各个关键部位，可以探测到接近消防车的人、车辆以及障碍物。它可以让驾驶员预知将要面临的危险，从而采取一定的措施避免危险，甚至可以在驾驶员来不及反应时自行判断并采取最优措施处理特殊险情，从而减少安全事故的发生，降低伤害，提高救援速度。

双目立体视觉技术在消防车中的应用为保障消防车安全指明了一个新的方向，产业化前景广阔。本文将从双目技术有关基本概念、重要特性及其在消防车领域的研究和应用作简要讨论。

1 双目技术在消防车安全方面的应用

1.1 计算机视觉的车距测量

计算机视觉是利用计算机或具备计算能力的软硬件设备模拟人眼视觉，对客观世界的三维结构等信息进行感知、判断及解释的学科[3]。计算机视觉的研究目的是通过数字图像处理算法使得计算机具有从物体的二维图像认知其三维结构相关信息的能力，包括目标物体的形状、位置、姿态等[4]。计算机视觉的研究内容广泛，包括立体视觉、运动视觉、颜色视觉、主动视觉等[5]。

立体视觉是计算机视觉的一个重要分支，而基于两幅图像的双目立体视觉是其中的研究热点[6]。双目立体视觉通过直接模拟人类双眼处理景物的方式，从两个视点观察同一景物，即由不同位置的两台或一台摄像机经过移动或旋转拍摄同一幅场景，通过三角测量的原理计算出空间点在两幅图像像素间的视差，从而恢复目标物体的深度信息[7]。

车距的测量是实现消防车安全车距预警系统的关键。目前，对安全车距的测量方法包括超声波测距，激光雷达测距，毫米波雷达测距，红外线测距和视觉测距等[8]。双目视觉测距同以上提到的其他测距方式不同，它是一种被动测距方式，不用向物体发送任何指令，仅仅通过两个或者多个摄像机对物体拍照，利用物体在不同摄像机上的成像差异获得物体的几何信息，从而推断被测物体与汽车的距离，还可以得到各种交通指示和障碍物信息，节省了硬件开发成本[9]。尽管目前获取距离信息的方法和技术很多，但双目立体视觉是计算机被动测距中最重要的技术，它直接模拟了人类视觉处理的方式，可以在多种条件下灵活测量景物的立体信息，无论从视觉生理的角度还是在工程应用中都具有十分重要的意义[10]。

1.2 双目技术原理

在双目立体视觉系统中，信号的采集设备通常为两个固定放置的摄像机，采集设备通过专用图像采集卡与计算机相连，将摄像机采集到的信号经过处理后提供给计算机[11]。

双目视觉技术的三维定位原理如图1所示，将物体抽象为质点，当多个物体与摄像机的镜头光心处在一条直线上时，在照片上显示的只有一个点，也就意味着从相片上并不能辨别出这两个物体。例如，OL摄像头所拍摄的图片，则认为p和q是同一个点。然而，从另一个角度观察，OR摄像头拍摄的

图片则可以分辨出p和q两个点处于不同位置。双目視觉技术即利用两个摄像机从不同位置进行摄像，根据两者所成的像在两个相片中对应点的关系实现对物体的深度计算。

根据双目立体视觉的物理结构和成像原理可以抽出如图2所示的几何关系。

设OL，OR分别为左、右两个相机的光学中心位置（透镜中心），OL与OR之间的距离为B，相机焦距为f。设物体上的点Q在左、右相机图像平面上的投影点分别为Q，Q′，Q与OLOR连线间的距离为z，过OR，OT分别向图像面（即视平面）作垂线，垂足分别为AL，AR，过Q向图像面作垂线，垂足为D。令│ALQ│=CL，│ARQ′│=CR，│Q′D│=a。

1.3 面向行车安全的双目技术应用

将双目立体视觉技术应用到消防车上，获得需要的道路信息。当有汽车靠近消防车时，安装在消防车上的摄像头采集图像信息，通过预设程序计算汽车的速度与将要进行的行车轨迹并判断是否会对消防车产生威胁。

（1）安全距離警报系统

当接近消防车的汽车超过预设安全距离时，消防车内的报警系统提醒司机有危险发生，同时计算如何行驶才能将事故发生概率降到最低。若车内的检测系统检测到司机未采取措施应对即将发生的事故，消防车将开启自动驾驶装置。

（2）路面状况警报系统

当道路出现坍塌但还未放置任何警示牌时，司机由于其较快的行驶速度，警惕性较低，无法注意前方的坍塌事故。这时将双目立体视觉技术应用到消防车上，车内的内置语音系统会及时发出警报，因此司机有充足的时间作出选择是否停车或改道。

（3）路标及指示牌警示系统

双目立体视觉系统可以获取路标信息并告知驾驶员。当消防车偏离既定行车轨迹时，内置语音系统也会提醒司机最佳行驶方向。

将双目立体视觉技术应用到消防车上，令司机不用时刻保持高度警惕，给消防车的行车提供了安全的环境，降低了事故的发生概率，使得消防救援行动能够高效快速地进行。

2 双目技术的优势

2.1 抗干扰性

从抗干扰性方面考虑，用于安全预警系统的雷达、激光、超声等工作时通过收发脉冲的形式来测距，互相之间存在干扰，识别一些吸收物质或透明性强的物质的能力较弱。由于双目立体视觉技术被动测距的特性，不会对周围其他车辆造成信号干扰，因而被广泛地应用到各个领域。

2.2 应用灵活性

双目立体视觉技术是模拟人眼视觉处理的技术，具有灵活性，可以在不同的情况下获得物体的三维立体信息与道路相关信息[12]。双目技术的应用不需要建立数学模型或获取大量的样本就可以获得有用信息，其作用巨大，是其他计算机视觉方法无法代替的，因而成为了机器视觉研究领域的热点。用立体视觉获取外界信息可以实现数据的实时传递，且探测范围较广、获得的信息相对全面。

2.3 高精确度

若用于消防车上立体成像的两个摄像头之间的视场角（Field of View，FoV）不一样，可通过算法轻松实现两个光学镜头之间的光学变焦。采用单摄像头时，放大指示牌后文字不清楚；若使用双摄像头，指示牌被放大后文字依然清楚。因此使用双目技术，可以在人眼无法分辨指示牌的情况下，通过双目立体成像获得所需道路信息。

同时，因为双目系统直接对所有障碍物进行测量，不需要识别后再测量，故双目系统没有识别率的限制。同样双目无样本，即无需维护样本数据库。

2.4 成本优势

双目立体视觉技术的成本与同样可用于消防车预警的同类型技术相比成本较低（摄像头的成本低于雷达、激光、超声等设备）。

3 双目技术的应用难点

双目技术成本相对较低，但是深度信息依赖纯算法得出，其算法复杂度高，难度大，处理芯片的计算性能需求高，同时它也继承了普通RGB摄像机的缺点：在昏暗环境下以及道路特征不明显的情况下并不适用。

3.1 应用场景的局限性

在消防车行驶过程中，常常会遇到逆光的问题，此时摄像头需要适应这种环境。当太阳光直接照射到车内时，从驾驶座所看到的周围景物较暗，驾驶员无法看清车道线、周围车辆以及路标。这时应采取曝光模式，增加曝光度可以让摄像头很好地适应环境光的变化。

同样，在遇到雨、雾、雪等天气，或者在夜晚时，人眼对光线的感知能力减弱。但人眼有适应的过程，也就是摄像机的曝光过程。人眼适应环境光后，可以清楚地看到车道线、车辆以及路标。但摄像机与人眼的自适应功能不同，增加其曝光度，摄像机成像的对比度随之下降。对比度的下降直接影响摄像机对道路信息的获取，无法给司机提供有价值的信息。

3.2 长距离测量精度受限

应用到消防车上的双目测距指的是图像相关法的双目视觉技术，即通过两台摄像机模拟双目，通过拍摄不同位置的物体的二维图像进行匹配，从而确定物体与消防车间的距离。其精度会受到摄像机性能、光照、基线长度（即两台相机之间的距离）的影响。同时因为其算法复杂，在应用上会受到诸多限制。将双目测距同激光测距比较，激光属于单色光，方向性强，激光测距利用计时器测定射出的激光束从其发出到接收的时间，从而计算出与被检测物体的距离。

消防车上的双目视觉系统在测量近距离的物体时，精度比利用激光测距要高很多。但是随着物体与消防车之间距离的增大，激光测距的相对精度会越来越有优势。在消防车实际应用时，基线长度大大受限，最大仅能达到十几米。因此，当被测物体很大时，用激光测距的相对精度就比双目测距好。双目测距一般更适用于近距离的高精度测量。

3.3 计算复杂度高，算法实现难度大

算法复杂度高则运算速度慢，为保障安全行驶，必需限制消防车的车速。举例说明，如果每秒获取20帧图像匹配，消防车的行驶速度是100 km/h，那么相当于双目摄像头每1.39 m探测一次。如果在消防车周围的距离内突然出现障碍物，系统将由于没有获取相关的信息而无法避免发生碰撞事故。但如果图像匹配速度提升到30帧/s，在车速还是100 km/h时，每0.93 m探测一次即可大大降低事故的发生概率。

因此需要降低算法复杂度，从而提高系统运行速度。但是算法复杂度的降低也使得匹配图像的精度下降，获得的道路信息不够完整，也会对消防车司机的预判造成影响。因此需要平衡算法的复杂度和图像的精度。计算量较大是双目技术的共性问题，因此双目技术的有效应用对硬件单元的性能提出了非常高的要求，硬件的处理速度等因素也会影响到安全防御系统对事故的预判。

4 双目技术的发展方向

双目技术在消防车中的应用主要受价格和性能的限制。由于其应用场景的局限性、长距离测量精度受限、算法复杂度高、技术实现难度大，今后的发展方向应主要从以下几个方面考虑：

（1）进一步改进算法，在降低复杂度的同时，保证图像匹配的精度。同时不必局限于车距的保持，还可以开发别的功能，比如防追尾功能、车速测量功能、防偏移功能等。

（2）实现一上电就可以自标定，即将摄像机的标定程序固化到消防车的系统中。为了提高测量的精度和准确度，还可以采用变焦的摄像机。

（3）双目技术的应用场景很多，而不仅仅是在消防车安全方面。针对不同的需求，设计出符合特定要求的立体成像系统。可以用于三维重建、工业检测、生物医学、虚拟现实等领域，还有可能应用于航天遥测、军事侦察等。

5 结 语

双目立体视觉技术凭借其抗干扰性、应用灵活性、高精度和成本优势已经逐渐替代了激光、雷达和超声等技术，其广泛应用在医疗、救援、军事、科研、工业以及人们的日常生活中。无论是在工业应用还是日常生活中，基于双目立体视觉系统的开发和研究一直备受关注。双目技术应用在消防车安全预警系统中，可保证消防车与周围汽车的距离在安全范围内，随时提醒路面事故并告知驾驶员路标及指示牌信息。双目技术的应用与发展，对提高消防车主动安全性等方面具有非常重要的现实意义。

参考文献

[1]丛静华，何瑞银，王家勝. 森林消防车的发展现状和功能分析[J]. 林业机械与木工设备，2006，34（8）：4-6.

[2]何峰，董松林. 我国消防车的现状及发展方向[J]. 消防技术与产品信息，2003（11）：70-72.

[3]隋婧，金伟其. 双目立体视觉技术的实现及其进展[J]. 电子技术应用，2004，30（10）：4-6.

[4]赵亮亮. 双目立体视觉中的图像匹配技术研究[D]. 南京：南京航空航天大学，2007.

[5]周富强. 双目立体视觉检测的关键技术研究[D]. 北京：北京航空航天大学，2002.

[6]石继雨. 机器人双目立体视觉技术研究[D]. 哈尔滨：哈尔滨工程大学，2003.

[7]曹之乐，严中红，王洪. 双目立体视觉匹配技术综述[J]. 重庆理工大学学报，2015，29（2）：70-75.

[8] BERTOZZI M，BROGGI A. GOLD：a parallel real-time stereo vision system for generic obstacle and lane detection[J]. IEEE transactions on image processing，1998，7（1）：62.

[9] ISAKOVA N，BASAK S，SONMEZ A C. FPGA design and implementation of a real-time stereo vision system[J]. IEEE transactions on circuits & systems for video technology，2010，20（1）：15-26.

[10] BARTH A，FRANKE U. Estimating the driving state of oncoming vehicles from a moving platform using stereo vision[J]. IEEE transactions on intelligent transportation systems，2009，10（4）：560-571.

[11]刘江华，陈佳品，程君实. 双目视觉平台的研究[J]. 机器人技术与应用，2002（1）：36-40.

[12]王荣本，张明恒，石德乐. 双目视觉技术在目标测量中的应用[J]. 公路交通科技，2007，24（2）：122-125.