基於影像定位之 ADAS 於駕訓班場域的創新應用

作者：

詹巧同

刊登日期：2024/04/09

摘要：自動駕駛輔助系統（advanced driver assistance systems, ADAS）不僅改善現行駕駛環境更是自駕車的前哨站。本篇介紹以影像定位為基礎的自動駕駛輔助系統應用於駕訓班，尤其針對日本的高齡駕照認知測試。這個系統能減少人力成本，自動化教學指導，並創建客觀的考試環境，未來還可提供更詳細的雲端駕駛行為分析。ADAS 主要依賴影像處理以及定位技術，包括車道線、路面標記辨識、紅綠燈和號誌辨識，以及物件偵測等。它結合深度學習和電腦視覺技術，提高偵測精確度和穩定性。透過七大模組進行車輛定位和環境辨識，進而評分駕駛行為，如紅綠燈行為對應、道路標記及停止線停等、過彎軌跡評測、段差跨越和定速操駕等。除了這些評分功能，ADAS 還提供路線偏離和環境車輛距離告警，增加駕駛安全。此外，這項技術對為未來自駕車提供更豐富的感知輸入和先行探索極端情況並開發應對方案。總的來說，這種基於影像的 ADAS 技術是駕訓班應用的重要創新，提高了駕駛安全性，提升自駕車技術和為車廠開拓嶄新的服務思路。
Abstract：The advanced driver assistance systems (ADAS) not only aid the current driving environment but also act as a precursor to autonomous vehicles. This article introduces a visual-based ADAS applied in driver training schools, specifically targeting the driving license cognitive test for Japanese elderly citizens. The application of ADAS in driver training schools not only reduces labor costs and enhances the safety perception of learners but will also offer a detailed analysis of driving behaviors in the future. ADAS primarily relies on computer vision technology, including lane line and road marking detection, traffic light and traffic sign recognition, and object detection. It combines deep learning and computer vision techniques to enhance detection accuracy and stability.
The system operates through seven modules for vehicle positioning and environmental recognition, subsequently
scoring driving behaviors such as response to traffic light signals, adherence to road markings and stop lines,
evaluation of turning trajectories, overcoming road bumps, and steady-speed driving. Besides these scoring
functions, ADAS provides lane departure and proximity warnings to surrounding vehicles, increasing driving safety.Moreover, this technology is crucial for developing autonomous vehicle technology, providing a richer sensoryinput for self-driving cars, and exploring extreme scenarios to develop response strategies. Overall, this visual-based ADAS technology is a significant innovation in driver training schools, enhancing driving safety and paving new pathways for autonomous vehicle technology and automobile manufacturers.
關鍵詞：基於影像定位、自動駕駛輔助系統、視覺感知、基於人工智慧的感知系統
Keywords：Visual-based localization, Advanced driver assistance systems (ADAS), Visual perception, AI-based perception systems

前言
先進感知技術從環境中提煉豐富資訊，ADAS應用這些資訊提供判斷和告警，自動駕駛則是利用這些資訊進一步操控汽車。故感知技術在ADAS 和自動駕駛通用。我們也可將 ADAS 作為自駕車的先驅和實驗場。在駕訓班中一個配備高效、高功能 ADAS 可
以大幅減少人力成本，自動化地替代教練指導，並可以提供一個更便於複檢、監督的考試環境。此外，客觀得蒐集車身周遭的資訊，可以讓學員在練習時可以更全面的了解自身駕駛行為。ADAS還能蒐集駕駛人的歷史駕駛行為，分析數據提供學員和教練更進一步建議，提升人為駕駛的安全係數。此舉大幅減少定期駕照複檢的人力成本。在硬體成本方面，本次應用捨棄常見光達點雲定位，採取環景影像作為定位系統之輸入，進一步降低成本，使其更容易推廣到多個場域。本案合作於日本、臺灣場域，鑒於日本法規規定 75 歲以上的高齡人口必須每三年進行一次駕照認知測試，合格才能續期駕照；但高齡化社會造成現有駕訓班人力難以應對，因此希望導入人工智慧 (artificial intelligence, AI) 感知偵測技術於駕訓班之商業運用，在未來提供駕訓班更加智慧、
便利之服務。本計畫與日本一級汽車組件供應商、具汽車廠商背景之駕訓班進行合作，由工研院機械所研發人工智慧 (AI) 偵測及評分模組，以 7 項功能對應 5 項駕訓班情境，由 AI 模組辨識交通燈號、號誌及標線，依照考照者不同的超線距離、速度區間等給予不同的分數，並即時顯示於車內平板上，場域實證準確率達 93.4 %。
ADAS 技術概述
本 ADAS 技術為從影像篩選出可用的訊息，再根據先備高精語義圖資和邏輯判斷，評分駕駛行為以及環境告警。此次駕駛行為共有五大考試項目。1. 紅綠燈行為對應。2. 道路標記及停止線停等。3. 過彎軌跡評測。4. 段差跨越。 5. 定速操駕，如圖1至圖5示意其規則，並於以下提供詳述。

1.紅綠燈行為對應：當車輛位於目標評分路口時，合併影像判斷目前的燈號用以評測駕駛行為，在紅燈的情況下，細分為未停止、停止在正確的位置、停止過早、停止於斑馬線和停止線中間、停止超出斑馬線；而綠燈和黃燈可以通過路口。
2. 道路標記及停止線停等：當車輛位於目標評分區域時，判斷目標道路標記是否存在，如存在則判斷駕駛行為，細分為以下級距 : 未停止、停止在正確的位置、停止過早、停止超出停止線。
3. 過彎軌跡評測：當車輛位於目標評分區域，於轉彎前後皆確認車身兩側是否超出道路分隔線，且判斷車側超出的範圍大小，另外判斷車輛是否跨越立體路緣上。借以上數據客觀評斷駕駛路徑是否符合規範。
4. 段差跨越：此為日本針對高齡駕照獨有的考試項目，目的為判斷駕駛的反應能力。駕駛需將車頭開上高約 10 cm 的平台，且必須在平台上離邊緣內 1 m 的距離停下。判斷情形分為未完成段差跨越、完成段差跨越並停止距離正確及完成段差跨越但超出預定距離。
5. 定速操駕：車輛位於目標評分區域，提取車速並判斷是否超過或低於目標車速範圍。告警的部份則有兩大類；一是偏離既定考試
路線的提醒，提升受測駕駛安全感，幫助受測駕駛順利完成考試。二是環境車輛距離告警，當環境車輛小於一定範圍時，告警駕駛用以提高駕駛的安全性。
分析以上功能需求，皆須車輛在場域內的定位作為判斷的依據，並輔以環境辨識結果得到進一步的評量分數，故我們發展基於人工智慧的七大模組，且專注於影像處理之領域來降低硬體成本。影像定位模組包括 (1) 車道線及路面標示辨識、(2) 影像基礎之語義地圖定位；環境辨識則有(3) 紅綠燈辨識、(4) 路邊號誌辨識以及 (5) 物件偵測；最後 (6) 總體評分機制根據以上得出的資訊評分，且利用 (7) AVM(around view monitor) 全周影像融合紀錄，讓系統有客觀的證據。