李靜1,唐振民2,譚業(yè)發(fā)1,石朝俠2,劉家銀2
(1.解放軍理工大學(xué) 野戰(zhàn)工程學(xué)院，江蘇 南京 210007；2.南京理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇 南京 210094)
摘要：環(huán)境復(fù)雜度是無人地面車輛自主性評價(jià)三因素（即任務(wù)復(fù)雜度、環(huán)境復(fù)雜度、人機(jī)交互程度）的一個(gè)重要方面。在對美國陸軍新版《作戰(zhàn)綱要》中作戰(zhàn)環(huán)境分析的基礎(chǔ)上，定義無人地面車輛鄉(xiāng)村典型工作環(huán)境，以該環(huán)境復(fù)雜度作為評價(jià)目標(biāo)，分為道路環(huán)境、車道內(nèi)障礙、路面覆蓋、路面破損、光照與陰影、成像模糊六個(gè)評價(jià)方面，建立鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)指標(biāo)體系。通過算法進(jìn)行道路邊界分割，實(shí)現(xiàn)定量評價(jià)，并給出典型場景中環(huán)境復(fù)雜度的參考值。
關(guān)鍵詞：無人地面車輛;工作環(huán)境;環(huán)境復(fù)雜度評價(jià);道路邊界分割
0引言
環(huán)境復(fù)雜度是無人地面車輛自主性評價(jià)三因素［1］（即任務(wù)復(fù)雜度、環(huán)境復(fù)雜度、人機(jī)交互程度）的一個(gè)重要方面。美國陸軍新版《作戰(zhàn)綱要》定義的作戰(zhàn)環(huán)境由地理、地形、氣象與基礎(chǔ)設(shè)施四大要素組成。本文在此基礎(chǔ)上，定義無人地面車輛鄉(xiāng)村典型工作環(huán)境為沒有道路標(biāo)識的鄉(xiāng)村公路、路況較差的鄉(xiāng)間道路，或無鋪裝的土路，以中國農(nóng)村特有的場景為背景組成的環(huán)境；建立無人地面車輛鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)指標(biāo)體系；通過算法進(jìn)行道路邊界分割、路面障礙物識別和可通行區(qū)域劃分，完成對該環(huán)境復(fù)雜度的定量評價(jià)，給出典型場景中環(huán)境復(fù)雜度的參考值。旨在提高無人地面車輛在鄉(xiāng)村典型工作環(huán)境下自主性評價(jià)的準(zhǔn)確性和科學(xué)性。
1環(huán)境復(fù)雜度研究現(xiàn)狀
對無人地面車輛環(huán)境復(fù)雜度的研究涉及到地形學(xué)、氣象學(xué)、道路工程學(xué)、車輛工程學(xué)、戰(zhàn)場環(huán)境建模、信息工程學(xué)、電磁學(xué)等諸多學(xué)科［23］。目前，一般采用結(jié)構(gòu)化和非結(jié)構(gòu)化來區(qū)分道路環(huán)境［4］，這種方法描述不夠精確，包含的因素不夠全面，分析時(shí)也主要集中在一些特征明顯的場景或是用來驗(yàn)證算法的特定環(huán)境，與真實(shí)的自然環(huán)境差別較大。而且，在結(jié)構(gòu)化或非結(jié)構(gòu)化道路環(huán)境中也同樣存在復(fù)雜程度的差別，無人地面車輛在不同復(fù)雜程度的環(huán)境中，其自主性評價(jià)值是不具可比性的。因此，如何科學(xué)地對環(huán)境復(fù)雜度進(jìn)行定量評價(jià)，給出典型場景中環(huán)境復(fù)雜度的參考值，是無人地面車輛自主性評價(jià)的基礎(chǔ)，對擴(kuò)大其工作范圍具有重要的現(xiàn)實(shí)意義。
2鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)指標(biāo)分解
鄉(xiāng)村環(huán)境的復(fù)雜度較高，道路一般是非標(biāo)準(zhǔn)的，地表粗糙而又凹凸不平，有的甚至是自然形成的小道，沒有清晰的車道線和道路邊界，易受光照、陰影、天氣變化等環(huán)境因素的干擾，且沒有交通信號標(biāo)識，人車混行，路內(nèi)障礙多。因此，本文結(jié)合無人地面車輛執(zhí)行任務(wù)的特點(diǎn)和性質(zhì)，提取大量鄉(xiāng)村環(huán)境圖例的組成因素，以無人地面車輛鄉(xiāng)村典型工作環(huán)境復(fù)雜度作為評價(jià)目標(biāo)，按層次分析法理論要求，將環(huán)境復(fù)雜度分為道路環(huán)境、車道內(nèi)障礙、路面覆蓋、路面破損、光照與陰影、成像模糊六個(gè)評價(jià)方面，建立鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)指標(biāo)體系。
2.1道路環(huán)境
無人地面車輛在有路環(huán)境中分割出道路邊界，在無路環(huán)境中分出可通行區(qū)域是其感知的最終目標(biāo)［5］。將影響道路邊界分割的道路環(huán)境因素分為車道線、路面類型、路側(cè)環(huán)境和道路線形四個(gè)指標(biāo)因素，如圖1。
由于基于視覺的道路導(dǎo)航系統(tǒng)主要是由道路檢測和障礙物檢測兩部分組成 ［6］，因此把車道內(nèi)障礙單列成一個(gè)評價(jià)方面，分為靜態(tài)和動態(tài)障礙兩個(gè)指標(biāo)因素，如圖2。
2.3路面覆蓋
被覆蓋的路面常常與路側(cè)環(huán)境融為一體，造成道路邊界模糊，一般分為落葉、積雪、雨后積水、運(yùn)輸過程中遺撒物四個(gè)指標(biāo)因素，如圖3。
2.4路面破損
鄉(xiāng)村道路在建設(shè)時(shí)由于受經(jīng)費(fèi)、地形等諸多因素的限制，道路建設(shè)標(biāo)準(zhǔn)低、路面材質(zhì)差、道路養(yǎng)護(hù)不及時(shí)等造成后期使用中出現(xiàn)路面破損嚴(yán)重，將不同的破損類型［78］作為指標(biāo)因素，如圖4。
2.5光照與陰影
在城市環(huán)境中造成陰影的因素較多，在鄉(xiāng)村環(huán)境中相對比較單一。將車架、山體、建筑物、植物（高大茂盛的樹木、高草、密灌叢）造成的陰影作為指標(biāo)因素，如圖5。
無人地面車輛是基于機(jī)器視覺的環(huán)境感知，將揚(yáng)塵、霧霾、雨天、雪天和陽光反射作為成像模糊的指標(biāo)因素，如圖6。
3鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)
道路邊界分割是利用圖像處理或模式識別技術(shù)將圖像中的路和非路區(qū)分出來，是體現(xiàn)無人地面車輛自主性能的基礎(chǔ)［9］。
3.1評價(jià)方法
無人地面車輛工作環(huán)境復(fù)雜度是一個(gè)模
糊概念，其組成因素事先難以確定，隨機(jī)性大，由這些因素組成的環(huán)境復(fù)雜程度更是難以用常規(guī)的分類方法或模型進(jìn)行度量。因此，本文選取大量具有代表性的鄉(xiāng)村真實(shí)場景圖例（352×288 dpi），按六個(gè)評價(jià)方面分類，以此作為不同指標(biāo)因素的驗(yàn)證環(huán)境圖，經(jīng)算法驗(yàn)證，給出最終的評價(jià)結(jié)論。
本文采用基于最大類間方差和紋理區(qū)別的算法［10］對圖像進(jìn)行道路邊界分割。首先，采用最大類間方差閾值分割法對圖像進(jìn)行初步分割（利用圖像的灰度值，通過計(jì)算目標(biāo)與背景兩大類間的最大方差而動態(tài)得到圖像分割的閾值，然后據(jù)此進(jìn)行圖像分割）；初步分割后的二值圖像有多個(gè)連通區(qū)域（忽略面積較小的噪聲區(qū)域），為了進(jìn)一步確定道路區(qū)域，采用道路紋理作為主要特征進(jìn)行匹配，分別計(jì)算各連通域的紋理特征與實(shí)際道路紋理特征的方差，取具有方差最小值的區(qū)域作為所求的道路區(qū)域。對于模糊圖像先采用基于暗通道的算法去霧［11］處理后，再進(jìn)行以上步驟，具體流程如圖7。
其次，以人工分割的道路邊界為評價(jià)標(biāo)準(zhǔn)，將其與算法分割的道路邊界轉(zhuǎn)化至同一坐標(biāo)系下，連成一條由多條線段連接成的線段集，求解兩條線段集的平均距離，得到的左右邊界平均距離取平均值作為環(huán)境復(fù)雜度的評價(jià)值，評價(jià)值越大說明分割效果越差，即該環(huán)境復(fù)雜程度越高。
3.2實(shí)驗(yàn)驗(yàn)證
采用上述方法進(jìn)行無人地面車輛鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)，需要大量圖例進(jìn)行驗(yàn)證，受篇幅限制本文僅列出6個(gè)評價(jià)方面的各一個(gè)圖例，如圖8~13。由于道路邊界分割是在原圖基礎(chǔ)上進(jìn)行的，原圖不再單列。每組圖中（a）為人工分割結(jié)果，（b）為算法分割結(jié)果，（c）為兩類分割結(jié)果的平均距離計(jì)算結(jié)果。如果圖中有雙側(cè)道路邊界，圖8道路環(huán)境
但分割結(jié)果只有單邊，表明另一邊分割效果不好，不可靠，算法已將其自動過濾。
整理以上6組圖中數(shù)值得到鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)值，如表1。
4評價(jià)結(jié)果分析
通過建立無人地面車輛鄉(xiāng)村典型工作環(huán)境復(fù)雜度評價(jià)模型，經(jīng)算法程序?qū)崿F(xiàn)，用圖例驗(yàn)證不同環(huán)境的可識別難度，得到評價(jià)值。對大量評價(jià)結(jié)果分析、歸類，將環(huán)境分為簡單（評價(jià)值＜2）、一般（評價(jià)值2～5）、較復(fù)雜（評價(jià)值5～10）、復(fù)雜（包括無法識別的情況，評價(jià)值＞10）四個(gè)等級，并在具體場地實(shí)驗(yàn)結(jié)論的基礎(chǔ)上，給出影響無人地面車輛鄉(xiāng)村典型工作環(huán)境復(fù)雜度的指標(biāo)因素，如表2。
表2中列出的鄉(xiāng)村典型環(huán)境復(fù)雜度因素還不全面，今后將通過建立環(huán)境數(shù)據(jù)庫對結(jié)論進(jìn)行不斷的完善和補(bǔ)充。
5結(jié)論
在實(shí)際的無人地面車輛鄉(xiāng)村典型工作環(huán)境中，環(huán)境基本上是由多個(gè)單因素疊加組成的，而多個(gè)因素對鄉(xiāng)村典型環(huán)境道路邊界分割的影響卻不是單因素的簡單相加，必須采用科學(xué)的方法來判斷環(huán)境的復(fù)雜程度。因此，對環(huán)境復(fù)雜度評價(jià)的研究是一項(xiàng)長期而有意義的工作，為無人地面車輛自主性評價(jià)提供一定的基礎(chǔ)。
參考文獻(xiàn)
［1］ HUANG H M, PAVKE K, NOVAK B, et al. A framework for autonomy levels for unmanned systems (ALFUS)［C］. Proceedings of the AUVSI’s Unmanned System, North America, 2005.
［2］ 董志明，郭齊勝，黃璽瑛.戰(zhàn)場環(huán)境建模與仿真［M］.北京：國防工業(yè)出版社，2013.
［3］ 鄭有飛.環(huán)境科學(xué)概論［M］.北京：氣象出版社，2011.
［4］ 胡旭，劉滿祿，張華，等.基于特征模型的非結(jié)構(gòu)化道路跟蹤算法研究［J］.微型機(jī)與應(yīng)用，2012，31(17)：4650.
［5］ 宋懷波，何東健，辛湘俊.基于機(jī)器視覺的非結(jié)構(gòu)化道路檢測與障礙物識別方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（6）：225229.
［6］ 劉華軍.面向智能車輛的道路環(huán)境理解技術(shù)研究［D］.南京：南京理工大學(xué)，2006.
［7］ 潘威，李旭丹.公路技術(shù)狀況檢測與評價(jià)技術(shù)［M］.北京：人民交通出版社,2014.
［8］ 劉章棋，張亞岐，席曉哲，等. 基于PDE和小波分析的破損路面檢測技術(shù)［J］.微型機(jī)與應(yīng)用，2012，31（8）：3537.
［9］ 郝志帥.復(fù)雜環(huán)境的道路檢測技術(shù)研究［D］.南京：南京理工大學(xué),2009.
［10］ 夏良正.數(shù)字圖像處理［M］.南京：東南大學(xué)出版社，1999.
［11］ He Kaiming, Sun Jian, Tang Xiaoou. Single image haze removal using dark channel prior［C］.IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009，33（12）：19561963.