基于机器视觉的道路识别技术专利布局与发展趋势

关键词：机器视觉;道路识别;专利布局

中图分类号：TP391.41     文献标识码：A 文章编号：2096-4706（2019）06-0174-04

Abstract：Road recognition technology is a key part of Advanced Driving Assistance System （ADAS），which can provide necessary road environment information for driver or vehicle driving decision-making. Because of the diversity of road morphology and road condition，the results of road detection are easily affected by illumination，vehicles and various complex traffic conditions. Road detection is a very complex problem，which deserves our in-depth study. This paper will systematically sort out the patent application of road identification technology from the patent point of view，and summarize the trend of patent application，important applicants and their research emphases in this field，with a view to bringing beneficial help to patent examination in this field.

Keywords：machine vision;road recognition;patent layout

0  引  言

道路识别是基于机器视觉的环境感知的主要对象之一，该技术主要用于车道偏离报警系统和车道保持辅助系统等，为后续的路径规划、车辆控制提供必要的道路信息。道路识别的关键是提取车道的几何特征，如车道线的宽度、曲率等;确定车辆相对于车道的方位信息;提取车辆可行驶的区域。根据道路的特点，可以将道路分为结构化道路和非结构化道路两类[1]。结构化道路往往包含相似的特征，易于提取有效的车道特征，主要指具有明显路面标志信息（车道标志线）的道路，如城市干道、高速公路等，非结构化的道路情況则千差万别，如城市非主干道、土路、乡村街道等，其识别技术难度较大，目前尚处于研究阶段。除了结构化信息外，光照和遮挡也是影响道路检测的重要因素[1]。

本文从专利角度出发，系统性地分析了基于机器视觉的道路检测技术的专利申请情况、该领域的重要申请人及其研究重点等，以对该领域的专利审查工作带来帮助。

1  道路识别技术的发展历史及现状分析

基于机器视觉的道路识别算法主要关注车辆行驶周围的情况，如车道线、道路标志、交通情况等，这些算法大致分为两类，一类主要利用特定的道路特征[2，3]，如车道线、信号灯、道路标志，另一类则主要关注道路区域的分割，通过提取颜色、纹理、梯度等信息将道路分割问题转换为分类问题。

基于特定道路特征的道路检测算法主要应用于结构化道路，一般需要预先建立道路模型[3，4]，然后构建模型的约束条件，利用特征检测的结果计算模型参数，并在视频序列中对道路结构特征进行跟踪以获取连续的道路模型[4]。该类算法中可以利用单目视觉的方法建立2D道路模型，或利用双目立体视觉系统估计深度信息并结合道路识别的结果建立道路的三维模型。结构化道路的识别方法一般只需要简单的参数就可以得到道路特征，时空复杂度较小，但是在道路环境比较辅助或者非结构道路上性能会大幅下降。

基于道路区域的分割的算法比较多样化，主要通过提取颜色、纹理、梯度等信息来训练分类器[5]，将图像分割问题转换为分类问题。随后的研究中，还考虑了图像的超像素特征进行分割。立体视觉的方法也为道路区域分割提供了更多信息。在道路平面假设下，利用双目视觉平面单应性，根据视差图区分道路区域和非道路区域[6，7]。还可以转换图像的颜色空间，以减少光线的影响[8]。这些方法，在非结构化道路上能够保持良好的结果。基于道路区域分割的算法使用范围较广，能够适应结构化道路以及非结构化道路，但是其特征提取过程往往计算量较大，算法相对较慢。

2  道路检测技术的专利现状分析

2.1  基于机器视觉的道路识别技术

为了更好地对道路识别技术的发展历程和现状进行梳理，将在专利库中进行检索和数据分析。道路识别技术与车辆识别、行人识别、交通标志识别、交通信号灯识别等共同构成了基于机器视觉的环境感知技术。本文首先选择在CPRSABS中文检索数据库以及DWPI外文专利数据库中，基于各个技术分支进行检索，得到基于机器视觉的环境感知领域的各个技术分支的专利在全球申请和在中国申请的发展趋势，如图1（a）和（b）所示。

由图1（a）和（b）可以得到道路识别技术的全球专利申请趋势和中国专利申请趋势。道路识别技术全球专利申请数量共有5279项。从显示的数据来看，20世纪90年代以前，该技术的全球专利申请量较少，20世纪90年代以后，专利申请量进入快速增长期。而该技术领域在中国的专利申请量，在21世纪以前较少，2000-2005年进入平稳增长期，2005年以后进入了快速增长期，这说明了我国对该技术的重视，以及在“十一五”“十二五”规划阶段科技发展政策的支持下，我国在该领域的专利申请量上的飞跃。

2.1.2  全球专利申请地域分布及重要申请人分析

通过在DWPI库中对道路识别技术进行检索，并对申请国别进行统计分析，得到如图2所示的数据。由图中数据可以看出，截止2016年，中国的专利申请量远超其他国家和地区，其申请量为2068件，其次分别为日本、美国，其申请量分别为1922件、785件。

分析图2和图3可知，基于机器视觉的道路识别技术主要应用于辅助驾驶领域，涉及该技术的专利申请基本上集中在汽车产业发达的几个国家，如日本、韩国、美国、德国，并且其申请人主要为全球排名较前的大型整车企业或汽车零部件企业，如丰田、日产、博世、现代等，并且技术实力越强的企业越重视其在全球范围内的专利布局，以实现技术垄断目的及保证企业在该行业中的地位。

图4展示了道路识别技术中国专利申请的整体趋势。2002年以前，我国在道路识别技术方面的专利申请量较少，在2002年-2008年，道路识别技术领域的专利申请多为国外来华申请，从2008年开始，道路识别方面的国内申请人的申请量开始大幅增长，尤其是国内企业和高校及研究院的申请量迅猛攀升。2008年-2012年间，国内高校及研究院的申请量明顯大于国内企业的申请量，说明我国高校及研究院越来越热衷于道路识别技术的研究，但是产学研严重脱节，没有出现高校及研究院所与企业进行合作的情况，高校与研究院（所）的研究成果并没有转化为实际生产力，不利于我国在该技术领域的进一步发展。而在2012年以后，国内企业在该领域的专利申请量明显增多，且多为汽车行业，说明我国企业在该领域的自主研发能力越来越强。因此，为了提高我国在道路识别技术领域的整体水平，需要企业、学校、科研院所等相互配合，体现优势，构建产学研一体化系统，形成良好的上、中、下游技术链。

图5为道路识别技术中国专利申请总量占比图，其中国内申请占80%，包括高校及研究院占30%，企业申请占38%，个人申请占12%;国外来华申请占20%。虽然在道路识别领域的技术研究，国外开始的比较早，相关技术先进，处于领先地位，而国内的相关技术研究起步晚，技术相对落后。但是近年来，由于各方对自动驾驶等方面的大力关注，以及国家相关政策的出台，各方研究人员对该领域的研究投入大量的关注，因此，国内企业与高校及研究院的研究突飞猛进。虽然国外来华申请的数量占比并不大，但是国外企业为了迅速占领中国市场，将道路识别技术领域的相关专利在中国大量布局，形成了较强大的专利壁垒，我国要想突破该技术领域的技术垄断，需要加强企业与科研院所的密切合作，发挥优势，迅速提高我国的相关技术水平。在国内申请人类别方面，企业申请量较大，但国内高校及研究院同样占据了较大的比例。

对于国内重要的申请人，排名前5位的均为国内高校，排名前10位的申请人仅有两位是企业，其中奇瑞汽车股份有限公司为整车企业，而西安费斯达自动化工程有限公司的主营业务并不在汽车零部件领域。通过对国内重要申请人的研究，发现国内对于道路识别技术的研究起步较晚，持续性低，技术分散，整体的技术水平较弱，与国外有较大差距。虽然长安大学在该领域的研究没有中断，但其研究主要涉及道路质量检测方面，对于辅助驾驶等方面的研究较少，且其专利申请多为使用新型。

从图7的排名来看，重要的国外来华申请人主要集中在大型整车企业或车辆零部件生产领域。如丰田自动车株式会社就是著名的汽车制造公司，并从2008年起成为全球排名第一的汽车生产厂商，其在汽车技术方面掌握了较先进的技术，工厂遍布全球，并且积极参与在中国的整车、发动机及汽车配套设施的相关事业，与多家中国汽车企业合作;现代摩比斯是现代起亚汽车集团的三大主力之一，是排名世界前八的汽车零部件供应商，近年来，摩比斯一直致力于海外业务的扩张，其对中国市场非常重视，在中国设立多个工厂;通用汽车公司是全球最大的汽车公司之一，其产业覆盖全球6个大洲，始终引领出行领域的科技创新，其进入中国已近90年;罗伯特·博世的定位为“精密机械及电气工程的工厂”，其技术领域涉及汽车与智能交通技术、工业技术、消费品和能源及建筑技术，其在汽车电子技术方面掌握着较强的先进技术;而福特也是世界著名的汽车品牌之一，其在中国设有长安福特马自达汽车有限公司以及多个生产公司。上述申请人重视其科技创新以及海外市场的开拓，这也是他们在华专利申请量较大的原因之一。

2.2  专利技术发展分析

随着先进驾驶辅助系统的应用越来越广泛，随着智能网联汽车的概念的提出与兴起，作为其中的重要部分的基于机器视觉的道路识别技术的研究也越发热门。目前基于机器视觉的道路识别技术的研究重点大多为车道线的检测，尤其针对结构化道路，而针对非结构化的道路识别的研究较少。比如对于立交桥桥洞、隧道等光线变化剧烈的区域，当车辆在进出桥洞或隧道等区域时，光线变化往往更为剧烈，道路和隧道墙面之间由于光照不足而几乎难以区分，如何准确地识别这些区域成为未来研究的重点。而且道路识别技术基于视觉识别技术，视觉识别必须具备实时性、鲁棒性、实用性三个特点。道路识别技术主要应用在驾驶辅助系统中，必然要求其能针对实时获取的车辆前方的道路信息进行快速处理，以为驾驶者做出合理的路径规划，因此，在未来的研究中，实时性与鲁棒性将成为我们研究的重点。

3  结  论

国内的道路识别技术起步较晚，技术相对落后，产业覆盖不完整，专业创新能力不足，企业优势尚未体现，而且该领域的高校申请量较大，如何将高校申请转换为生产力是亟待解决的问题。可以围绕道路识别产业、技术、智力资源比较丰富的地区，集中力量打造产业集聚区，创建产学研平台，打造创新人才队伍。同时，可以借鉴国外优秀企业的发展历程，积极开展专利布局及运营工作。

参考文献：

[1] 罗安宁.基于机器视觉的道路检测算法 [D].北京：清华大学，2014.

[2] BERTOZZI M，BROGGI A. GOLD：a parallel real-time stereo vision system for generic obstacle and lane detection [J]. IEEE Transactions on Image Processing，1998，7（1）：62-81.

[3] LOOSE H.，FRANKE U.，B-spline-based road model for 3D lane recognition [C].2010 13th International IEEE Conference on Intelligent Transportation Systems，2010.

[4] ALVAREZ J. et al.，Vision-based road detection using road models [C].2009 16th IEEE International Conference on Image Processing，2009.

[5] Changbeom Oh，Bongjoe Kim，Kwanghoon Sohn. Automatic illumination invariant road detection with stereo vision[C]// Industrial Electronics and Applications （ICIEA），2012 7th IEEE Conference on. S.l.：s.n.，2012：889-893.

[6] GUO C Z，Mita，Seiichi. A semantic graph of traffic scenes for intelligent vehicle systems[J]. IEEE Intelligent Systems，2012，27（4）：57-62.

[7] Chunzhao Guo，MITA S. Semantic-based road environment recognition in mixed traffic for intelligent vehicles and advanced driver assistance systems[C]// Intelligent Transportation Systems （ITSC），2012 15th International IEEE Conference on. S.l.：s.n.，2012：444-450.

[8] HOIEM D. et al.，Seeing the world behind the image：spatial layout for three-dimensional scene understanding [M]. Carnegie Mellon University，2007.

作者簡介：谢晶（1988.11-），女，汉族，河北衡水人，硕士研究生，研究实习员，研究方向：人工智能与模式识别。