ADAS / ADS 功能之 TSR 介绍

说明：转自无人驾驶俱乐部（文|高工），本文仅供学习和交流，不代表个人观点及立场，版权归原作者，若有任何问题请联系小编六耳（微信号：adas_miao），跳过“嘘寒问暖”，请直说来意 & 备注“姓名+职业/专业方向”。

专栏：45 家中国 L4 自动驾驶企业盘点（点击←文字进入详情）

关联：37个ADAS/ADS功能及对应自动驾驶等级梳理（点击←文字进入详情）

‍

什么是交通标志识别系统？

汽车安全系统的交通标志识别系统，英文翻译为：Traffic Sign Recogni- tion，简称TSR，是利用前置摄像头结合模式，可以识别常见的交通标志《限速、停车、掉头等）。

这一功能会提醒驾驶员注意前面的交通标志，以便驾驶员遵守这些标志。

TSR 功能降低了驾驶员不遵守停车标志等交通法规的可能，避免了违法左转或者无意的其他交通违法行为，从而提高了安全性。

这些系统需要灵活的软件平台来增强探测算法，根据不同地区的交通标志来进行调整。

（目前国内的ADAS车型基本都有这个功能，而国外呢，前几年还是没有的，这几年海外增加了这个功能的需求，一些车企已经在海外车型上搭载。海外有一个不容易搭载的原因：因为疫情，一些前智慧摄像头的供应商巨头觉得这笔开发不划算——涉及芯片、海外法规、疫情等等）

交通标志识别原理

交通标志识别又称为TSR（Traffic Sign Recognition）是指能够在车辆行驶过程中对出现的道路交通标志信息进行采集和识别，及时向驾驶员做出指示或警告，亦或者直接控制车辆进行操作，以保证交通通畅并预防事故的发生。

在安装有安全辅助驾驶系统的车辆中，如果车辆能够提供高效的TSR系统，及时为驾驶员提供可靠地道路交通标志信息，有效提高驾驶安全性和舒适性。

如下将介绍一种典型的道路交通标志识别的方法。

TSR是根据人类视觉系统辨识物体的特性，其识别原理是利用道路标志丰富的颜色信息和固定的形状信息进行特征识别。

具体可将识别过程分为“分隔”和“识别”两个步骤。

其中分隔是指在获取的图像中发现候选目标，并进行相应的预处理，其次是交通标志识别，包括特征提取和分类等，最后进一步判定目标的真实性。

1、交通标志分隔

交通标志分隔实际是需要快速从复杂的场景图像中获取可能是交通标志的感兴趣区域。

然后采用模式识别的方法对感兴趣区域进行进一步辨识，定位其具体位置。

由于交通标志功能是起到指示性、提示性和警示性等作用，他们设置都具有醒目、颜色鲜明、图形简洁、意义明确等特点。

因此感兴趣区域通常是利用其颜色和形状进行的。

目前，在交通标志识别中常用的彩色空间包括RGB、HIS、CIE几种，而RGB作为图像处理中常用的三基色，是构建其他各种颜色的基础，其他颜色表示方式可以用RGB变换得到。

我们知道，对于交通标志而言大都颜色比较单一、固定，比如红色标志一般表示禁令，蓝色标志一般表示指示类，黄色标志一般表示警告类，这里正好利用RGB的三基色红、黄、蓝加以识别匹配来表示。

由于颜色空间更多的还包含了饱和度等信息，故为了更好区分颜色与亮度信息，研究人员更多采用适合人类视觉特性的色彩模型HSI模型来处理交通标志识别，H表示不同颜色，S表示颜色深浅，I表示明暗程度，HSI其最大的特点是H、S、I之间相关性极小，在HSI空间中的每个彩色图像都对应着一个相对一致的色调H。

2、交通标志识别

当在试车环境中分割出来交通标志信息的感兴趣区域后，需要采用一定的算法对其进行判别，以便确定它属于哪一种具体的交通标志，一般的判别方法包括模板匹配法、基于聚类分析法、基于形状分析方法、基于神经网络分析法、基于支持向量机的方法。

（1）基于模板匹配法

（2）基于聚类分析法

（3）基于神经网络的方法

（4）支持向量机的方法

支持向量机是一种典型的前馈神经网络方法，用于解决模式分类和非线性问题，其主要思想是建立一个最优决策超平面，使得该平面两侧距平面最近的两类样本之间的距离最大化，为分类提供更好的泛化能力。

对于非线性可分模式分类问题，需要将负责的模式分类问题非线性的投射到高维特征空间，因此只要变换是非线性的且特征空间维数够高，则原始模式空间能变成一个新的高维特征空间，在该空间中，其模式以较高的概率变得线性可分。

其中变换过程要求生成一个核函数进行卷积，相应典型的核函数表示如下：

高斯函数：

；用于径向集函数分类器；

内积函数：

；用于高阶多项式集分类器；

Sigmoid核函数：

；用于实现一个单隐层感知器神经网络。

(对于不是具体算法的朋友，你只需要大致了解即可。毕竟只是为了吃个鸡蛋，没必要完全掌握下蛋的过程。)

TSR的一些具体应用场景

因为道路交通情况的复杂性可能造成交通标志污损、颜色、形状发生变化，而树木、建筑物的遮挡又可能导致其无法被及时的识别到位，同时在高速驾驶过程中，由于车辆行驶抖动等因素，可能造成图像帧匹配过程中出现误差，从而无法稳定地识别出相应的交通标志。

因此交通标志识别目前在驾驶辅助领域还未能得到广泛的应用，较为成熟的应用方案有如下几种：

1、基于限速标志的自动限速

基于限速标志的自动限速主要是利用识别到的限速标志显示的限速值，自车提前进行预判，这里我们设置几种不同的速度值进行比较。

VReal表示本车当前实际巡航车速，Vtarget表示本车目标巡航速度，Vlim表示限速值信息，Vfront表示识别到的前车车速。

根据自身车速这一敏感信息进行如下不同程度的限速策略：

1）本车定速巡航：

当检测到本车VReal>Vlim且Vtarget<Vlim时，系统自动根据目标巡航车速进行减速控制，此时需考虑限速值大小，发送较大的减速度确保本车减速到限速标志时，其速度不大于限速标志；
当检测到本车VReal<Vlim且Vtarget>=Vlim时，系统自动根据识别到的限速值Vlim进行减速；

2）本车跟随前车行驶：

当检测到本车VReal>VFront>Vlim时，系统在确保本车不与前车碰撞的情况下进行自动减速控制；
当检测到本车VReal<Vlim<VFront时，系统在确保本车在识别距离内不超过限速值的情况下进行适当加速控制；

3）通过限速牌后控制逻辑

以上本车进行自动限速后，当车辆行驶通过限速牌，同时识别到新的限速牌时需要重新进行速度控制，如新的限速牌限速值比当前值小，则根据1）2）中的逻辑进行进一步限速，如新的限速牌限速值比当前值大，则需要根据当前更新后的本车实际车速、前车车速、本车目标巡航车速进行加速度重分配，确保限速和碰撞优先考虑的同时进行适当控制。

2、基于并道策略的提前并道

对于车辆行驶在高速路情况下来说，驾驶车辆需要考虑在不同场景下进行提前变道的问题，目前有两种可行方案：

其一，当在一定距离前检测到前方有并道标志信息时，通过语音或仪表图像提前提示驾驶员对车辆进行变道控制将车辆变道至目标车道；

其二，当在一定距离前如果系统接收高精度地图相关车道级别信息，则可以直接控制车辆变道至目标车道，期间需要检测目标车道线是否为虚线，目标车道是否变道安全等。

3、基于红绿灯识别的提前刹车

基于红绿灯标志识别的驾驶辅助系统，要求在系统基于识别到的红绿灯提前对车辆巡航及变道进行控制。

主要有以下几种控制场景策略：

1）识别到绿灯：

若本车处于跟随前车行驶状态，前车以较低速度行驶，本车在确保碰撞安全的前提下，继续跟随前车行驶，并同时实时监控车灯变化，一旦变成黄灯，则立即停止跟随策略，保持一定的减速至刹停；

2）识别到黄灯：

若本车识别到黄灯，则不管本车是否处于跟车状态，均需要控制本车减速之刹停，期间减速过程可进行舒适性减速，由发动机反拖转换为制动切入；

3）识别到红灯：

若已经识别到红灯，则根据前车停止状态，确保避撞的前提下，控制本车急减速至刹停，保持本车刹停状态下与前车1m以上的距离；

（其中，第一条功能的应用比较容易理解；第二条功能的应用更加具有发展意义，它涉及L2向L3级别的自动变道逻辑；第三条功能的应用，显得比较智慧——提前刹车，跟V2X的逻辑类似）

中国先进驾驶辅助系统发展现状

国内市场由于汽车工业起步晚，起点低，对于代表先进汽车技术的驾驶辅助系统开发力度不足，目前国家尚未出台推动驾驶辅助系统技术发展的相关计划。

结合技术自身的发展和中国道路交通环境及消费者的特定需求，我们可以总结得到先进驾驶辅助系统技术在中国市场的发展趋势：

（1）从技术发展角度来看，由于消费者对汽车安全性的重视度只会越来越高，因而先进驾驶辅助系统在未来很长一段时间内必将保持持续发展的趋势。同时，先进驾驶辅助系统正在从单个技术独立发展转变为整合式主动安全系统的开发，多项技术可以共用传感器、控制系统等平台，一旦车辆装备了基础的ESP、ACC 等技术，便可以方便地并以较低的成本添加其他安全驾驶辅助技术，从而将进一步推动先进驾驶辅助系统技术在汽车上的应用。

（2）一些相对较为低端且实用性强的先进驾驶辅助系统技术，如胎压监测系统、ESP 电子稳定系统等已经充分得到了市场的认可，在强烈的需求驱动下，其在低端市场的普及率将稳步提升。

（3）中国消费者对于避险辅助类、视野改善类技术表现出明显的关注度与需求度，必将成为下一阶段该领域内的主要增长点。

（4）一些对道路要求较高的技术，如变道辅助、车道偏离警告、ACC 等，以及与中国消费者驾驶习惯不符的技术，如车道保持系统、驾驶员疲劳检测、禁酒闭锁系统等，则可能将面临较长一段时间的缓慢发展。

TSR的一些难点

今天，目前的技术还不能确定所有的交通标志，也不能在所有条件下运行。有几种情况限制了TSR系统的性能，包括以下情况：