基于DLP投影的智能像素前照灯研究

张宏双， 应世明

（1.长城汽车股份有限公司；2.河北省汽车技术创新中心，河北 保定 071000）

随着人们对汽车安全需求的提升，汽车前照灯由最初只能实现基本的远近光照明向智能灯转变逐渐成为一个趋势。目前灯光的远近光自动切换、防眩目控制等智能化功能越来越多地被应用到车灯上。现阶段实现此类功能的主流方式有3种：①通过机械挡板结合电机控制前照灯转动方式实现远近光切换及不同工况下的照明；②采用矩阵式LED方式，通过控制相应LED灯开和关来实现基本照明和防眩目等功能；③通过采用DMD芯片可实现基本照明、精准防眩目以及百万像素级别交互功能。但是第1种和第2种实现方式均存在问题，第1种方案采用机械装置，可靠性不高，且无法满足智能化需求；第2种方案的控制精度有限，现阶段像素最高只能达到1024，无法满足行驶中互动需求。本方案研究的智能像素式前照灯是以LED作为光源，DMD芯片作为核心器件，基于DLP技术，结合智能识别控制算法，实现全数字化操控，可扩展性好，控制精度高达百万像素级别的智能前照灯系统。具体DMD工作原理如图1所示。

图1 DMD工作原理

1 智能像素前照灯系统介绍

DLP智能前照灯系统是由智能前置摄像头控制模块、智能像素交互模块及智能系统驱动模块3部分组成。其中，智能前置摄像头控制模块可以感知车外环境亮度、前方行人/车辆的距离和状态 （速度、位置），并将相关信号传递给控制器，控制器通过CAN网络接收来自汽车的车速、转向盘角度、转向、车辆状态等信号，在不同的场景将摄像头识别的图形经过内部处理输出给智能前照灯驱动模组，控制DMD来实现自动远近光灯切换、车辆静态投影和行人防炫目等功能。整个系统如图2所示。

图2 智能像素前照灯系统框架

前置摄像头与控制器通过LVDS信号连接，摄像头将采集信息 （行人、车辆、限速标识、隧道灯图像信息）输入到控制器SOC；MCU接收车身CAN网络信号进行功能逻辑的判断，并发送灯光控制信号和系统启动状态信号给SOC；SOC接收MCU内部指令，输出LVDS信号实现DLP像素前照灯14项功能；控制器输出两路LVDS信号给左右DMD车灯，实现自动灯光功能。系统硬件原理如图3所示。

图3 系统硬件原理图

2 像素前照灯系统功能实现

智能像素前照灯系统的摄像头布置在前风挡玻璃，主要对车辆前方的目标检测：识别车辆、行人、隧道、限速牌然后输出相应的光型。控制器负责对驾驶员灯光请求下基础灯光的控制逻辑处理，并在灯光的近光显示区域，投射转向标识、限速牌、LOGO标识等。该系统主要可实现的功能如图4所示。

图4 智能像素前照灯系统实现功能

3 像素前照灯系统摄像头标定

摄像头视觉系统进行目标识别的工作原理为：将图像识别到的二维图像信息进行几何变换，根据摄像头的内部参数和外部参数，换算到车辆三维坐标系，并根据所对应的算法，对车辆进行预警或驾驶员辅助控制。在传统的摄像头标定中，分为内部参数标定和外部参数标定两个独立的步骤。由于摄像头视觉系统的摄像头采用定焦镜头，其内部参数在摄像头生产环节已经固定，并且不会产生变化，故在工厂的下线标定过程中，主要针对摄像头外部参数进行标定，标定位置如图5所示。标定角度标准见表1。

表1 标定要求

图5 摄像头标定基准

4 目标图像处理

智能像素前照灯系统需要将摄像头识别的行人、车辆、隧道、限速标识等经过内部处理输出给驱动模组，基于功能实现要求给出了部分功能图片输出结果要求。表2为摄像头识别处理实例。

表2 摄像头识别处理实例

如图像识别算法框图（图6）所示，DLP项目算法实现主要包括3个部分：目标检测算法、目标跟踪算法及功能控制算法。其中，目标检测算法和目标跟踪算法作为DLP图像识别算法中的核心内容。

图6 图像识别算法框图

1）目标检测：图7为目标检测示意图。深度学习算法由于具有非常强大的处理非线性方程的能力，它可以逼近任何复杂的函数，其对数据的拟合能力相当强大。它不仅可以用于特征提取，也可以用来训练端到端的物体检测模型。本研究采用深度学习方法进行目标检测，基于车载视觉自动驾驶的网络模型，在DLP项目中，实现了对环境光、隧道、限速标志、车辆、夜间车辆灯光（点亮）、行人的检测和识别。

图7 目标检测示意图

2）目标跟踪：图8为目标跟踪示意图。简单来说，就是在连续的视频序列中，建立所要跟踪物体的位置关系，得到物体完整的运动轨迹。给定图像第1帧的目标坐标位置，计算在下一帧图像中目标的确切位置。如跟踪算法示意（图9）所示，算法采用 “匹配—更新—预测”的三步法进行目标建模和更新，结合每帧的图像检测结果、本车运动状态、相机参数等信息，对本车及目标对象分别建立独立的运动学模型，以达到对目标进行跟踪并预测的目的。

图8 目标跟踪示意图

图9 跟踪算法示意图

5 总结

与传统前照灯或低智能化前照灯不同，智能像素式前照灯系统在传感器和算法领域进行了大量技术革新，使该系统具备了自己的 “眼睛”和 “大脑”，可以结合复杂路面环境以及对道路上行人、车辆等物体的识别进行深度学习计算，进而对光路进行编程投影和像素级别控制。