基于图像传感器的可见光通信车辆运动与像素照度建模研究学术报告

一、 研究团队与发表信息 本研究由Takaya Yamazato（IEEE会员，名古屋大学）、Masayuki Kinoshita（IEEE学生会员，名古屋大学）、Shintaro Arai（IEEE会员，国立高等专门学校香川学院）、Eisho Souke（国立高等专门学校香川学院）、Tomohiro Yendo（IEEE会员，长冈技术科学大学）、Toshiaki Fujii（IEEE会员，名古屋大学）、Koji Kamakura（IEEE会员，千叶工业大学）和Hiraku Okada（IEEE会员，名古屋大学）共同完成。研究成果以题为“Vehicle Motion and Pixel Illumination Modeling for Image Sensor Based Visible Light Communication”的论文形式，发表于2015年9月的《IEEE Journal on Selected Areas in Communications》第33卷第9期。

二、 学术背景与研究目标 本研究隶属于无线光通信领域，具体聚焦于可见光通信（Visible Light Communication, VLC）技术在室外移动环境，尤其是汽车应用中的信道建模问题。

研究背景：LED因其节能特性正迅速普及于交通信号灯、汽车头灯/尾灯等领域。VLC利用LED兼具照明与高速数据广播的能力。然而，现有的VLC信道模型研究大多集中于使用单单元光电二极管（Photodiode）的室内固定场景。对于室外移动环境，尤其是使用图像传感器作为接收器的VLC系统，信道建模研究尚不充分。图像传感器相比光电二极管具有空间分离多光源和宽视场的优势，能有效抑制太阳光等强背景噪声，且易于通过图像处理实现跟踪，是车载移动VLC的潜在理想方案。然而，车辆运动会导致LED光源在图像平面（image plane）上发生像素级波动，干扰接收端对正确接收像素的识别。同时，像素接收到的光强（即信道直流增益）与距离的关系尚不明确。这两个关键问题制约了基于图像传感器的车载VLC系统的设计与性能评估。

研究目标：本研究旨在为基于图像传感器的车载移动VLC建立信道模型，具体包括两方面：1）建立车辆运动模型，描述并量化车辆运动导致的LED在图像平面上的光学流（Optical Flow）波动；2）建立像素照度模型（Pixel Illumination Model），分析并揭示像素级直流增益与发射-接收距离之间的关系。研究针对三种典型的车载VLC场景：基础设施到车辆（I2V-VLC）、车辆到基础设施（V2I-VLC）以及车辆到车辆（V2V-VLC）。

三、 详细研究流程与方法 本研究主要包含两大核心部分：光学流测量与建模，以及像素照度测量与建模。研究流程严谨，结合了实验测量、理论建模与仿真验证。

第一部分：光学流测量与车辆运动建模 此部分旨在量化并建模三种V2X场景下，LED光源在高速相机图像中的运动特性。

1. 实验设备与设置：

   • 接收端：使用Photron IDP-Express R2000高速相机（HSC）作为图像传感器，帧率为1000 fps，分辨率为512×1024像素，像素尺寸10 μm，输出8位灰度图像。镜头焦距35 mm，光圈设为f/16，焦点设置为无穷远。每次实验录制5秒（5000帧）。
   • 发射端：
     • I2V场景：使用由1024个LED组成的32×32阵列（间距15 mm，半值角26°），模拟路边或交通信号灯。
     • V2I与V2V场景：使用车辆的前大灯作为LED发射源。所有实验中，LED均保持常亮状态（不调制），以专注于测量运动。
   • 实验场景：所有测量在白天（上午10点至下午2点）晴朗天气下于名古屋大学进行。
     • I2V：将HSC固定在车辆仪表板上，车辆以20 km/h和30 km/h的速度驶向地面固定的LED阵列。
     • V2I：将HSC固定在地面，车辆以20 km/h和30 km/h的速度开启前大灯驶向HSC。
     • V2V：将HSC固定在前车后方，记录后车前大灯图像。两车以相同速度（20 km/h和30 km/h）同向行驶，间距约30米。

2. 数据处理与分析方法：

   • 图像预处理：对采集的灰度图像进行二值化处理，通过设置阈值（本文使用200）来消除大部分背景噪声。随后应用开运算和闭运算等形态学算法去除小的噪声物体和孔洞。
   • 光学流计算与子像素精度估计：本研究的关键创新在于使用了相位相关法（Phase-Only Correlation, POC） 来估计LED在连续帧间的亚像素级位移。该方法基于傅里叶变换的平移特性，通过计算两幅图像相位分量的归一化互功率谱，再经逆傅里叶变换得到相关峰，从而精确估计位移（δu, δv）。文中采用0.1像素步长进行拟合，以获得高精度的运动向量。该方法计算效率高，特别适用于高速相机序列图像的运动分析。
   • 亮度恒常性与序列相关性：文中指出，在实际VLC通信中，可以利用已知的发射序列（如巴克码序列）来增强光学流估计的鲁棒性，这比传统的亮度恒常性假设更具优势，因为LED的快速闪烁模式在自然场景中罕见，易于提取。

3. 车辆运动理论建模：

   • 基于针孔相机模型（Pinhole Camera Model），建立了统一的数学模型来描述I2V、V2I和V2V三种场景下LED在图像平面上的运动。
   • 模型核心：将世界坐标系中的LED位置（或相机位置）投影到图像坐标系。模型考虑了相机的内参（焦距f）、外参（旋转矩阵R、平移向量t）以及车辆振动。
   • 场景建模：
     • I2V：相机（接收端）运动，LED静止。模型中的平移向量t包含时间函数（车辆前进）和振动分量。
     • V2I：相机静止，LED（发射端）运动。模型中的LED世界坐标包含时间函数和振动分量。
     • V2V：相机和LED均运动。模型综合了I2V和V2I的情况。
   • 通过理论推导证明，在相机姿态固定的简化条件下，I2V和V2I的运动模型在数学上是等价的，其差异主要源于相机姿态的波动。
   • 仿真验证：基于建立的模型进行仿真，模拟车辆以30 km/h速度行驶，并引入代表车辆振动的正弦波分量（3 Hz和10 Hz）以及代表路面不平整的高斯随机变量。仿真参数根据实验结果的统计特性（方差）进行设定。仿真生成了5000帧图像序列，并同样使用POC分析光学流，计算其概率密度分布。

第二部分：像素照度测量与建模 此部分旨在探究像素接收到的光强（直流增益）与LED-相机距离之间的关系。

1. 实验方法：

   • 使用单个LED（直径5 mm）与高速相机面对面放置。
   • 改变LED与相机之间的距离，拍摄LED图像。
   • 从LED投影图像所占的像素区域中，选取亮度最高的像素（通常是中心像素），提取其灰度值作为LED的照度值。

2. 理论建模：

   • 基于几何光学和朗伯辐射模型，推导了像素级直流增益的表达式。
   • 关键参数：LED投影面积（以像素数计，记为 *s_i*）。s_i 与LED实际面积（*S*）、焦距（*f*）、像素尺寸（*ρ*）和距离（*d*）有关：s_i = (*f^2 * S*) / (*ρ^2 * d^2*)。
   • 核心发现：
     • 当 s_i > 1（即LED投影图像占据多个像素）时，总光通量分布在多个像素上。选择最亮的像素，其直流增益 h_p(0) 的表达式为：h_p(0) = (*ρ^2 * A_p*) / (*f^2 * S*) * R_o(φ) cos(ϕ)。该式与距离 d 无关，仅取决于相机参数、LED参数和几何角度。
     • 当 s_i ≤ 1（即LED投影图像小于或等于一个像素）时，所有光通量集中在一个像素上。此时直流增益 h_p(0) = *A_p / d^2 * R_o(φ) cos(ϕ)，与距离平方成反比，与传统无线通信模型一致。

四、 主要研究结果 第一部分结果（光学流与车辆运动模型）： 1. 实验测量结果：对三种场景在30 km/h速度下的光学流（δu, δv）进行了统计分析。 * I2V：水平方向方差 σ²_δu = 1.52e-2，垂直方向方差 σ²_δv = 3.95e-2。垂直方向波动大于水平方向，最大位移约1.5像素。 * V2I：方差显著小于I2V，σ²_δu = 6.11e-4，σ²_δv = 1.14e-3，最大位移仅0.2像素。表明V2I运动特性更简单。 * V2V：方差介于两者之间但垂直方向方差最大，σ²_δu = 3.64e-3，σ²_δv = 6.40e-2，最大垂直位移达1.8像素。这是因为收发双方车辆的振动叠加导致垂直方向运动加剧，而水平方向因车间距大致保持恒定而波动较小。 * 共同点：所有场景下，光学流位移的均值接近0像素，且绝大多数情况下位移量小于1个像素。这表明在1000 fps的高帧率下，车辆振动引起的帧间像素位移很小。

1. 模型验证结果：基于针孔相机模型和车辆振动参数的仿真结果，其光学流概率分布的形状和趋势与实验测量结果高度相似。通过计算Kullback-Leibler (KL) 散度进行定量比较：I2V、V2I、V2V的KL散度分别为0.363、0.259、0.491，数值相对较小，表明仿真分布与实验分布吻合良好，验证了所提车辆运动模型的有效性。

2. 扩展仿真结果：利用验证后的模型，模拟了车速从20 km/h到100 km/h的变化。结果显示，运动方差（σ²_δv）随车速增加而增大。同时，光学流位移超过1个像素的概率即使在最差情况（I2V，100 km/h）下也低于10%。这一结果对VLC信号检测与跟踪算法的设计至关重要，意味着跟踪区域可以限定在较小范围内，从而降低计算复杂度。

第二部分结果（像素照度模型）： 1. 实验测量结果：绘制了归一化的最高像素亮度与LED-相机距离的关系曲线，并与几何计算的LED投影像素面积 s_i 曲线进行对比。 * 当距离 d < 15米时，s_i > 1，实测的像素亮度保持在一个稳定的高水平。 * 当距离 d > 15米时，s_i 降至1像素以下，实测像素亮度开始随距离增加而呈平方反比趋势下降。 * 在 s_i ≈ 1 的临界区域（15-16米），由于LED图像可能落在一个像素内、两个像素之间或跨像素，导致测量亮度值出现波动。

1. 理论验证：实验结果与理论模型预测完全一致。在 s_i > 1 的“多像素覆盖区”，选择最亮像素的亮度值基本恒定，信噪比（SNR）不随距离变化。这突破了传统无线通信中接收功率随距离平方衰减的定律。只有当LED图像小于一个像素时，才回归到平方反比定律。

五、 研究结论与价值 本研究系统性地为基于图像传感器的车载移动VLC建立了两个关键的信道模型，并得出以下核心结论： 1. 车辆运动模型：一个统一的针孔相机模型可以成功描述I2V、V2I和V2V三种场景下VLC发射端在图像平面上的运动。车辆运动主要由路面不平整引起的振动主导，在高帧率图像传感器下，其引起的帧间像素位移通常小于1个像素。该模型为仿真VLC信道波动、设计高效的LED检测与跟踪算法提供了理论基础和统计依据。 2. 像素照度模型：像素的直流增益在LED投影图像覆盖多个像素（s_i > 1）时保持恒定。这意味着，只要选择投影区域内最亮的像素，其接收到的信号强度（及SNR）在一定距离范围内不随距离增加而衰减。这一发现对VLC系统链路预算和通信距离规划具有根本性的指导意义。

科学价值与应用价值： * 科学价值：首次针对图像传感器VLC的室外移动信道进行了详尽的建模分析，填补了该领域的研究空白。揭示了在“多像素覆盖”条件下像素级SNR与距离无关的独特物理现象，深化了对图像传感器作为通信接收器物理层的理解。 * 应用价值： * 车辆运动模型：可用于开发低复杂度的VLC信号跟踪算法，通过限制搜索区域提高处理速度。 * 像素照度模型：为系统设计提供了明确准则。例如，为了在特定距离上获得稳定的SNR，可以根据相机焦距、传感器像素尺寸和LED尺寸，计算出所需LED的最小尺寸或阵列配置。这有助于优化交通信号灯、汽车LED灯等VLC发射端的设计。

六、 研究亮点 1. 研究对象的特殊性：专注于车载移动环境下的图像传感器VLC信道建模，涵盖了I2V、V2I、V2V三种典型车联网通信场景，具有明确的现实应用指向。 2. 方法的新颖性： * 采用相位相关法（POC） 实现亚像素精度的光学流测量，适用于高帧率VLC场景下微小位移的精确分析。 * 创新性地将针孔相机模型与车辆振动模型结合，构建了统一、可量化的车辆运动理论模型，并通过KL散度进行了有效的实验验证。 3. 发现的重要性： * 明确了图像传感器VLC中，当LED像点覆盖多个像素时，像素级SNR具有距离无关性。这一反直觉的结论是本研究最核心的贡献，它从根本上区分了图像传感器接收与单点光电二极管接收的本质差异，为系统性能评估和优化提供了全新的视角。 4. 工作的系统性：研究涵盖了从实验设计、数据采集、算法处理、理论建模到仿真验证的完整流程，结论相互支撑，逻辑严谨。

七、 其他有价值内容 * 论文对比了图像传感器与单光电二极管在室外VLC应用中的优劣。指出图像传感器在空间分离噪声和宽视场方面的巨大优势，虽然其读出速度是瓶颈，但可通过选择性读取相关像素来提升帧率。而成本问题可能随CMOS技术大规模生产而降低。 * 研究指出，在VLC中利用已知的发送序列（如报头）可以比传统的亮度恒常性假设提供更鲁棒的光学流估计和信号同步能力，这为通信-感知一体化设计提供了思路。 * 实验在白天进行，证明了图像传感器在强背景光（日光）下的工作潜力，这对于实际部署至关重要。