第六章 實驗結果
第二節 前方障礙物偵測結果
根據上述的方法，即可找出將輸入影像轉換成鳥瞰影像的轉換矩陣。因此將 輸入影像轉換成鳥瞰影像後，就可以在鳥瞰影像上偵測障礙物並計算本車與障礙 物之間的間距。
第二節 前方障礙物偵測
在前一節已說明如何將輸入影像轉換成鳥瞰影像，接著本節將介紹如何在鳥 瞰影像上偵測障礙物。在鳥瞰影像上偵測障礙物之所以可行是因為障礙物在鳥瞰 影像上會呈現發散的特性，因為障礙物在實際空間中是有高度的，所以在鳥瞰影 像上會以發散的方式呈現，如圖 5-6 所示。圖 5-6(a)為輸入影像，可觀察到影像 中央有一部機車；圖 5-6(b)為對應的鳥瞰影像，要注意的是圖 5-6(a)中的機車在鳥 瞰影像中已經被拉長。另外，鳥瞰影像的每個像點所對應的實際空間都是相同大 小且固定的，因此可以在鳥瞰影像上準確的調整偵測障礙物的範圍，以減少計算
36
(a) (b)
圖 5-6：輸入影像轉換成鳥瞰影像。
(a)輸入影像；(b)鳥瞰影像。
所需的時間。
當機車於道路行駛時，前方會出現的主要障礙物為汽車和機車，而這些障礙 物在日間都有共同的特徵，即為陰影。因此本研究將擷取鳥瞰影像中屬於陰影的 部份，並在鳥瞰影像中計算本車與前方車輛陰影部份的距離當作本車與障礙物之 間的間距。為方便陰影的擷取，系統訂定一個門檻，將影像亮度低於該門檻值的 像點視為陰影。由於機車在行駛的時候，前方景物會受到日照變化的影響，因此 影像中的整體亮度有可能改變。因此為確保障礙物陰影偵測的穩定度，本研究將 採用動態調整的方式來決定使用的門檻值。
本研究採用 Otsu 方法[Gon 07]來動態調整上述的門檻值。首先將圖 5-6(b)套 用遮罩影像，如圖 5-7(a)所示。圖 5-7(a)中白色區域為鳥瞰影像有資訊的部份，黑 色區域則為缺乏資訊的區域，可視為 Otsu 方法執行時的適用遮罩。遮罩區域會隨 著使用不同的轉換矩陣而改變。因此 Otsu 方法的計算範圍即圖 5-7(a)中的遮罩區 域，Otsu 方法找動態門檻值的計算步驟如下所示：
37
38
(5)計算類別間變異數(Between-class variance)B2：
)
39
(a) (b)
圖 5-8：本車與前方障礙物之間距偵測結果。
(a)本車與障礙物之間距偵測結果；(b)實際使用本車與前方障礙物間距範圍。
圍，將此範圍內前方的所有障礙物的距離中取最小值，就可當成本車與前方障礙 物的間距，如圖 5-8(b)所示。圖 5-8(b)中綠色線標示為障礙物所在位置，中央最 下方的淺藍色點為本車所在位置，圖中兩條紫紅色縱線之間的範圍即為系統計算 本車與前方障礙物之間距的範圍。本實驗所採用的機車寬度為 80 公分，因此在 圖 5-8(b)中的紫色縱線的位置則為淺藍色的車身寬度左右加減 8 個像點所在。
另一方面，圖 3-3 中紅色部份為車輛行駛時，透過 GPS 定位本車位置，並計 算與上一個時間點的距離，如此便可得知本車的當時車速，利用該車速可以計算 出應當要保持的安全間距。在實驗中給定t1 0.3、t2'0.2、t2"0.7、 0.8、
0
b 和g 9.8，利用公式 2-3-6 可以計算出安全間距。計算出的安全間距如表 5-2 所示。因此當本車與障礙物之間的距離不足安全間距的時候，系統便會發出 警告訊息提醒駕駛者。
40
表 5-2：不同時速下應保持的安全間距
時速(公里/小時) 安全間距(公尺) 時速(公里/小時) 安全間距(公尺)
10 3 60 32
20 7 70 41
30 12 80 50
40 17 90 61
50 24 100 73
41
第六章 實驗結果
本章將分別展示自動建置鳥瞰影像轉換矩陣中座標點擷取的結果，以及展示 本系統在不同環境下偵測前方障礙物的結果。
第一節 座標點擷取的結果
本節將展示自動建置鳥瞰影像轉換矩陣中座標點擷取的結果，場景為在校園 的操場跑道。將攝影機對齊跑道標線，並在攝影機前方六公尺處放置邊長各為一 公尺的白色矩形紙板。實驗結果為當攝影機拍攝角度的角度值在5度到 5 度 和 角度值在 85 度到 95 度範圍的結果。綠色點為擷取出的座標點，成功的擷取 座標點為在白色紙板區域的四個角落。
由於在拍攝影像的時候，方向感應器所感應到的角度資訊數量會比拍攝影像 的張數要來的多。因此，進行分類之前必須先使用內插法將影像與角度值對應，
之後才能進行分類。本實驗將擷取成功的角點座標，依照和角度值分類，並 將各類別中距離平均座標值一個標準差內的角點保留，再將這些保留的角點座標 計算平均值，最後將各類別的平均座標依照校正的兩步驟進行校正。
實驗結果一： 0且 的角度值範圍為 85 度到 95 度，共擷取 453 張影像。圖 6-1 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-1 中所顯示的綠色點為擷取成功的結果。
實驗結果二： 1且的角度值範圍為 85 度到 95 度，共擷取 336 張影像。圖 6-2 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-2 中所顯示的綠色點為擷取成功的結果。
實驗結果三： 1且的角度值範圍為 85 度到 95 度，共擷取 1037 張影像。
圖 6-3 所顯示的影像為從 的角度值 85 度到 95 度中平均挑選的 9 張影像，圖 6-3 中所顯示的綠色點為擷取成功的結果。
實驗結果四： 2且的角度值範圍為 85 度到 95 度，共擷取 395 張影像。圖
42
6-4 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-4 中所顯示的綠色點為擷取成功的結果。
實驗結果五： 2且的角度值範圍為 85 度到 95 度，共擷取 245 張影像。圖 6-5 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-5 中所顯示的綠色點為擷取成功的結果。
實驗結果六： 3且 的角度值範圍為 85 度到 95 度，共擷取 554 張影像。圖 6-6 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-6 中所顯示的綠色點為擷取成功的結果。
實驗結果七： 3且的角度值範圍為 85 度到 95 度，共擷取 163 張影像。圖 6-7 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-7 中所顯示的綠色點為擷取成功的結果。
實驗結果八： 4且的角度值範圍為 85 度到 95 度，共擷取 313 張影像。圖 6-8 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-8 中所顯示的綠色點為擷取成功的結果。
實驗結果九： 4且的角度值範圍為 85 度到 95 度，共擷取 164 張影像。圖 6-9 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-9 中所顯示的綠色點為擷取成功的結果。
實驗結果十： 5且 的角度值範圍為 85 度到 95 度，共擷取 335 張影像。圖 6-10 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張 影像，圖 6-10 中所顯示的綠色點為擷取成功的結果。
實驗結果十一： 5且的角度值範圍為 85 度到 95 度，共擷取 118 張影像。
圖 6-11 所顯示的影像為從的角度值 85 度到 95 度中平均挑選的 9 張影像，圖 6-11 中所顯示的綠色點為擷取成功的結果。
43
實驗結果一
圖 6-1：座標點擷取結果， 0， 85~95。
實驗結果二
圖 6-2：座標點擷取結果，1， 85~95。
44
實驗結果三
圖 6-3：座標點擷取結果，1， 85~95。
實驗結果四
圖 6-4：座標點擷取結果， 2， 85~95。
45
實驗結果五
圖 6-5：座標點擷取結果，2， 85~95。
實驗結果六
圖 6-6：座標點擷取結果，3， 85~95。
46
實驗結果七
圖 6-7：座標點擷取結果，3， 85~95。
實驗結果八
圖 6-8：座標點擷取結果， 4， 85~95。
47
實驗結果九
圖 6-9：座標點擷取結果，4， 85~95。
實驗結果十
圖 6-10：座標點擷取結果，5， 85~95。
48
實驗結果十一
圖 6-11：座標點擷取結果，5， 85~95。
表 6-1 為鳥瞰影像轉換矩陣資料庫中的部份實際結果，僅顯示當 85時 5
~
5
的實際數據。表 6-1 的第一個欄位為表示角度值，第二個欄位為表示
角度值，第三欄到第十一欄表示三乘三轉換矩陣中的值。
表 6-1：鳥瞰影像轉換矩陣，5~5， 85
(0,0) (0,1) (0,2) (1,0) (1,1) (1,2) (2,0) (2,1) (2,2)
5 85 0.3052 1.4203 191.16 0.5760 3.9775 510.96 0.0013 0.0081 1
4 85 0.1099 1.7579 193.13 0.0812 4.8290 518.86 0.0001 0.0101 1
3 85 0.0318 2.1067 197.89 0.1851 5.9057 550.73 0.0005 0.0121 1
2 85 0.0663 2.1081 193.54 0.3929 5.9077 545.49 0.0010 0.0121 1
1 85 0.2014 1.9143 198.64 0.1934 5.4849 555.57 0.0004 0.0109 1 0 85 0.0875 1.75 190.75 0 4.8 509.4 0 0.01 1 1 85 0.0634 2.2550 201.2735 0.2281 6.4672 572.962 0.0005 0.0129 1 2 85 0.2098 1.5709 190.3872 0.2885 4.3373 504.3455 0.0007 0.0089 1 3 85 0.1864 1.7834 194.213 0.1546 4.9346 515.8334 0.0005 0.0101 1 4 85 0.0807 1.8239 191.2244 0.0840 4.9925 506.1877 0.0001 0.0104 1 5 85 0.2600 2.6337 199.8264 1.0641 7.3479 560.8301 0.0024 0.0150 1
49
第二節 前方障礙物偵測結果
本節將說明本車行駛在不同環境下，系統偵測前方障礙物的結果。
影片範例一：本車前方偵測範圍內無車輛且無陰影干擾的影片，圖 6-12 為輸入的 連續影像，影像順序為從左到右，從上到下，影像選取為在影片中 約一秒取一張。圖 6-13 為圖 6-12 輸入影像的障礙物偵測結果，本 影片範例車速約保持在每小時 50 公里。本車行駛在直線道路上，
前方有汽車，右邊車道有機車，左邊車道被高架橋陰影遮蔽。但在 本車前方的偵測範圍內無車輛與陰影，本系統可準確的偵測出前方 無障礙物，本範例輸入影像張數為 246 張，其正確率為 100%。
影片範例二：本車前方偵測範圍內有車輛且無陰影干擾的影片，圖 6-14 為輸入的 連續影像，影像順序為從左到右，從上到下，影像選取為在影片中 約一秒取一張。圖 6-15 為圖 6-14 輸入影像的障礙物偵測結果，本 影片範例車速約保持在每小時 50 公里。本車先行駛在彎道上偵測 出前方有機車，之後行駛於直線道路上偵測出前方有汽車。左方車 道為禁行機車道，右方車道有路樹陰影和機車行駛。本車前方的偵 測範圍內有車輛但無陰影干擾，本系統可準確的偵測出前方障礙 物，本範例輸入影像張數為 317 張，其正確率為 100%。
影片範例三：本車前方偵測範圍內有車輛且有陰影干擾的影片，圖 6-16 為輸入的 連續影像，影像順序為從左到右，從上到下，影像選取為在影片中 約一秒取一張。圖 6-17 為圖 6-16 輸入影像的障礙物偵測結果，本 影片範例車速約保持在每小時 55 公里。本車行駛在直線的外側車 道上，左方車道有汽車行駛，前方有機車行駛，稍後本車將超越前 方機車。本車前方的偵測範圍內有車輛和道路旁的路樹陰影，本系 統可偵測出前方障礙物，不受到路樹陰影影響。本範例輸入影像張 數為 313 張，其正確率為 99.36%。
50
影片範例四：本車前方偵測範圍內有車輛且有陰影干擾的影片，圖 6-18 為輸入的 連續影像，影像順序為從左到右，從上到下，影像選取為在影片中 約一秒取一張。圖 6-19 為圖 6-18 輸入影像的障礙物偵測結果，本 影片範例車速約保持在每小時 30 公里。本車行駛在直線道路上前 方有汽車，右方車道有公車和機車行駛，左方車道有機車行駛。本 車前方偵測範圍的左半部有高架橋的陰影，本系統不受陰影影響可
影片範例四：本車前方偵測範圍內有車輛且有陰影干擾的影片，圖 6-18 為輸入的 連續影像，影像順序為從左到右，從上到下，影像選取為在影片中 約一秒取一張。圖 6-19 為圖 6-18 輸入影像的障礙物偵測結果，本 影片範例車速約保持在每小時 30 公里。本車行駛在直線道路上前 方有汽車，右方車道有公車和機車行駛，左方車道有機車行駛。本 車前方偵測範圍的左半部有高架橋的陰影，本系統不受陰影影響可