車輛中心 研究發展處 易忠翰

智慧車輛雖然能為人類帶來便利，但智慧車輛狀態的行車安全仍為民眾最為關心的議題，業界車廠在研發自駕車安全技術時，都需要透過可靠的異質感測器融合技術以協助智慧車輛辨識艙內外目標物和因應環境因素，而多感測應用技術又可簡單分為艙外感測技術及艙內感測技術兩大項次。

艙外感測技術目前多採雷達及攝影機融合為主，另亦有光達及超音波感測器偕同輔助之解決方案。目前艙外異質感測器融合感知技術主要來探勘周圍的環境，並同時根據內部整合資訊和預先編程的規則來告知車輛艙外環境狀況。這些感測器搭配控制演算法後的功能不僅能在遇到緊急狀況時協助進行煞車，更能協助自駕車控制車速及變換車道。

艙內感測技術主要應用於監控駕駛及乘客於車內的狀況，在駕駛監控的部分一般採用攝影機偵測車內駕駛的狀態，如頭部偏擺、視線不在前方視野等，並適時提供警示，減少駕駛因分心、疲勞駕駛，而造成意外。乘客監控的部分採用攝影機和雷達二種異質感測器的資料作為輸入，進而達成艙內乘客監控的目的。在自駕程度定義為SAE Level 3的系統中，於高速公路或限定的地理區域，自駕系統可以接管大部分車輛的操作，但如遇緊急狀況（如前方事故）超出自駕系統能處理的情況時，自駕系統將需要讓駕駛接管車輛，因此透過前述艙內感測技術，得以讓自駕系統判斷艙內駕駛者是否有能力（意識清醒）接管車輛。   

市售車之安全輔助功能概述

根據Frost & Sullivan調查在不同自駕程度所需的感測器類別與數量（表1），不難發現雷達搭配攝影機的組合於2012年即開始列入技術開發，且隨自駕等級從Level 1提高到Level 5，使用感測器數量從6～8顆增加到約30顆，且以增加雷達與攝影機為主。若從自駕功能別來看，隨著感測器布置增加，提供了多種安全輔助功能，讓駕駛者和乘客能夠享受更舒適和安心的行車體驗。高階的自動輔助駕駛系統，多配置大量的異質感測器，可根據路況和目的地進行導航，在行駛過程中，可讓車輛在車道內自動轉向變換車道、加速和煞車。除了感測分析周圍環境，並同步監控駕駛員狀態，以提供即時的反應和建議。

表1、安全輔助技術感測器差異比較表

資料來源：Frost & Sullivan

車輛中心之感知融合技術發展

目前車輛中心（ARTC）積極投入艙內（如駕駛監控、乘客遺留）與艙外〔多目標物追蹤技術，應用於「主動車道維持輔助」（Active Lane Keeping Assist，ALKA）〕的感知融合技術開發。

以Level 2系統為例，感測器成本考量前提下，在艙外感知技術上主要使用艙外雷達感測器和影像感測器，雷達感測器是透過電磁波來探測和跟蹤物體位置的技術，提供相對距離、相對速度和方向等信息。另一個感測器為攝影機，透過攝像頭感測環境獲取影像，再以圖像處理算法、AI深度學習來識別及追蹤道路標誌、行人、車輛等障礙物。這種技術通常基於電腦視覺或影像處理來完成，如圖1所示。現今車輛市場中出現不少因具有兩個感測器而無法讓時間同步的問題，車輛中心在克服兩個感測器時序難以同步的問題時，是採用將收集到的資料依照感測器之種類進行分類，並從同一時間區間的不同感測器數據透過時間校準的方式，讓資料進行時間同步，以利追蹤演算法的運行。另外，車輛中心在改善感測器誤差特性的技術上，於配對的過程中，限制條件會隨著距離而產生變化，舉例來說，在相同的縱向距離下，目標物越遠，相機的誤差成長量越大，雷達的誤差成長量較小，因此在配對的機制中，需隨著距離的變化而調整配對的參數，使感測器不會因為硬體限制而出現安全問題。追蹤演算法是由雷達原始資訊與影像資訊融合獲取更穩定更精確的追蹤成果，中心使用卡爾曼濾波器的方式將影像資訊與雷達資訊進行權重的加乘，並透過障礙物篩選的方式取出於本車前方最近目標物，以追蹤目標物。若無採用異質感測器進行融合，可能會因為單一感測器偶發性異常而導致系統誤判，進而產生行車安全疑慮。

中心艙內安全輔助於感測上的應用是參考European New Car Assessment Programme（Euro NCAP）之乘員狀態監控評價規範，以艙內雷達感測器和影像感測器實現。於雷達端，經過濾雷達點並疊加處理，繪製出具有參考性的點雲圖，如圖2下方雷達點雲資訊方塊所示。於影像端，影像前處理後，輸入至深度學習模型進行人臉偵測，並將駕駛人臉特徵點投影至艙內座標系，用以推測人臉偏擺角度，若影像端因障礙物遮蔽而無法進行艙內偵測，則改以雷達來輔助影像進行判斷。艙內感知融合影像之「駕駛狀態」、「乘客遺留狀態」及雷達之「依據點雲區塊存在時間來判斷是否為有呼吸的人」，並依感測器之信心度，進行權重的加乘，進而輸出「車內人員狀態結果」，如圖2，若僅依靠單一影像感測器的話，則會因為座椅遮蔽而導致後方偵測結果不良，此時可透過雷達的點雲資訊經過感知融合來確認後方是否有乘客遺留。

圖1、艙外系統流程圖

圖2、艙內系統流程圖

小結

單一感測器可能出現偶發性異常而導致系統誤判，中心發展之感知融合演算法可有效抑制此問題。藉由雷達與影像經中心的演算法處理後，可應用於對艙外感測器的安全輔助功能（如ACC）或是對艙內感測器的安全輔助功能（如駕駛人監控），車輛中心在艙內與艙外整體感知融合系統上不僅達到於駕駛分心時提醒的功效，同時亦能提供自駕系統（Level 3）駕駛者狀態，以利評估是否可讓駕駛接管車輛，故可增加車輛行駛的安全性與可靠性。