近年來自駕車已成為汽車產業的一大趨勢。而機器視覺辨識是自駕車不可或缺的一部分，近期清華大學學生團隊自行開發自駕賽車，兆鎂新提供了工業相機及相關配備，協助團隊達成目標。

受到世界學生賽車（FSAE）啟發，清大賽車工廠NTHU Racing於2015年成立，從零開始，自行設計和製作賽車，參與FSAE Japan，2018年轉型製作電動車，並於隔年勇奪電動車第二名成績，並獲得最佳電子系統設計、效率獎等獎項。近年來，自動駕駛車已成為汽車產業的一大趨勢。為求突破，清大學生團隊開始自行開發自駕賽車，The Imaging Source 兆鎂新（TIS）提供DFK 33UX273 相機以及相關配備，協助團隊達成目標。

定位及建立地圖資訊

團隊先製作一臺縮小版賽車來測試硬體以及軟體設計，團隊目前開發的自駕系統由感測器融合與導航控制兩部分構成，由角錐定義之賽道實現對應的定位及導航系統，藉此驗證軟體架構的可行性。

在測試過程中，感測訊號利用擴展卡爾曼濾波（EKF），與FastSLAM-1.0演算法融合機器視覺系統與各項感測器資訊，以估計出車輛定位與角椎地圖資訊。導航控制則是基於定位與路徑資訊，運算車輛動力學模型，以隨機最佳化求解模型預測控制來達成車輛。

軟體驗證的方法融合了許多感測器類型的數據，如加速計、ToF以及視覺感測器。此感測器融合的過程可以達到最佳感測及導航控制。而視覺感測一直是無人車發展組成的一部分，用於可視化環境中的物體，如標誌和車道標記，視覺數據也可用於解決任何自動駕駛車面臨的另一個基本挑戰：確定自己在三維空間中的位置的能力。

圖1 : 清大學生以一臺縮小版賽車先進行測試，將雙相機搭配主機於小車上。（左上角為概念圖，右下為實際測試賽車）

機器視覺辨識一直是自駕車不可或缺的一部分，有如無人車眼睛，幫助賽車在賽道上辨識且避開障礙，暢行無阻。一開始，學生安裝單臺USB 3.0 DFK 33UX273工業相機，整合成一個單相機系統。相機的輸入被分析為環境資訊（例如黃色和藍色的角錐，見圖1），同時也用於幀對幀的視覺追蹤。

圖2 : 電腦視覺演算法運用視覺數據，不僅能辨識物體及周遭環境變化，同時也能進行定位及建立地圖資訊（SLAM）。

相機的連續圖像被用來估計車子本身相機的即時位置變化，進行單眼視覺測距（VO），然後使用擴展卡爾曼濾波（EKF）和FastSLAM-1.0演算法，測量環境的基本結構和幾何形狀。 然後，這些特徵匯集整合到一個視覺地圖中，以高精度的方式預估汽車的位置（同步定位和建立地圖資訊 ?SLAM）。

雙眼看得比單眼廣

在測試過程中，學生團隊發現單臺相機系統所提供的視野（FoV）還是有點太窄了（圖2a），過程中仍然有一些死角，無法完整辨認全數角錐。

借鑒其他賽車隊的經驗，學生們決定測試在視覺系統中增加第二個相機，以增加視野並捕捉所有環境障礙物（圖2b）。 在安裝相機前，車輛僅能透過加速規和光流速度感測器來推估自身位置，但無法得知外在環境狀況。經由USB 3.0相機能夠快速有效地連接到計算機，將圖像資訊從相機即時傳輸到資料庫。經過測試，雙相機系統便能成功辨識到所有角錐。

圖3 : （a）單相機賽車已能辨識大部分角錐，但仍然有一些死角。

（b）增加第二臺相機後的雙相機系統拓展賽車的視野，也成功地捕捉到所有角錐的影像。