近年来，世界各国的交通主管单位皆大力倡议「防护驾驭」，所谓防护驾驭是一种猜测危机并帮忙远离危机的机制，意指除了驾驭自身恪守交通规则外，也要防备其他驾驭因为自身的忽略或是成心违规，而发生交通意外。因而，防护驾驭的意图是透过目视与耳听的发觉，来认知并猜测或许发生意外之情境，而且赶快采纳必要的防护办法，以防止意外发生。
根据交通部的长时刻核算与特性剖析陈述指出，全国首要交通事端原因中，以「未坚持行车安全间隔」为最多。以2014年上半年国道高速公路为例，A1类(形成人员当场或24小时内逝世)的交通事端总计三十件，而未坚持安全间隔(车前情况)占最大宗，总共有十件，并形成十一人逝世、十三人重伤。其次为改换车道不妥，总计为六件，并形成八人逝世、八人重伤。然事实上，交通部在2012年国道事端反省陈述指出，在这些形成不幸的交通事端傍边，有高达79.1%的意外是有时机事前防备的。
有鉴于此，各大车厂与驾驭人纷繁在车辆上装置各种驾驭辅佐体系，以下降闯祸率(图1)。在各种体系中，以印象为根底的辅佐驾驭体系市占率最高;其首要原因为本钱低价，且可与行车记录器结合运用，并能将侦测的效果以视觉影音的办法呈现给驾驭人，尽管其侦测间隔不及红外线与雷达，但仍广受欢迎。
图1 各种不同办法之ADAS传感器
开发本钱低价 印象式ADAS受喜爱
为有用下降因驾驭者不专心所导致的事端发生，车道偏移警示体系(Lane Departure Warning System, LDWS)与前方磕碰警示体系(Forward Collision Warning System, FCWS)为世界各国注重，是业界争相投入开发的两大首要先进驾驭辅佐体系(Advanced Driver Assistance System, ADAS)功用。
.LDWS
LDWS首要功用运作是透过开麦拉拍照车辆前方的场景，然后经图画处理与核算，发生车道侦测的效果;一旦车辆在没有打方向灯的景象下开端偏移车道时，体系则会自动宣布各种警示信号，提示驾驭者当即做出反响以防止意外发生。
.FCWS
FCWS的首要功用亦是透过开麦拉拍照车辆前方的场景，通过图画处理算法的核算后，将前方的车辆侦测出来，而且推估两车之间的间隔;当两车未坚持恰当的行车间隔时，体系亦自动对驾驭人宣布正告，乃至近年来已有车厂开端评价是否由行车核算机体系接收煞车功用。
上述两种ADAS的首要功用，其共同点便是拍照车辆前方的场景信息。一般来说，FCWS与LDWS都会运用同一个开麦拉所获得的印象信息，且该开麦拉亦可将印象信息储存起来，做为行车记录器之用。因而，FCWS与LDWS除了现有轿车制造商进行开发研讨之外，制造行车记录器的厂商亦活跃投入研制。
PC-based为前期惯用渠道
数字图画处理渠道首要可分为两大类，分别为软件导向的PC-based与硬件导向的独立型(Stand Alone)渠道;这两类各有其优缺点。前期，因为独立型的体系运算资源十分限制，中央处理器(CPU)指令周期较慢、内存空间缺少、可支撑的接口设备亦缺少，加上缺少有用的印象程序开发接口，导致图画处理算法的开发人员习气选用PC-based做为硬件渠道。现在，因为超大规模集成电路(VLSI)与体系单芯片(SoC)的跋涉，数字体系的芯片有大幅跋涉一起缩小化的开展，使得现在嵌入式体系能够在低价位的景象下，供给高速CPU、海量存储器、更多的周边操控，乃至能够有多中心的处理器(Processor)。
独立型渠道契合轻浮矮小规划需求
如此跋涉下，嵌入式体系现已开端朝多媒体跨进，添加印象与视讯等二维(2D)/三维(3D)信号的运算，以扩展运用规模;再加上跟着智能化与云端化的趋势，多媒体运用与安全监控渠道，已渐由PC-based走向独立型嵌入式体系，以便满意车载运用对省电与轻浮矮小的需求。
有鉴于此，工研院便以独立型嵌入式体系办法来进行ADAS的开发与验证。 首要，算法开发人员为获得印象来开发算法，在开发初期有必要自行驾驭配有行车记录器的车辆，于路途上拍照各种不同场景、天候等行车影片，过程中还有必要统筹「正确率」与「效能」，因为对任何算法而言，杰出的正确率仅仅最根本的条件。
攸关正告提示速度 ADAS算法验证至为重要
ADAS关于算法的效能必定锱铢必较，因为当风险情况发生时，体系有必要实时(Real-time)宣布正告。以FCWS为例，当某车辆于国道高速公路以时速100公里跋涉时，亦即其每秒跋涉27.7公尺;体系若推迟0.1秒宣布正告，则车辆将继续跋涉2.77公尺;因而规划人员习气以讯框速(Frame Per Second, FPS)来验证ADAS中的算法之效能，当FPS值越大时，代表该算法的效能越佳。
当然，算法的效能必定与嵌入式渠道的处理器速度、资源相关，所以在开发初期就有必要考虑算法的核算量是契合何种嵌入式渠道，不然将呈现算法无恰当渠道可用的窘境。
结合快速印象切割效果 车道线侦测算法效能稳健
LDWS为ADAS中较早被开发的功用，车道偏移警示体系的研制，首要包括「车道线侦测」以及「车道偏移侦测」两个项目。尽管这个研讨现已有十几年的前史，一起也有许多闻名学者投入此范畴的研讨，可是其研讨效果还有许多需求改善之处;如在车道线侦测方面，因为无法猜测车道线与路途的色彩间隔(梯度(Gradient))程度。因而，算法中默许的参数便无法侦测出一切类型的车道线。此外，为强化车道线的特性，往往需求重迭多张接连的画面，以加长车道线的长度。
终究，因为运用的直线侦测算法，无法供给直线是否归于车道线或对错车道线等信息，因而传统的车道偏移体系，需求一个手动设定的画面，标示出或许的车道线区域，藉此过滤掉非车路途线。
在车道偏移侦测方面，需求剖析接连画面的改变，才干判别车子是否偏移，如此一来，体系便无法实时告诉驾驭有关车道偏移的信息。有鉴于此，工研院现已自行开宣布一种快速且健旺的车道偏移警示体系;藉由结合「快速印象切割」的效果，所开发的车道线侦测算法，能够侦测出各种类型的车道线，不需求剖析接连画面的改变，能够仅由一张画面，便判别出车辆是否偏移。
该算法的履行流程(图2)首要有五个过程。
图2 LDWS算法流程图
.印象切割(Image Segmentation)
首要，对原始印象进行「区域化」的过程，将印象分红若干区域。
.车道线区域侦测(Road Line Region Detection)
然后结合「印象切割后的效果」以及「梯度剖析」，以完结车道线区域侦测。
.车道线候选区域(Road Candidate Determination)
运用区域符号(Connected Component Labeling)的办法，符号每个连通区域(Connected Component)，从而剖析各区域的特性，去除「非车道线区域」，以完结作业。
.车道线断定(Road Line Determination)
接着进行车道线断定过程。
.车道偏移警示(Lane Departure Warning)
终究，藉由判别左右车道线的视点，以完结警示的功用。
该算法的履行效果可参阅图4。
图3 FCWS算法流程图
以纯水平线为根据 前车侦测算法更精确
坚持安全车距是驾车的根本守则，尤其是在高速公路上，当前方车辆有任何情况发生时，坚持安全车距才有满足的时刻进行防护驾驭。所以，工研院开发FCWS的方针为，当前方车辆与自身车辆间隔30公尺时，则实时宣布警示信号。
前方磕碰警示体系的研制，首要包括「前方车辆侦测」以及「车距核算」两大项目。现在的前方车辆侦测研讨中，有许多办法是运用「车底暗影」来当作特征值。可是，暗影简单遭到外在光线的影响，形成侦测正确率不安稳的困扰。此外，为战胜夜间、阴雨等天候问题，有许多办法是以「后车灯」为侦测的特征值。这种做法尽管可在夜间获得杰出的效果，可是仅适用于夜间。
有鉴于此，工研院自行研制适用于嵌入式体系，快速且安稳之前方车辆侦测算法;藉由Sobel滤波器获得前方车辆的水平、笔直边际，而且透过梯度方向(Gradient Orientation)将「纯水平边际」撷取出来。
「纯水平边际」是很重要的特征，因为从许多测验影片中能够观察到，前方车辆必定有「纯水平边际」，例如保险杆、后挡风玻璃、行李箱等，但是有时候场景中亦或许呈现一些非车辆的纯水平边际。为防止误判，能够运用符号(Labeling)、角点侦测(Corner Detection)、区域二元图(Local Binary Pattern, LBP)纹路剖析(Texture Analysis)将前方车辆精确的侦测出来。好像LDWS算法相同，该算法的前方车辆侦测体系，亦不需求剖析接连画面的改变，能够仅由一张画面便判别出前方车辆。本算法的履行流程如图3所示，而履行效果如图4所示。
图4 FCWS与LDWS之履行效果
在车距核算方面，因为仅有单一开麦拉，所以无法运用双开麦拉的算法来核算间隔;但透过固定开麦拉的办法，于停止情况预先量测间隔，树立对应表格(Table)办法进行核算(图5)。将开麦拉固定架起结束后，透过实践量测可知，5公尺线对应至该印象的第162列(Row)、10公尺对应至第137列、15公尺对应至第126列、20公尺为第123列。
图5 单一开麦拉之前方间隔量测
藉由实践间隔与印象坐标的对应发生对应表，当跋涉间前方车辆被侦测时，再运用查表的办法换算出前车间隔。运用印象坐标对应的办法，其误差值将会跟着间隔添加而添加，不过在操控开麦拉镜头条件下，在实践间隔小于30公尺时，其误差值仍在公尺级的承受规模内。
终究，将ADAS于嵌入式渠道进行验证且程序优化之后，即可装置于车辆上做实车测验。在此运用的嵌入式渠道为Cortex-A15的双中心处理器与其他相关的周边装备;测验场景为新竹68号快速路途，而且于上午、正午、黄昏进行数次的实车测验;天候情况已包括晴天、阴天、大雨。FCWS与LDWS的正确率至少皆有90%以上，且履行速度可达25FPS。
辅佐驾驭技能迭有开展 自动式ADAS远景可期
跟着车用电子与车用印象技能的跋涉，各种辅佐驾驭的体系成为各大车厂的开展方针，且不断的移风易俗，因而车厂投入研制各式自动式ADAS的力道与能量越来越强。但是，前期的ADAS大多是停留在警示功用，用以提示驾驭人需求赶快进行防护驾驭，不过于近年，现已有些车厂推出半自动式的辅佐体系，可帮忙驾驭者进行煞车或车道坚持等。
开展这些功用的终究意图便是要朝向全自动驾驭，在行车途中遇到危机时，体系会自动介入接收驾驭，而且快速判别应怎么闪避风险，且坚持车体不受磕碰，无人的自动驾驭已然成为未来开展的要害;但是，在这段过渡期间，各厂仍旧努力开展相关技能，各种单一功用警示辅佐体系正于产业界蓬勃开展。未来，当技能老练且本钱能被商场承受时，信任各大车厂就将会整合多个单一警示体系，逐步迈向无人驾驭。
现在，Google在自动驾驭车方面已有长足的开展，2014年中发布的无人驾驭车已没有方向盘与油门，且以40公里/小时的速度，在美国加州区域进行测验。其实，无人驾驭车辆最大的应战仍是在一般路途，诚如Google自动驾驭方案负责人Chris Umson所言，以无人驾驭体系在高速公路开上1公里，和在市区开上1公里，这是彻底不相同的两件工作;在高速公路上开车的变因仅有数种，但若在一般路途上恐怕会激增到上百种。所以，Google无人驾驭车除了装置传统的开麦拉之外，更搭载光达体系(LiDAR)进行光学定向测距，用以进步安全性与可靠性。因为技能、法则等要素没有老练，无人驾驭轿车无法在几年内就上市，但透过自动驾驭技能的不断跋涉，相关的装备必定下放至一般车款上，对顾客来说亦是一大福音。
