什么是雙目視覺ADAS解決方案？

 

相比于單目視覺，雙目視覺（Stereo Vision）的關鍵區(qū)別在于可以利用雙攝像頭從不同角度對同一目標成像，從而獲取視差信息，推算目標距離。具體到視覺ADAS應用來說，如果采用單目攝 像頭，為了識別行人和車輛等目標，通常需要大規(guī)模的數據采集和訓練來完成機器學習算法，并且難以識別不規(guī)則物體；而利用毫米波雷達和激光雷達進行測距的精 度雖然較高，但是成本和難度亦較高。所以，雙目視覺的最大優(yōu)勢在于維持開發(fā)成本較低的前提下，實現一定精度的目標識別和測距，完成FCW（前方碰撞預警） 等ADAS功能。

 

雙目視覺測距的基本原理并不復雜，如下圖所示，P為目標點，它在左右兩個相機（鏡頭中心分別為A和B）上的成像點分別為E和F，則P點在兩個相機中 的視差為d=EC+DF。根據三角形ACE與POA以及三角形BDF與POB的相似性，推導可得d=（fq）/z，其中f為相機焦距，q為兩相機光軸的距 離，z為目標到相機平面的距離。則距離z=（fq）/d，而f和q可認為是固定參數，所以求出視差信號d即可求得距離z。

 

 

根據雙目視覺的測距原理，通常將其實現過程分為五個步驟：相機標定，圖像獲取，圖像預處理，特征提取與立體匹配，三維重構。其中，相機標定是為了得 到相機的內外參數和畸變系數等，可以離線進行；而左右相機圖像獲取的同步性，圖像預處理的質量和一致性，以及立體匹配（獲取視差信息）和三維重構（獲取距離信息）算法的實時性要求帶來的巨大運算量，對在嵌入式平臺上實現雙目視覺ADAS提出了挑戰(zhàn)。

 

 

視覺方案要完成ADAS任務，一般要實現測距（本車與前方障礙物距離）和識別（障礙物是什么）兩項工作。按照車載攝像頭模組的不同，目前主流ADAS攝像頭可以分為單目和雙目兩種技術路線。

 

單目攝像頭的算法思路是先識別后測距：首先通過圖像匹配進行識別，然后根據圖像大小和高度進一步估算障礙與本車時間。在識別和估算階段，都需要和建立的樣本數據庫進行比較。想要識別各種車，就要建立車型數據庫，想要識別麋鹿，就要建立麋鹿數據庫。

 

雙目攝像頭的算法思路是先測距后識別：首先利用視差直接測量物體與車的距離，原理和人眼類似。兩只眼睛看同一個物體時，會存在視差，也就是分別閉上左右眼睛 看物體時，會發(fā)現感官上的位移。這種位移大小可以進一步測量出目標物體的遠近。然后在識別階段，雙目仍然要利用單目一樣的特征提取和深度學習等算法，進一 步識別障礙物到底是什么。

 

因為視差越遠越小的緣故，業(yè)內有觀點認為，雙目在20米內有明顯的測距優(yōu)勢，在20米距離外，視差減小測距存在難度，可以用高像素攝像頭和更優(yōu)秀的算法來提升測距性能，該處是難點也是核心競爭力。

 

雙目鏡頭間距和測距是兩個此消彼長的參數，鏡頭間距越小，檢測距離越近，鏡頭間距越大，檢測距離越遠?？紤]車內美觀和ADAS需要，小尺寸遠距離雙目產品更受歡迎。

 

因為增加了一個鏡頭，帶來更多運算量，整個攝像頭模組的性能要求和成本都更高了。而且在兩者都有的標定工作上，雙目要比單目更加復雜。而且選擇雙目方案切入市場并不能完全繞開單目方案的難點，在第二個階段，你依然要需要一個龐大的數據庫，依然需要打磨算法。

 

 

除了單雙目之外，還有多攝像頭組成的平臺。有的方案中選用長焦和廣角攝像頭于ADAS主攝像頭配合，兼顧周圍環(huán)境與遠處物體探測。比如Mobileye方案，在下文會介紹。

 

也有在環(huán)視平臺上疊加ADAS功能的情況。例如對于環(huán)視做車道偏離預警（LDW），與單目實現該功能比有一定優(yōu)勢。在大雨天氣或者前方強光源的情況下，前視攝像頭有可能看不清車道線，環(huán)視攝像頭斜向下看車道線且可以提供多個角度，基本不會受到地面積水反光的影響，功能可以比前視做得更穩(wěn)定。但同時也要考慮側向無車燈照射時，攝像頭的夜間表現。

 

這幾種方案在技術路線上和單目沒有本質差別，更多是基于不同平臺，發(fā)揮不同類型攝像頭模組的優(yōu)勢分配任務，或者提供更多視角來解決一些復雜環(huán)境中單目勢單力薄的情況。

 

 

恩智浦視覺ADAS專用SoC： S32V234結構圖

 

S32V234采用了4顆ARM Cortex A53作為核心CPU，以獲得更高的性能功耗比。另外，S32V234包含了一顆ARM Cortex M4來作為片上MCU，主要用于關鍵IO（如CAN-FD）的實時控制，并支持AutoSAR操作系統(tǒng)。

 

芯片集成了兩路MIPI-CSI2和兩路16bit并行相機接口，以及Gbit以太網控制器，為圖像傳感器的輸入提供了多種選擇。同時芯片內部包含 了可編程的圖像信號處理（ISP）硬件模塊。利用嵌入式ISP，外部配搭的圖像傳感器可以輸出raw data，從而降低物料成本，節(jié)省空間尺寸。另外，芯片還包含了兩個名為APEX2CL的視覺加速引擎。每個APEX2CL擁有64個本地計算單元 （CU），并配有本地內存，通過SIMD/MIMD（單指令多數據/多指令多數據）的處理方式對圖像識別過程進行加速。

 

另外值得指出的是，考慮到ADAS系統(tǒng)對安全性和可靠性的嚴苛需求，S32V234在設計時加入了諸如ECC（錯誤檢查與糾正），FCCU（故障收 集與控制單元），M/L BIST（內存/邏輯內置自測）等多種安全機制，能夠滿足ISO26262 ASIL B~C的需求。

 

S32V234片上具有兩路MIPI-CSI2相機接口，每一路最大可提供6Gbps的傳輸速率，可用于左右兩路相機的視頻輸入。由于兩路相機分別 輸入兩個MIPI通道，需要考慮二者之間的同步問題。在外部圖像傳感器的配合下，S23V324能夠支持不同的同步方式。如圖3所示，圖像傳感器通常具有 場同步信號（VSYNC）和行同步信號（HSYNC）來進行信號同步：當兩路相機工作在主從模式時，由Master向Slave發(fā)送同步信號；當兩路相機 都工作在從模式時，可以由S32V234內部定時器產生同步信號，同時發(fā)送給兩路相機。

 

雙目相機同步方案

 

在S32V234獲取外部相機的圖像信號后，可以由內部的ISP進行預處理。ISP模塊包含多個針對ISP功能進行優(yōu)化的處理單元，利用片上 SRAM對輸入信號和中間處理結果進行緩存，并采用一個基于ARM Cortex M0+的專用協處理器來管理ISP處理單元的時序，從而實現圖像信號的像素級處理。由于ISP位于芯片內部并且可以靈活編程，所以不僅能夠節(jié)省雙目相機外置ISP的成本，而且其運算資源和帶寬能夠支持對雙路高達1080p@30fps圖像信號的實時處理，保證了雙路圖像信號的質量和一致性。

 

在雙目視覺ADAS應用中，最大的挑戰(zhàn)來自于對兩路圖像進行立體匹配和三維重構所需要的巨大運算量。以FCW應用為例，既要求視差信號的提取具有足夠的精度以保證測距精度，又要求處理幀頻維持一定水平以保證預警的響應速度，因此要求嵌入式平臺具有足夠的處理能力。S32V234中集成的圖像加速引擎 APEX2的結構如圖4所示，其并行計算結構和專用DMA等設計保證了對圖像信號具有極高的處理效率。具體來說，ISP對圖像信號預處理完畢后送入DDR，APEX2引擎將圖像分割后經由專用DMA將其送入每個CU對應的本地內存CMEM中，而立體匹配所需要的塊匹配（Block Matching）等算法可以在不同的CU中并行處理，處理完畢后的數據經由DMA送回DDR，由CPU進行進一步處理（如生成預警信號），或送至專門的 DCU（Display Control Unit）模塊輸出顯示。

 

APEX2架構及圖像處理示意圖

 

綜上所述，基于S32V234的雙目視覺應用數據流如圖5所示。在該應用中，數據流按照ISP-APEX2-DCU的方向流動，A53作為主控CPU完成邏輯控制和必要的數據處理。通過這種流水線式的處理方式，可以使各部分計算資源充分利用，提高計算效率。

 

基于S32V234的雙目視覺數據流

 

利用S32V234開發(fā)板搭建雙目視覺平臺，對雙路720p@30fps視頻信號進行處理，其輸出結果如圖6所示。其中從上至下的三幅圖中目標與相機的距離分別為1m，2m，3m，顯示結果以冷暖色調的變化表征目標距離。結果表明，S32V234能夠對雙目視覺信號進行實時處理，正確得到三維測距結果，同時輔以芯片的各項安全性設計，可以滿足雙目視覺ADAS系統(tǒng)的需求。