無人駕駛汽車是一種智能汽車，也可以稱之為輪式移動機器人，主要依靠車內的以計算機系統為主的智能駕駛儀來實現無人駕駛，*的無人駕駛汽車已經測試行駛近五十萬公里，其中最后八萬公里是在沒有任何人為安全干預措施下完成的；它是利用車載傳感器來感知車輛周圍環境，并根據感知所獲得的道路、車輛位置和障礙物信息，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛安全是拉動無人駕駛車需求增長的主要因素。
每年，駕駛員們的疏忽大意都會導致許多事故。既然駕駛員失誤百出，汽車制造商們當然要集中精力設計能確保汽車安全的系統輛損壞的原因，多半不是重大交通事故，而是在泊車時發生的小磕小碰。泊車可能是危險性的駕駛操作了，但仍然會把視攝像頭和可以測定周圍物體距離遠近的傳感器——甚至還有可以顯示汽車四周情況的車載電腦——有的人仍然會一路磕磕碰碰地進入停車位；例如，您駕駛時前方有輛車突然打滑，而您已經來不及停車。此時，在您的左邊有一輛大卡車，右邊則是一群等著過馬路的孩子。大多數司機會選擇撞向大卡車，以避免撞到行人。而無人駕駛車輛無法識別孩子們——它只會簡單地看到右邊的阻力較少，而將車轉而沖向右邊。這是個的例子，但是類似的問題有待解決，只有這樣才能安心告訴車該往哪兒走，然后輕松享受無人駕駛之旅；
機器視覺系統在無人駕駛汽車中的應用主要有以下兩個個方面：
障礙物檢測
障礙物檢測的準確率是車輛無人駕駛汽車過程中安全性的重要保證。在行駛過程中，障礙物的出現是不可預知的,也就無法根據現有的電子地圖避開障礙物，只能在車輛行駛過程中及時發現,并加以處理。當前,由于無人駕駛汽車環境的不成熟，關于障礙物的定義尚沒有統一的標準。因此,可以認為一切可能妨礙車輛正常行駛的物體和影響車輛通行的異常地形都是車輛行駛過程中的障礙物。目前來看，障礙物檢測算法主要有以下三種：1.基于特征的障礙物檢測;2.基于光流場的障礙物檢測;3.基于立體視覺的障礙物檢測。在三種算法中，基于立體視覺的障礙物檢測因為既不需要障礙物的先驗知識,對障礙物是否運動也無限制,還能直接得到障礙物的實際位置而成為主流研究方向。但其對攝像機標定要求較高。而在車輛行駛過程中,攝像機定標參數會發生漂移,需要對攝像機進行動態標定。
道路檢測
自動導航是無人駕駛汽車的必要條件，無人駕駛汽車過程中，道路檢測主要是為了確定車輛在道路中的位置和方向，以便控制車輛按照正確的路線行駛。另外，它還為后續的障礙物檢測確定搜索范圍，以及縮小障礙物檢測的搜索空間，降低算法復雜度和誤識率。然而由于現實中的道路多種多樣，在加上光照、氣候等各種環境因素的影響，道路檢測是一個十分復雜的問題。至今仍無一個通用的算法，現有算法基本上都對道路做了一定的假設。通常采用的假設有：1、特定興趣區域假設;2、道路等寬假設;3、道路平坦假設。另外，道路平坦假設也為障礙物定義提供參考。 目前，機器視覺技術在無人駕駛汽車中并沒有進行大規模的應用，其實這這并非是硬件的問題，事實上攝像頭技術在汽車中的應用已經十分成熟，如善領科技的行車記錄儀，廣角視野、倒車影像等功能都具備，而芯片技術也已能夠高效完成圖像的壓縮處理，最終難點在于模擬神經網絡的視覺算法
更多詳情請訪問：/channel.asp?id=5 機器視覺系統
