文档介绍：在飞机着陆中,20 世纪 80 年代末期至 90 年代初期, 人们提出了视景系统( VS , VisionSystem ) 概念。采用不同手段和不同综合方法构成的视景系统分为以下几个部分: 1) 传感器视景系统( SensorVS ) 。前视传感器实时检测到的驾驶舱外视见景象, 可以由单传感器生成或多传感器综合, 其视景接近真实世界的自然景象。 2) 合成视景系统( SVS ) 。由地形数据库存储的地形模型构建的虚拟视景称为合成视景。 3) 增强视景系统( EVS , EnhancedVisionSys - tem ) 。传感器视景和合成视景的叠合称为增强视景( EnhancedVision ) 。既有实时探测到的自然视景, 也有数据库生成的虚拟视景, 两者匹配叠合, 即利用虚拟视景的深刻轮廓线去增强模糊视景, 包括了 SensorVS和SVS两个系统, 它们在恶劣的气象条件下可以增强窗外视景的可见性[1] 。随着智能交通运输系统的发展与应用, 视觉增强技术在低能见度条件下的车辆安全辅助驾驶系统中得到应用。如美国的Galaxy科技公司开发了由有红外传感器、显示系统、无线通信系统、GPS等组成的驾驶员视觉增强装置用于烟雾条件下抢险车辆。近年来由于成像雷达传感器相对于前视红外成像传感器具有更好的云雾及恶劣天气穿透能力,国外开始全力发展用于恶劣天气条件下视景增强雷达系统, 并且已取得了新的重大进展。美国波音公司与Nav 3 D联合在 2002 年开发了一套视觉增强系统用于低能见度条件下军用直升飞机降落导航和军用车辆的导航, 系统由图像传感器、毫米波雷达、GPS 等组成[2] 。在视觉增强系统中图像处理技术是常用的技术手段之一。为探测雾天的能见度, 开展了理论研究, 提出了一些实用方法。文献[3] 研究了基于车载摄像机的能见度检测方法, 用于驾驶安全预警。针对雾天下拍摄图像的退化现象, 文献[4] 提出了一种景物影像清晰化的方法, 用移动模板对不同深度的场景进行分割, 以对模板中的区域进行块重叠直方图均化衡处理。根据图像的灰度分布特性, 求出天空区域灰度的最佳近似正态分布, 再由这个近似正态分布估计来得到分割天空区域的灰度值分布范围, 以增强景物细节信息。文献[5] 则根据图像本身估计出图像退化的物理过程来增强图像。在雾天能见度较差条件下,单视觉传感器获取道路环境图像退化较为严重时,图像增强的效果不一定理想, 因此, 基于多源信息融合的图像增强得到广泛关注。美国国防高级研究计划局负责实施的战略计算机计划中的几个主要示范系统( 如自主式地面战车, 自动目标识别系统) 都将多种侦察仪器的图像信息融合技术作为重要的研究内容; 美国德克萨斯仪器公司研究将红外热图像和微光图像融合, 来提高夜战能力。文献[6] 分析了环境和气候等因素对毫米波雷达和红外传感器性能的影响, 获得了两类传感器的环境及气候模型。在该基础上, 提出了一种基于各传感器性能模型的红外/ 毫米波复合自动生成算法。文献[7] 采用短波红外摄像机和长波红外摄像机以及彩色摄像机构成多谱图像采集系统, 针对多源图像信息融合中图像信息匹配问题, 提出了采用几何参数修正的方法。文献[8] 采用车载摄像机、GPS等构建了视觉增强研究平台, 研究雾天驾驶员视觉增强方法。低照度视觉增强系统目前技术已非常成熟,其产品已实用化, 如林肯领航者汽车安装有“夜眼”( NightEye ) 摄像机可在低照度条件下, 在汽车处于倒档时工作, 即使在近乎黑暗的情况下也能提供车后近距离内的细小影像。视觉增强系统中第二种方法主要是除去挡风玻璃上的雨水和霜、提高汽车前照灯的智能化等, 达到增强低能见度、低照度等不利条件下的驾驶员视觉目的[9] 。该方法目前很多技术处于实际运用与不断更新阶段, 例如: 智能雨刷系统, 智能雨刷系统以发光二极管对前挡风玻璃发出光束, 当雨滴打在感应区的玻璃上时, 光束所反射的光线强度, 会因玻璃上的雨量或湿气含量而有所变化, 改变雨刷的刷动频率; 或透过红外线电子雨量传感器感应雨量的多寡, 并随车速的变化自动调整雨刷速度, 增进驾驶人的驾驶方便性, 让驾驶更有安全性。准确判别前挡风玻璃面积雨量, 是智能雨刷系统的关键。针对现有雨量传感器检测前挡风玻璃面积区域有限, 文献[10] 采用车载摄像机获取雨天中前挡风玻璃面积序列图像, 设定感兴趣区域, 利用模板匹配的方法对连续多帧图像进行雨滴识别, 从而获取精确雨量信息。 视觉扩展( DriverVisionImprovement ) 视觉扩展是对驾驶员视觉进行补偿, 运用视觉等传感器扩展驾驶员视野范围, 如福特公司的Cam - · 156 · 中国安全科学学报 C h i n a S a f e t y S c i e n c