三、 系統架構與研究方法
3.2 前置處理
在前置處理中，會將要處理的資訊簡化到系統需要的部分，來加快計算速度以及使 系統能夠參考大量過去的資訊。如圖 3-2 所示，首先會將彩色的影像轉換成亮度(intensity) 的灰階影像。接著設定感興趣的區域(region of interest)選取系統需要的資訊，減少干擾 的雜訊。最後，將會取得可切到路面的數張(6 張)灰階時間切片影像。
影片
前置處理
找尋車道線候選中心點
連結與移除候選中心點
提取車道線
車道線種類分類
結果 影片
前置處理
找尋車道線候選中心點
連結與移除候選中心點
提取車道線
車道線線種分類
結果
9
圖 3-2 前置處理的流程圖。時間切片影像上的紅線為目前處理的影像切出的切片。
3.2.1 灰階轉換
為了容易區分路面與車道線的顏色，而利用車道線亮度在影像中較為明亮的特性來 減少辨識紅色、白色以及黃色車道線的困難步驟。假如只是利用彩色圖片中所獲得的紅 藍綠三原色(RGB color)去分辨車道線顏色，會遇到因不同的光線條件，而讓車道線顏色 的紅藍綠三原色數值產生不同幅度的變化。如果只是單純以紅藍綠三原色數值的門檻值 (threshold)去區分其顏色，門檻值的設定仍有相當的困難度。而且車道線不管是紅色、
白色或是黃色亮度的數值相較於路面亮度，都是屬於較高的一群，如圖 3-3(a)與(b)所示。
即使在太亮或太暗的光線影響下，都是路面亮度較車道線暗，而且灰階影像中需要處理 的數值只一個，在處理上也相較於彩色影像容易許多。所以將影像從紅藍綠三原色的彩 色影像轉為亮度的灰階影像。轉成灰階影像的公式如公式(1)所示，首先將每個位置的顏 色的紅藍綠三原色數值取出，依照公式(1)將圖的每個點轉為亮度的灰階影像。R(i,j)、
G(i,j)、B(i,j)分別代表在圖中位置(i,j)的紅藍綠三原色值。Y(i,j)為在位置(i,j)的亮度值。
(1) 灰階轉換
設定感興趣的區域 彩色影像
時間切片影像
10
(a)
(b)
圖 3-3 (a)和(b)上圖是原圖灰階影像，下圖是在影像第 310 行(藍線)的亮度值曲線圖。
(a)是黃線亮度的範例曲線圖。(b)是紅線和白線的亮度範例曲線圖。
3.2.2 設定感興趣的區域
為了能夠減少雜訊以及加快計算速度，在選取感興趣的區域前，將一些已知會對偵 測結果產生干擾的東西去除。接著從影像中切出可切到車路面的數張(6 張)時間切片影 像，以此來減少處理的資料量，並當作感興趣的區域。已知會對辨識結果產生干擾的雜
亮度
x
黃線 計時器
x y 0
0 亮度
x
白線 紅線 計時器
x y 0
11
訊像是行車記錄器畫面上常見的計時器或是全球衛星定位系統資料等，從圖 3-3(a)和(b) 中可以看到右下角的計時器，其顏色剛好在亮度上屬於較亮的顏色，在辨識上也會被誤 判成車道線的顏色，因此在切時間切片影像切片之前會先將這類的資訊刪除，如圖 3-4 所示。
圖 3-4 移除已知的干擾雜訊(計時器)區塊的影像。.
為了能夠在參考大量的過去資訊，且使系統速度不因此變慢，而切出數張從影片開 始到目前處理的影像同行(row)切片所形成的時間切片影像來將感興趣的區域取出。時間 切片影像是由影片中每幀(frame)的同一行切片資訊依時間順序累積出來的影像。其時間 切片影像範例如圖 3-5 所示，在時間切片影像中水平方向的軸為每一幀影像中的水平方 向軸的位置座標；而垂直方向軸代表著每一幀的順序。比如在圖 3-5 中，將影像集合中 第 12 幀的影像第 350 行(y = 350)的資料整行取出來放在時間切片上，資料就會出現時間 切片影像中的第 12 行(f = 12)的位置。而依序將所有幀的第 350 行(y = 350)的整行資料取 出後，並依順序往下堆疊，將會形成時間切片影像。
為了能夠以直線的點斜率相同的特性來簡化辨識出車道線方法，並達到減少處理的 資料量的目的。選取時間切片影像的切片位置時，會從影像下方或是車子的引擎蓋上方 由下往上以 10 像素(pixels)為單位的方式切出可切到路面影像的數張切片影像，共取出 6 張整行的切片影像。最後 6 張的切片影像分別會堆疊在相對應的 6 張時間切片影像下 方，6 張切片影像的位置如圖 3-6 所示。由於圖 3-6 影像中沒拍到引擎蓋，所以是從影 片最下方 360 行開始算起，對 300、310、320、330、340 以及 350 行各別切出一張切片 影像。
12
圖 3-5 將時間切片影像從影像集合中切出的範例圖。
圖 3-6 紅線為時間切片影像所切的影像位置，由上至下分別在影像位置的第 300、310、
320、330、340 以及 350 行。
x f
f=12 f=13
f=14
x y
f
y=350
f=12 f=13 f=14
影片集合
時間切片影像
x y 0
13