Skema Penyetempatan Kenderaan Baharu Berasaskan Gabungan Komunikasi Kamera Optik dan Fotogrametri

1. Pengenalan

Penyetempatan kenderaan yang tepat adalah asas penting untuk penyebaran kenderaan autonom (AV) yang selamat. Walaupun Sistem Navigasi Satelit Global (GNSS) seperti GPS digunakan secara meluas, ia mengalami kemerosotan isyarat di kawasan bandar yang sempit, terowong, dan di bawah dedaunan yang lebat, menjadikannya tidak boleh dipercayai untuk operasi AV yang kritikal dari segi keselamatan. Kertas kerja ini menangani jurang ini dengan mencadangkan skema penyetempatan baharu yang ringan infrastruktur, yang menggabungkan Komunikasi Kamera Optik (OCC) dan fotogrametri secara sinergi.

Motivasi teras berpunca daripada statistik membimbangkan kematian akibat kemalangan jalan raya, yang sebahagian besarnya disebabkan oleh perlanggaran berkelajuan tinggi. Teknologi pemanduan autonomi berjanji untuk mengurangkannya, tetapi keberkesanannya berkait langsung dengan kesedaran kedudukan yang tepat. Kaedah yang dicadangkan bertujuan untuk menyediakan lapisan penyetempatan pelengkap atau alternatif yang mudah, selamat, dan memanfaatkan perkakasan kenderaan sedia ada (lampu belakang, kamera) dengan pengubahsuaian infrastruktur luaran yang minimum.

1.1 Penyelesaian Sedia Ada, Kekangan, dan Trend Semasa

Penyetempatan kenderaan semasa terutamanya bergantung pada gabungan sensor: menggabungkan GPS dengan Unit Pengukuran Inersia (IMU), LiDAR, radar, dan penglihatan komputer. Walaupun berkesan, pendekatan ini selalunya kompleks dan mahal. Kaedah berasaskan penglihatan tulen boleh menjadi intensif dari segi pengiraan dan bergantung kepada cuaca. Kaedah berasaskan komunikasi seperti Dedicated Short-Range Communications (DSRC) atau Cellular-V2X (C-V2X) memerlukan perkakasan radio khusus dan terdedah kepada gangguan RF dan ancaman keselamatan seperti spoofing.

Trend sedang bergerak ke arah sistem berbilang mod dan berlebihan. Inovasi di sini ialah penggunaan lampu belakang kenderaan sebagai pemancar data termodulat (OCC) dan kamera kenderaan berikut sebagai penerima, mewujudkan pautan komunikasi V2V langsung dan garis penglihatan. Ini ditambah dengan menggunakan lampu jalan statik (SL) sebagai titik rujukan yang diketahui melalui fotogrametri, mewujudkan sistem rujukan dinamik-statik hibrid.

2. Skema Penyetempatan yang Dicadangkan

2.1 Model Sistem dan Klasifikasi Kenderaan

Skema ini memperkenalkan pengelasan yang mudah namun berkesan:

• Host Vehicle (HV): Kenderaan yang melakukan pelokalan. Ia dilengkapi dengan kamera dan memproses isyarat untuk menganggarkan kedudukan kenderaan lain.
• Kenderaan Penerusan (FV): Kenderaan yang bergerak di hadapan HV. Ia menghantar isyarat pengenalan/keadaan termodulasi melalui lampu belakangnya menggunakan OCC.
• Lampu Jalan (SL): Infrastruktur statik dengan koordinat yang diketahui, digunakan sebagai penanda kedudukan mutlak untuk menentukur kedudukan HV sendiri dan mengurangkan ralat terkumpul.

Kamera HV berfungsi untuk dua tujuan: 1) sebagai penerima OCC untuk menyahkod data dari lampu belakang FV, dan 2) sebagai sensor fotogrametri untuk mengukur jarak.

2.2 Algoritma Penyetempatan Teras

Algoritma ini beroperasi dalam rangka kerja relatif sebelum berlabuh kepada koordinat mutlak:

1. Penyetempatan Kenderaan Hibrid: HV menggunakan fotogrametri untuk mengukur jarak relatifnya kepada dua atau lebih SL yang diketahui. Dengan membandingkan perubahan jarak-jarak ini semasa ia bergerak, ia dapat melakukan triangulasi dan memperhalusi kedudukan mutlaknya sendiri di atas peta.
2. Penyetempatan Relatif FV: Secara serentak, HV menggunakan fotogrametri untuk mengukur jarak relatif kepada FV di hadapan dengan menganalisis saiz (piksel yang diduduki) lampu belakang atau profil belakang FV pada penderia imejnya.
3. Data Fusion & Penentuan Kedudukan Mutlak: Isyarat OCC termodulat dari FV mengandungi pengecam unik. Setelah HV mengetahui kedudukan mutlaknya sendiri (daripada SL) dan vektor relatif tepat ke FV (daripada fotogrametri), ia boleh mengira kedudukan mutlak FV.

Inovasi teras adalah membandingkan kadar perubahan perbezaan jarak antara HV-SL dan HV-FV. Analisis pembezaan ini membantu menapis ralat umum dan meningkatkan keteguhan.

3. Technical Details & Mathematical Foundation

Pengiraan jarak fotogrametri adalah teras kepada skim ini. Prinsip asasnya ialah saiz objek yang diketahui dalam satah imej berkadar songsang dengan jaraknya dari kamera.

Formula Anggaran Jarak: Bagi objek dengan ketinggian sebenar $H_{real}$ dan lebar sebenar $W_{real}$ yang diketahui, jarak $D$ dari kamera boleh dianggarkan menggunakan model kamera lubang jarum:

Modulasi OCC: Lampu belakang FV (kemungkinan susunan LED) dimodulasi pada frekuensi yang cukup tinggi sehingga tidak dapat dilihat oleh mata manusia tetapi dapat dikesan oleh kamera rolling-shutter atau global-shutter. Teknik seperti On-Off Keying (OOK) atau Color Shift Keying (CSK) boleh digunakan untuk menyandikan ID kenderaan dan data kinematik asas.

Logik Penggabungan Data: Biarkan $\Delta d_{SL}$ menjadi perubahan jarak yang diukur antara HV dan Lampu Jalan rujukan, dan $\Delta d_{FV}$ menjadi perubahan jarak yang diukur antara HV dan FV. Jika kedudukan HV sendiri diketahui dengan sempurna, perubahan ini sepatutnya konsisten dengan kekangan geometri. Percanggahan digunakan untuk membetulkan anggaran kedudukan relatif FV dan anggaran keadaan HV sendiri dalam rangka kerja penapisan (contohnya, Penapis Kalman).

4. Experimental Results & Performance Analysis

Kertas ini mengesahkan skema yang dicadangkan melalui pengukuran jarak eksperimen, langkah pertama yang penting.

Chart & Result Description: Walaupun petikan PDF yang diberikan tidak menunjukkan graf khusus, teks menyatakan bahawa keputusan eksperimen "menunjukkan peningkatan ketara dalam prestasi" dan "pengukuran jarak eksperimen mengesahkan kebolehgunaan." Kita boleh membuat inferens metrik prestasi dan jenis carta yang berkemungkinan:

• Ralat Anggaran Jarak vs. Jarak Sebenar: Satu carta garis yang menunjukkan ralat mutlak dalam meter bagi anggaran jarak fotogrametri untuk kedua-dua SL dan FV merentasi satu julat (cth., 5m hingga 50m). Ralat dijangka meningkat dengan jarak tetapi kekal dalam julat terbatas yang boleh diterima untuk aplikasi automotif (kemungkinan sub-meter pada julat berkaitan).
• Fungsi Taburan Kumulatif (CDF) Ketepatan Penyetempatan: Graf yang memplot kebarangkalian (paksi-y) bahawa ralat penyetempatan adalah kurang daripada nilai tertentu (paksi-x). Lengkung curam yang beralih ke kiri menunjukkan ketepatan dan kejituan yang tinggi. Kaedah hibrid (OCC+Photogrammetry+SL) yang dicadangkan akan menunjukkan lengkung yang jauh lebih baik berbanding menggunakan fotogrametri sahaja atau OCC asas tanpa pengikatan SL.
• Prestasi di Bawah Pelbagai Keadaan: Carta bar membandingkan metrik ralat dalam senario berbeza: siang/malam, cuaca cerah/hujan, dengan/tanpa data rujukan SL. Kekukuhan skim akan ditunjukkan dengan mengekalkan prestasi yang agak stabil, terutamanya apabila data SL tersedia.

Intipati utama ialah pendekatan gabungan mengurangkan kelemahan individu setiap komponen: OCC menyediakan ID, fotogrametri menyediakan julat relatif, dan SL menyediakan titik penambat mutlak.

5. Kerangka Analisis: Kajian Kes Bukan Kod

Senario: Sebuah lebuh raya tiga lorong pada waktu malam. HV berada di lorong tengah. FV1 berada tepat di hadapan dalam lorong yang sama. FV2 berada di lorong kiri, sedikit ke hadapan. Dua lampu jalan (SL1, SL2) berada di tepi jalan dengan koordinat peta yang diketahui.

Proses Penyetempatan Langkah demi Langkah:

1. Permulaan: Sistem HV mempunyai peta yang mengandungi kedudukan SL1 dan SL2.
2. Lokasi Kendiri HV: Kamera HV mengesan SL1 dan SL2. Menggunakan fotogrametri (dengan mengetahui dimensi standard lampu jalan), ia mengira jarak $D_{HV-SL1}$ dan $D_{HV-SL2}$. Dengan memadankan jarak dan sudut ini kepada peta, ia mengira koordinat tepatnya sendiri $(x_{HV}, y_{HV})$.
3. FV Detection & Communication: Kamera HV mengesan dua sumber lampu belakang (FV1, FV2). Ia menyahkod isyarat OCC daripada setiap satu, memperoleh ID unik (contohnya, "Veh_ABC123", "Veh_XYZ789").
4. Pengukuran Jarak Relatif: Bagi setiap FV, fotogrametri digunakan pada kluster lampu belakangnya (saiz tatasusunan LED yang diketahui) untuk mengira jarak relatif $D_{rel-FV1}$ dan $D_{rel-FV2}$, serta sudut bearing.
5. Penentuan Kedudukan Mutlak: HV kini menggabungkan kedudukan mutlaknya sendiri $(x_{HV}, y_{HV})$ dengan vektor relatif $(D_{rel}, \theta)$ bagi setiap FV.
6. Validation & Tracking: Semasa semua kenderaan bergerak, perubahan berterusan dalam $\Delta d_{SL}$ dan $\Delta d_{FV}$ dipantau. Ketidakselarasan mencetuskan pelarasan skor keyakinan atau kemas kini penapis, memastikan penjejakan yang lancar dan boleh dipercayai.

6. Critical Analysis & Expert Perspective

Teras Pandangan: Kertas kerja ini bukan sekadar satu lagi kertas kerja gabungan sensor; ia adalah satu penggunaan semula perkakasan bermain. Para penulis telah mengenal pasti bahawa lampu belakang LED dan kamera—dua komponen wajib yang terdapat di semua kenderaan moden—boleh diubah menjadi sistem komunikasi dan pengukuran jarak V2V yang selamat dan berjalur lebar rendah dengan kemas kini perisian. Ini secara drastik menurunkan halangan kemasukan berbanding dengan penyebaran radio V2X berasaskan RF baharu.

Logical Flow & Brilliance: Logiknya berbentuk bulatan yang elegan dan membetulkan diri. HV menggunakan mercu tanda statik (SLs) untuk mencari dirinya, kemudian menggunakan dirinya untuk mencari objek dinamik (FVs). Pautan OCC menyediakan pengenalan positif, menyelesaikan masalah "perkaitan data" yang membebani penglihatan komputer tulen (contohnya, "adakah ini kereta yang sama yang saya lihat dua bingkai lalu?"). Penggunaan fotogrametri pada sumber cahaya yang diketahui dan dikawal (lampu belakang) adalah lebih boleh dipercayai daripada cuba menganggarkan jarak kepada bentuk kereta generik, yang boleh berbeza-beza dengan ketara. Ini mengingatkan bagaimana AprilTags atau ArUco markers berfungsi dalam robotik—menggunakan corak yang diketahui untuk anggaran pose yang tepat—tetapi digunakan secara dinamik dalam konteks kenderaan.

Strengths & Flaws:

• Kekuatan: Cost-Effective & Deployable: Kemenangan terbesar. Tiada perkakasan baharu untuk kereta atau jalan raya dalam senario terbaik. Keselamatan: Garisan pandangan fizikal ialah primitif keselamatan yang kuat. Pemeliharaan Privasi: Boleh direka untuk menukar data minima yang tidak mengenal pasti. Bebas Spektrum RF: Tidak bersaing untuk jalur radio yang sesak.
• Flaws & Questions: Kepekaan Persekitaran: Bagaimanakah prestasinya dalam hujan lebat, kabut, atau salji yang menyebarkan cahaya? Dapatkah kamera mengesan isyarat termodulasi di bawah cahaya matahari terang atau terhadap silau? Had Julat: OCC and camera-based photogrammetry have limited effective range (likely <100m) compared to radar atau LiDAR. This is acceptable for immediate threat detection but not for long-range planning. Kebergantungan kepada Infrastruktur: Walaupun "ringan infrastruktur," ia masih memerlukan SL dengan koordinat yang diketahui untuk ketepatan terbaik. Di kawasan luar bandar tanpa SL sedemikian, ketepatan merosot. Beban Pengiraan: Pemprosesan imej masa nyata untuk pelbagai sumber cahaya dan fotogrametri bukanlah perkara remeh, walaupun kemajuan dalam pemproses visi khusus (seperti daripada NVIDIA atau Mobileye) sedang menutup jurang ini.

Pandangan Yang Boleh Dilaksanakan:

1. Bagi Pengeluar Automotif: Ini sepatutnya berada dalam pelan hala tuju sebagai pelengkap lapisan keselamatan. Mulakan prototaip dengan memodulasi kitar tugas LED dalam lampu belakang dan menggunakan kamera pandangan sekeliling sedia ada. Pemiawaian protokol OCC yang mudah untuk ID kenderaan adalah hasil yang mudah dicapai oleh konsortium seperti AUTOSAR atau IEEE.
2. Untuk Perancang Bandar: Semasa memasang atau menaik taraf lampu jalan, sertakan penanda visual mudah yang boleh dibaca mesin (seperti corak QR) atau pastikan dimensinya dipiawaikan dan direkodkan dalam peta definisi tinggi. Ini menjadikan setiap tiang lampu sebagai pancar penentu kedudukan percuma.
3. Untuk Penyelidik: Langkah seterusnya ialah mengintegrasikan modaliti ini ke dalam suite sensor penuh. Bagaimanakah ia melengkapkan radar 77GHz dalam keadaan penglihatan yang lemah? Bolehkah datanya digabungkan dengan awan titik LiDAR untuk meningkatkan klasifikasi objek? Penyelidikan harus memberi tumpuan kepada algoritma yang teguh untuk cuaca buruk dan penanda aras terhadap V2X berasaskan RF dalam senario pengelakan perlanggaran dunia sebenar, serupa dengan kajian yang dijalankan untuk DSRC oleh Jabatan Pengangkutan A.S.

7. Future Applications & Research Directions

1. Platooning and Cooperative Adaptive Cruise Control (CACC): The precise, low-latency relative positioning enabled by this scheme is ideal for maintaining tight, fuel-efficient vehicle platoons on highways. The OCC link can transmit intended acceleration/deceleration directly from the lead vehicle's brake lights.

2. Augmentation for Vulnerable Road User (VRU) Protection: Basikal, skuter dan pejalan kaki boleh dilengkapi dengan tag LED aktif kecil yang menyiarkan kedudukan dan trajektori mereka melalui OCC. Kamera kenderaan akan mengesan tag ini walaupun dalam penglihatan periferal atau pada waktu malam, menyediakan lapisan keselamatan tambahan melebihi sensor tradisional.

3. Indoor & Underground Parking Localization: Dalam persekitaran tanpa GPS seperti tempat letak kereta bertingkat, terowong, atau pelabuhan, lampu LED termodulasi di siling boleh bertindak sebagai pemancar OCC yang menyiarkan koordinat mutlak mereka. Kenderaan boleh menggunakan ini untuk penyetempatan kendiri yang tepat untuk mencari tempat letak kereta atau navigasi autonomi di halaman logistik.

4. Integrasi dengan Peta HD dan SLAM: Skema ini dapat menyediakan kemas kini kedudukan mutlak masa nyata untuk membetulkan hanyutan dalam sistem Penyetempatan dan Pemetaan Serentak (SLAM) yang digunakan oleh AV. Setiap kenderaan yang dilokalisasikan menjadi titik data yang boleh mengemas kini peta HD secara perkongsian ramai (contohnya, melaporkan zon pembinaan sementara).

5. Pemiawaian dan Keselamatan Siber: Kerja masa depan mesti menumpukan pada piawaian skim modulasi, format data, dan protokol keselamatan (contohnya kriptografi ringan untuk pengesahan mesej) bagi mencegah serangan spoofing di mana pelaku berniat jahat menggunakan LED berkuasa tinggi untuk meniru isyarat kenderaan.

8. References

1. Hossan, M. T., Chowdhury, M. Z., Hasan, M. K., Shahjalal, M., Nguyen, T., Le, N. T., & Jang, Y. M. (Year). Skema Penyetempatan Kenderaan Baharu Berasaskan Gabungan Komunikasi Kamera Optik dan Fotogrametri. Journal/Conference Name.
2. Pertubuhan Kesihatan Sedunia (WHO). (2023). Laporan Status Global mengenai Keselamatan Jalan Raya. Geneva: WHO.
3. Jabatan Pengangkutan Amerika Syarikat. (2020). Program Pelaksanaan Percubaan Kenderaan Bersambung: Laporan Penilaian Fasa 2. Diperoleh dari [Laman Web USDOT].
4. Zhu, J., Park, J., & Lee, H. (2021). Robust Vehicle Localization in Urban Environments Using LiDAR and Camera Fusion: A Review. IEEE Transactions on Intelligent Transportation Systems.
5. Caesar, H., et al. (2020). nuScenes: A multimodal dataset for autonomous driving. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).
6. IEEE Standard for Local and metropolitan area networks–Part 15.7: Short-Range Wireless Optical Communication Using Visible Light. (2018). IEEE Std 802.15.7-2018.