TW201422473A

TW201422473A - 可追蹤移動物體之防撞警示方法及其裝置

Info

Publication number: TW201422473A
Application number: TW101145380A
Authority: TW
Inventors: ming-hong Li; Shun-Hong Chen; yu-song Chen
Original assignee: Automotive Res & Testing Ct
Priority date: 2012-12-04
Filing date: 2012-12-04
Publication date: 2014-06-16
Also published as: TWI531499B

Abstract

本發明提供一種可追蹤移動物體之防撞警示方法及其裝置，其設於一車輛上，係擷取前方區域180度的複數個連續影像，透過影像辨識此些連續影像中的至少一障礙物的種類，並找出動態障礙物；偵測動態障礙物與車輛的連續相對位置，並估測出車輛之第一碰撞區域；再根據連續相對位置及擴展式卡爾曼濾波演算法來估算動態障礙物之第二碰撞區域；最後，根據第一碰撞區域與第二碰撞區域估測出一碰撞點，當第一碰撞區域與第二碰撞區域至少部分重疊時，即估算出一碰撞時間，並輸出警示訊號來警告駕駛者，以提高行車安全性。

Description

可追蹤移動物體之防撞警示方法及其裝置

本發明係有關一種防撞警示方法及其裝置，特別是指一種可追蹤移動物體之防撞警示方法及其裝置。

按，車輛作為載運與運輸工具，早已扮演著人類生活中重要且不可或缺角色。然而，地狹人稠的生活環境下，交通事故屢出不窮，而導致交通事故發生的原因很多，可概括區分為天候自然環境因素及人為因素，為了有效降低交通事故的發生機率，有關防止行駛中的車輛與其他車輛或是行人等發生意外碰撞之行車安全警示技術相繼開發出來，以供車主選用，以其提高行車安全。

續就行車安全警示的產品來說，最常見的使用GPS定位系統來偵測障礙物及其與現行車輛間的相對距離，然而，GPS侷限於環境因素，例如現行車輛行駛到有遮蔽物的區域，就無法偵測到障礙物，對駕駛者而言，實用性有限；或者是使用距離感測器、影像感測器等，距離感測器主要輔助單方向之障礙物，影像感測器則應用於廣域的視覺輔助，能夠有效協助駕駛者掌握現行車輛動態與障礙物之相對距離，以減少碰撞意外的發生。

再者，為提高估算現行車輛動態與障礙物之相對距離的精準度，已有提出一種利用卡爾曼濾波演算法來估算現行車輛與障礙物之間的相對距離及碰撞時間預測方法，但是，此演算法僅是適應於線性移動的物體估算，無法應用於預測來自任何方向朝駕駛者的方向前進的碰撞可能性，故實用效益有限。

有鑑於此，本發明遂針對上述先前技術之缺失，提出一種可追蹤移動物體之防撞警示方法及其裝置，以有效克服上述之該等問題。

本發明之主要目的在提供一種可追蹤移動物體之防撞警示方法及其裝置，其可根據障礙物長寬的特徵以分類出障礙物的種類，進而追蹤障礙物的動態，以提高估算碰撞時間的準確度。

本發明之次要目的在提供一種可追蹤移動物體之防撞警示方法及其裝置，其使用擴展式卡爾曼濾波演算法來追蹤障礙物的動向及濾除感測上的雜訊，適用於非線性移動的障礙物，能有效降低習知使用卡爾曼濾波演算法估算出來的碰撞時間值發生不穩定的跳動現象，進而提升使用上的可靠度。

為達上述之目的，本發明提供一種可追蹤移動物體之防撞警示方法，適用於一車輛上，防撞警示方法包括下列步驟：先擷取複數個連續影像後，辨識此些連續影像中的至少一障礙物，並取得障礙物長寬的幾何特徵參數與影像像素特徵參數，利用二元樹狀分類器，以快速分類出障礙物的種類。根據障礙物的種類以找出至少一動態障礙物，由於動態障礙物可能是線性移動或非線性移動，因此先偵測動態障礙物與車輛的連續相對位置，並估測出車輛之一第一碰撞區域。接著，根據連續相對位置及一擴展式卡爾曼濾波演算法來估算動態障礙物之移動速度、移動方向及現行位置，據此取得動態障礙物之一第二碰撞區域；及根據第一碰撞區域與第二碰撞區域估測出一碰撞點，並判斷第一碰撞區域與第二碰撞區域是否至少部分重疊，若是，即估算出一碰撞時間，並輸出一警示訊號來及時警告駕駛者；若否，則重複擷取複數個連續影像的步驟。

本發明提供另一種可追蹤移動物體之防撞警示裝置，設於一車輛上，防撞警示裝置包括至少二影像擷取單元、一車身訊號感測單元、一影像處理模組、一中央處理器及一警示單元。至少二影像擷取單元係擷取複數個前方區域180度的影像，分別擷取遠距視野影像及近距視野影像，可擴大偵測視野範圍。影像處理模組電性連接二影像擷取單元，係辨識此些影像中的至少一障礙物及其與車輛之相對位置，並取得障礙物長寬的幾何特徵參數與影像像素特徵參數，利用二元樹狀分類器以快速分類出障礙物的種類及其中至少一動態障礙物。車身訊號感測單元係感測車輛之動態訊號。中央處理器電性連接車身訊號感測單元及影像處理模組，中央處理器根據車輛的動態訊號及動態障礙物，計算出動態障礙物與車輛的相對位置，據以估測出車輛之一第一碰撞區域；以及利用擴展式卡爾曼濾波演算法以取得動態障礙物之一第二碰撞區域，並根據第一碰撞區域與第二碰撞區域估測出一碰撞點；當第一碰撞區域與第二碰撞區域至少部分重疊時，即估算出一碰撞時間，並輸出一控制訊號，警示單元電性連接中央處理器，接收控制訊號以對應輸出一警示訊號，據以即時警告駕駛者。

底下藉由具體實施例詳加說明，當更容易瞭解本發明之目的、技術內容、特點及其所達成之功效。

為了能提供更準確的碰撞點與碰撞時間之警示訊號予駕駛者，使駕駛者能夠即時掌握現行車輛與障礙物間的相對位置及動向，以避免碰撞意外的發生，故在此提出一種更具可靠度的可追蹤移動物體之防撞警示方法及其裝置，以達到行車即時防撞預防之目的。

如第1圖所示，為本發明之電路方塊圖。防撞警示裝置設於一車輛上，防撞警示裝置10包括至少二影像擷取單元12、一車身訊號感測單元14、一影像處理模組16、一中央處理器18及一警示單元20。至少二影像擷取單元12係擷取複數個前方區域180度的連續影像，分別擷取遠距視野影像及近距視野影像，可擴大偵測視野範圍。車身訊號感測單元14係感測車輛之動態訊號。影像處理模組16電性連接二影像擷取單元12，影像處理模組16辨識此些連續影像中的遠距視野影像及近距視野影像與二影像擷取單元12之仰角，以辨識出至少一障礙物，以及計算出障礙物與車輛之連續相對位置，並根據障礙物長寬的幾何特徵參數與影像像素特徵參數，利用二元樹狀分類器以快速分類出障礙物的種類及其至少一動態障礙物。中央處理器18電性連接車身訊號感測單元14、影像處理模組16及警示單元20；車身訊號感測單元14係感測車輛之動態訊號，例如行駛方向、行駛速度等動態訊號，中央處理器18根據車輛行駛中的動態訊號及動態障礙物，計算動態障礙物與車輛的連續相對位置，據以估測出車輛之一第一碰撞區域，並利用擴展式卡爾曼濾波演算法以取得動態障礙物之一第二碰撞區域；根據第一碰撞區域與第二碰撞區域估測出一碰撞點，當第一碰撞區域與第二碰撞區域至少部分重疊時，即估算出一碰撞時間，並輸出一控制訊號，警示單元20接收控制訊號後，對應輸出一警示訊號，讓駕駛者得以提高警覺，據此避免碰撞發生。

其中，除了利用二影像擷取單元12來擷取障礙物影像之外，亦可搭配至少一測距感測器22，設於車輛上，並電性連接中央處理器18，測距感測器22係配合二影像擷取單元12，即時偵測動態障礙物與車輛的相對位置。測距感測器22係為雷達感測器、光雷達感測器、超音波感測器或紅外線感測器。

為進一步瞭解本發明之防撞警示方法，請一併參閱第1圖、第2圖，第2圖為本發明之步驟流程圖。首先，執行步驟S10，利用至少二影像擷取單元12分別擷取遠距視野影像及近距視野影像的複數個連續影像，以擷取大範圍的視野範圍影像。再如步驟S12，藉由影像處理模組16來辨識此些連續影像中的至少一障礙物，並利用一特徵演算法來取得障礙物長寬的幾何特徵參數與影像像素特徵參數，假設是前方障礙物，可利用二元樹狀分類器以快速分類出障礙物的種類，請同時配合第3圖，特徵演算法包含下列公式：

其中，f為影像擷取單元的焦距(如影像平面至鏡頭中心之距離)，x、y為影像平面的像素點位置，也就是影像平面的原點，其中原點為影像平面的中心點，例如720^＊480影像，則(x,y)為(360,240)影像平面中心點。X、Y、Z係為障礙物相對影像擷取單元的世界座標；h為影像擷取單元的架設高度。

經影像處理模組16運算後，即可取得障礙物之長寬的幾何特徵參數與影像像素特徵參數，據此分類出障礙物的種類，例如可分為行人、機踏車、大客車、小客車或道路環境等種類。其中，可利用方向梯度直方圖特徵(Histogram of oriented gradient,HOG)或矩形特徵(Haar Feature)來辨識障礙物特徵，並搭配支持向量機分類器(Support Vector Machine,SVM)或類神經網路分類器(Artificial Neural Network,ANN)的分類器來準確地分類出行人或機踏車(機車跟腳踏車)，或者是以影像寬高幾何特徵，並搭配LDA特徵空間轉換來分類出大客車或小客車等大型障礙物。接著，如步驟S14，根據障礙物的種類及其連續移動影像，據以找出至少一動態障礙物，此動態障礙物也就是本發明欲進行追蹤動態的感興趣移動物體。

如步驟S16，偵測動態障礙物(在此，以人為例)與車輛的連續相對位置，並估測出車輛之一第一碰撞區域，其中，可藉由影像處理模組16辨識此些連續影像後，偵測到動態障礙物與車輛的連續相對位置，或是整合影像擷取單元12及測距感測器22來偵測出動態障礙物與車輛的連續相對位置，無論是使用哪種方式來偵測，都可根據動態障礙物與車輛的連續相對位置而估測出車輛之第一碰撞區域。

由於動態障礙物24並不侷限於線性移動，為了能更精確的估算動態障礙物的動態，如步驟S18，中央處理器18根據連續相對位置，如偵測動態障礙物與車輛的相對距離與相對角度，以及一擴展式卡爾曼濾波演算法來估算動態障礙物之移動速度、移動方向及現行位置，據此取得動態障礙物之一第二碰撞區域。其中，擴展式卡爾曼濾波演算法包含下列公式：

其中，xp _i為動態障礙物的x軸位置，yp _i為動態障礙物的y軸位置，v _i為動態障礙物的速度，φ _i為動態障礙物的行進方向，△t為輸入動態障礙物與車輛的連續相對位置之取樣時間，A為動態障礙物的狀態變換模型，為前一步狀態估計向量，為目前觀測向量。

接續，如步驟S20，根據第一碰撞區域與第二碰撞區域估測出一碰撞點，如第4圖所示，動態障礙物24位置(A)、車輛26位置(B)及碰撞點(C)構成三角形幾何關係，其中，已知的參數有：車輛26航向角(H_B)，動態障礙物24航向角(H_A)，動態障礙物24相對於車輛26之角度(H_AB)，車輛26相對於動態障礙物24之角度(H_BA)，車輛26與動態障礙物24的相對直線距離(D)，根據已知的參數可計算出兩內角∠A與∠B及碰撞角∠C；根據下列的正弦定理：，運算後即可獲得車輛26位置(B)相距碰撞點(C)的距離，以及動態障礙物24位置(A)相距碰撞點(C)的距離。接著，如步驟S22，由中央處理器18判斷第一碰撞區域與第二碰撞區域是否至少部分重疊，若否，則重複執行步驟S10；若是，極有可能在幾秒內就產生碰撞，故執行下一步驟S24，即估算出一碰撞時間，並輸出一警示訊號，使駕駛者能即時掌握現行車輛26與動態障礙物24間的相對位置及動向，以避免碰撞意外的發生。其中，估算碰撞時間方式，可同時參閱第4圖，估算碰撞時間可區分為縱向碰撞時間及橫向碰撞時間，動態障礙物24相對碰撞點(C)之縱向碰撞時間(t _ADM)係依據下列公式求得：；及e _A=α．obj _w；其中，V _A為動態障礙物之移動速度，ADM為動態障礙物位置與碰撞點的距離，e _A為動態障礙物寬度之預估誤差值，α為擷取此些連續影像之二影像擷取單元之誤差系數，obj _w為影像擷取單元辨識動態障礙物之寬度。

車輛26相對碰撞點(C)之縱向碰撞時間(t _BDM)係依據下列公式求得：

其中，V _B為車輛之車速，BDM為車輛位置與碰撞點的距離。

其中，縱向碰撞時間係依據動態障礙物的移動速度與相距碰撞點(C)的距離ADM，以求出抵達碰撞點(C)之所需時間t _ADM，以及車輛的車速與相距碰撞點(C)的距離BDM，以求出抵達碰撞點(C)之所需時間t _BDM；當t _ADM與t _BDM的時間重疊，即為車輛與動態障礙物之縱向碰撞時間。

而所謂橫向碰撞時間的判斷，係指車輛26與動態障礙物24持續前進，可能在抵達碰撞點之前，因為動態障礙物的長寬尺寸較大(例如大型貨櫃車或是聯結車)，便先發生橫向碰撞意外，因此額外考量車輛26與動態障礙物24之橫向碰撞時間(t _LSM)，其依據下列公式求得：

其中，D為車輛與動態障礙物之相對直線距離，根據第一碰撞區域、第二碰撞區域及碰撞點，可求得兩內角∠A與∠B及碰撞角∠C，β為偵測動態障礙物與車輛的連續相對位置之誤差系數。當t _LSM小於一預設值時，即為車輛與動態障礙物之橫向碰撞時間。

因此，取得碰撞點與碰撞時間後，可透過中央處理器18輸出控制訊號予警示單元20，警示單元20便會對應輸出警示訊號以提醒駕駛者。其中，警示單元20係為一顯示器，可顯示第一碰撞區域與第二碰撞區域重疊畫面及碰撞時間點，或是整合有語音系統的顯示器，同時顯示以及以語音方式告知駕駛者相關碰撞資訊。

請同時參閱第1圖及第5圖，第5圖為本發明偵測動態障礙物之步驟流程圖。由於行駛環境為昏暗狀態時，例如黃昏陽光斜射使得夜間燈光過曝或亮度不足，或者雨天造成影響特徵模糊等，為能確切掌握行駛中的路況，首先，執行步驟S26，利用至少二影像擷取單元12前方區域180度的連續影像，再如步驟S28，由影像處理模組16辨識此些連續影像，中央處理器18根據此些連續影像的清晰度以判斷影像擷取單元12是否為失效模式，也就是判斷此些連續影像是否具有清晰至少一障礙物的影像；若是正常模式，則執行步驟S30，由影像處理模組16辨識出至少一障礙物，並取得障礙物長寬的幾何特徵參數與影像像素特徵參數；若否，則表示影像擷取單元12為失效模式，此時係執行步驟S32，由測距感測器22，例如光雷達感測器(Lidar)偵測至少一障礙物，並取得障礙物長寬的幾何特徵參數與影像像素特徵參數，利用二元樹狀分類器以分類出障礙物的種類；再如步驟S34，由測距感測器22取得行駛車輛與障礙物的連續相對距離，據以找出至少一動態障礙物，此動態障礙物也就是本發明欲進行追蹤動態的感興趣移動物體。因此，本發明除了使用影像擷取單元12來取得障礙物的影像之外，也考量到環境因素所造成的影像模糊問題，故利用中央處理器18控制測距感測器22進行偵測障礙物位置，如此影像擷取單元12與測距感測器22互相搭配應用方式，本發明能夠有效地提升行車安全性。

綜上所述，本發明可根據障礙物的特徵以分類出種類及長寬資訊，進而追蹤障礙物的動態，以提高估算碰撞時間的準確度，確實能夠改善現有技術只能辨識動態或靜態障礙物，而忽略現行車輛與障礙物的體積大小所造成估算碰撞點與碰撞時間的實際值仍有較大的誤差之缺點。

更進一步而言，雖然已有使用卡爾曼濾波演算法來追蹤障礙物的動向，但是僅侷限於線性移動物體的估測。然而，動態障礙物大多為非線性移動，因此，本發明使用擴展式卡爾曼濾波演算法來追蹤障礙物的動向，可涵蓋線性移動或非線性移動的障礙物，且可濾除感測上的雜訊，能有效降低習知使用卡爾曼濾波演算法估算出來的碰撞時間值發生不穩定的跳動現象，進而提升使用上的可靠度。

唯以上所述者，僅為本發明之較佳實施例而已，並非用來限定本發明實施之範圍。故即凡依本發明申請範圍所述之特徵及精神所為之均等變化或修飾，均應包括於本發明之申請專利範圍內。

10‧‧‧防撞警示裝置

12‧‧‧影像擷取單元

14‧‧‧車身訊號感測單元

16‧‧‧影像處理模組

18‧‧‧中央處理器

20‧‧‧警示單元

22‧‧‧測距感測器

24‧‧‧動態障礙物

26‧‧‧車輛

第1圖為本發明之電路方塊圖。

第2圖為本發明之步驟流程圖。

第3圖為本發明偵測障礙物幾何特徵之示意圖。

第4圖為本發明預測碰撞區域及時間之示意圖。

第5圖為本發明偵測動態障礙物之步驟流程圖。

Claims

一種可追蹤移動物體之防撞警示方法，適用於一車輛上，包括下列步驟：擷取複數個連續影像；辨識該些連續影像中的至少一障礙物，並取得該障礙物長寬的幾何特徵參數與影像像素特徵參數，利用二元樹狀分類器以分類出該障礙物的種類；根據該障礙物的種類以找出至少一動態障礙物；偵測該動態障礙物與該車輛的連續相對位置，並估測出該車輛之一第一碰撞區域；根據該連續相對位置及一擴展式卡爾曼濾波演算法來估算該動態障礙物之移動速度、移動方向及現行位置，據此取得該動態障礙物之一第二碰撞區域；及根據該第一碰撞區域與該第二碰撞區域估測出一碰撞點，並判斷該第一碰撞區域與該第二碰撞區域是否至少部分重疊，若是，即估算出一碰撞時間，並輸出一警示訊號，若否，則重複第一個步驟。
如請求項1所述之可追蹤移動物體之防撞警示方法，其中於辨識該些影像中的該障礙物的步驟中，係利用下列特徵演算法來取得該障礙物長寬的幾何特徵參數與影像像素特徵參數，該特徵演算法：其中，Y為影像擷取單元的Y軸方向，w為Y軸向下傾斜度，h為影像擷取單元的架設高度。
如請求項1所述之可追蹤移動物體之防撞警示方法，其中該障礙物的種類可分為行人、機踏車、大客車、小客車或道路環境。
如請求項1所述之可追蹤移動物體之防撞警示方法，其中於偵測該動態障礙物與該車輛的相對位置的步驟中，係利用至少一感測器偵測該動態障礙物與該車輛的相對距離與相對角度之該相對位置。
如請求項1所述之可追蹤移動物體之防撞警示方法，其中該擴展式卡爾曼濾波演算法包含下列公式：其中，xp _i為該動態障礙物的x軸位置，yp _i為該動態障礙物的y軸位置，v _i為該動態障礙物與該車輛的相對速度，φ _i為該動態障礙物與該車輛的相對方向，△t為輸入該動態障礙物與該車輛的連續相對位置之取樣時間，A為該動態障礙物的狀態變換模型，為前一步狀態估計向量，為目前觀測向量。
如請求項1所述之可追蹤移動物體之防撞警示方法，其中於估算該碰撞時間的步驟中，該碰撞時間區分為縱向碰撞時間及橫向碰撞時間，其中：該動態障礙物相對該碰撞點之該縱向碰撞時間(t _ADM)係依據下列公式求得：；及e _A=α．obj _w；其中，V _A為該動態障礙物之移動速度，ADM為該動態障礙物位置與該碰撞點的距離，e _A為該動態障礙物寬度之預估誤差值，α為擷取該些連續影像之至少二影像擷取單元之誤差系數，obj _w為該影像擷取單元辨識該動態障礙物之寬度；該車輛相對該碰撞點之該縱向碰撞時間(t _BDM)係依據下列公式求得：其中，V _B為該車輛之車速，BDM為該車輛位置與該碰撞點的距離；當該t _ADM與該t _BDM的時間重疊，即為該車輛與該動態障礙物之該縱向碰撞時間；該車輛與該動態障礙物之該橫向碰撞時間(t _LSM)係依據下列公式求得：其中，D為該車輛與該動態障礙物之相對直線距離，根據該第一碰撞區域、該第二碰撞區域及該碰撞點，可求得兩內角∠A與∠B及碰撞角∠C，β為偵測該動態障礙物與該車輛的該連續相對位置之誤差系數；當t _LSM小於一預設值時，即為該車輛與該動態障礙物之該橫向碰撞時間。
一種可追蹤移動物體之防撞警示裝置，設於一車輛上，該防撞警示裝置包括：至少二影像擷取單元，係擷取複數個前方區域180度的連續影像；一車身訊號感測單元，係感測該車輛之動態訊號；一影像處理模組，電性連接該二影像擷取單元，係辨識該些連續影像中的至少一障礙物及其與車輛之連續相對位置，並取得該障礙物長寬的幾何特徵參數與影像像素特徵參數，利用二元樹狀分類器以分類出該障礙物的種類及其至少一動態障礙物；一中央處理器，電性連接該車身訊號感測單元及該影像處理模組，該中央處理器根據該動態訊號及該動態障礙物，計算該動態障礙物與該車輛的連續相對位置，據以估測出該車輛之一第一碰撞區域，以及利用擴展式卡爾曼濾波演算法以取得該動態障礙物之一第二碰撞區域，根據該第一碰撞區域與該第二碰撞區域估測出一碰撞點，當該第一碰撞區域與該第二碰撞區域至少部分重疊時，即估算出一碰撞時間，並輸出一控制訊號；及一警示單元，電性連接該中央處理器，接收該控制訊號以對應輸出一警示訊號。
如請求項7所述之可追蹤移動物體之防撞警示裝置，其中該警示單元係為一顯示器，係顯示該第一碰撞區域與該第二碰撞區域重疊畫面及其該碰撞點、該碰撞時間；該碰撞時間區分為縱向碰撞時間及橫向碰撞時間，該動態障礙物相對該碰撞點之該縱向碰撞時間(t _ADM)係依據下列公式求得：；及e _A=α．obj _w；其中，V _A為該動態障礙物之移動速度，ADM為該動態障礙物位置與該碰撞點的距離，e _A為該動態障礙物寬度之預估誤差值，α為擷取該些連續影像之至少二影像擷取單元之誤差系數，obj _w為該影像擷取單元辨識該動態障礙物之寬度；該車輛相對該碰撞點之該縱向碰撞時間(t _BDM)係依據下列公式求得：其中，V _B為該車輛之車速，BDM為該車輛位置與該碰撞點的距離；當該t _ADM與該t _BDM的時間重疊，即為該車輛與該動態障礙物之該縱向碰撞時間；該車輛與該動態障礙物之該橫向碰撞時間(t _LSM)係依據下列公式求得：其中，D為該車輛與該動態障礙物之相對直線距離，根據該第一碰撞區域、該第二碰撞區域及該碰撞點，可求得兩內角∠A與∠B及碰撞角∠C，β為偵測該動態障礙物與該車輛的該連續相對位置之誤差系數；當該t _LSM小於一預設值時，即為該車輛與該動態障礙物之該橫向碰撞時間。
如請求項7所述之可追蹤移動物體之防撞警示裝置，其中該二影像擷取單元分別擷取一遠距視野影像及一近距視野影像，根據該遠距視野影像及該近距視野影像中的該障礙物與該二影像擷取單元之仰角，以計算出該車輛與該障礙物之該相對位置；該影像處理模組係利用下列特徵演算法來取得該障礙物長寬之該幾何特徵參數與該影像像素特徵參數，該特徵演算法：其中，Y為該影像擷取單元的Y軸方向，w為Y軸向下傾斜度，h為該影像擷取單元的架設高度。
如請求項7所述之可追蹤移動物體之防撞警示裝置，更包括至少一測距感測器，電性連接該中央處理器，該測距感測器係配合該二影像擷取單元，以偵測該動態障礙物與該車輛的該相對位置，該測距感測器係為雷達感測器、光雷達感測器、超音波感測器或紅外線感測器。