偵測區域之劃分

在一般的駕駛環境中，不論外部天氣如何，是晴天萬里，或是濃濃大 霧，超過一段距離的影像都會變得渺小不清，尤其是車道線，在遠端的車 道線所佔的像素微乎其微，甚至比路樹或路標來的不明顯，因此，在偵測 上就會大幅增加誤判的錯誤率；因此，將偵測目標區域盡可能得靠近車子 本身位置，一方面可減少非車道線的物體干擾；另一方面可以加快運算的 速度。

圖 3-3 為一般白天的快速道路上的景象，其解析度為 640 × 480 個像 素，色彩深度 24 位元。在駕駛人精神良好且集中的狀況下，車輛會保持

利用霍夫轉換 來偵測車道線

邊緣點數量

>T

擷取影像

利用Sobel 濾 波器偵測正邊

緣 判斷每行邊緣 點數量刪除不 適當邊緣點

讀取前次儲存 之車道線資訊

是 否

在車道內，因此，左右車道線便會分別落於影像的左右下方，而由圖 3-3 中也可以看見遠方的車道線已經非常細微，幾乎已辨識不出來，因此，我 們將整張圖片分為三個部分，如圖 3-4，在解析度為 640 × 480 的狀況下 只偵測整張影像的下三分之一的部分，在實際的道路場景中約為車前 15 公尺的範圍，如圖 3-5 所示，並以影像中點做區分，分為左半平面及右半 平面，同時以左下角為原點，詳細說明如下：

圖 3-3 白天快速道路的車視影像

1. 離車輛較遠的部分( y > 159 )：

此部分所提供的車道資訊較為微弱且易受非目標物體的干擾。然而 設定的區域距離會因影像大小或攝影機的傾斜角、高度而有所改變，

且車輛的晃動也會造成改變，但不影響偵測的狀況。

2. 離車輛較近的右半部分( y < 159 & x >= 319)：

此為我們之後演算法所要處理的左邊區域，目的要偵測位於車輛的 右邊區域的車道線，而焦點放置在此區的好處在於可以減少非車道 線物件的干擾，降低誤判的錯誤率，且可提升速度。

3. 離車輛較近的左半部分( y < 159 & x < 319)：

此為我們之後演算法所要處理的左邊區域，其目的與右半平面相同，

差別在於方向相反。

圖 3-4 偵測區域之劃分(初始狀態)

圖 3-5 偵測區域與現實世界距離對照圖

而在連續行車的狀態下，會依照初始偵測時所得到的道路線資訊，進

而將偵測區域再次縮小，以便增加運算速度，而縮小後的偵測區域如圖

3-6 所示。

圖 3-6 偵測區域之劃分(行車狀態)

其中p1和p2為左車道線的兩個端點，p3和p4為右車道線的兩個端點，為 防止車輛在行駛當中所產生的左右偏移，造成偵測上的錯誤，因此以p2和p4

的x座標為基準，做偵測區域的縮減，縮減後的區域如圖3-6斜線區域所示。