• 沒有找到結果。

動態視窗之車道線偵測方法

在文檔中 Multi-Agent 駕駛輔助系統 (頁 37-41)

第二章 車道線與前方車輛之影像偵測

2.2 動態視窗之車道線偵測方法

本方法我們所關注的影像只有車道線的部分,而其餘部分的影像皆可視為是 雜訊,故我們應盡可能地濾除將其濾除掉,以使我們所要處理的影像能單純化,

如此不僅能夠提昇判斷的正確性,且能增加處理的速度。在此我們採用的方法是 在影像上取左右四個小視窗,如圖 2.17 所示,而我們只對進入這四個小視窗內 的影像作處理,這種作法不僅去除了絕大多數我們不需要的影像,且減少了處理 的資料量,但其大小及位置並不是任意地選取皆可,必須能夠讓車道線能夠進入 視窗內才行,在此我們採取動態視窗方法,是由前一張影像所得的車道線,來定 義視窗的位置及大小。

圖 2.17 在影像上取兩個小視窗 圖 2.18 利用灰階特徵所擷取出的車道線

首先,先將車道線抽取出來,由於車道線在所選取的視窗中,其寬度大小大 約一致,所以仍然會存在,在一定寬度(m pixel)下,車道線的水平灰階值形成『低 灰階值—高灰階值—低灰階值』如此分布,因此,我們仍利用此特徵,依(2-3) 式,將車道線從圖像中擷取出來,其結果如圖 2.18 所示。

由於所抓出的車道線,在視窗中其所得的灰階值大約一致,因此,我們將選 取一固定的閥值,作二值化的處理,但因天氣條件的不同,其灰階值也有所不同,

在天氣暗時,灰階值偏低,在天氣亮時,灰階值偏高,所以單取一固定閥值,可

能無法適應各種狀況,因此,我們在作二值化前,要先作一些前置處理。一般而 言,在視窗中所抓取到的車道線其灰階值,比一般雜訊點高得多,所以我們採取 將其灰階值作線性分配,對應到灰階值 0 ~ 255 區間,使得車道線的灰階值落在 較高的區段,雜訊點的灰階值落在較低的區段,經過如此處理後,可以減少固定 閥值之二值化無法分離出車道線的狀況,圖 2.19 最後二值化後的影像。

圖 2.19 二值化後的影像 圖 2.20 形態擴張後的影像

接著,我們使用(2-7)式形態擴張的方式,將破碎區塊的車道線接合在一起,

如圖 2.20 所示,而為了以後定義車道線處理上的方便、及減少處理量和錯誤的 發生,我們將所得的車道線影像做細化處理,如圖 2.21 所示。

) (

) ,

(u v x x0 x1 x2 x3 x4 x5 x6 x7

t = ∪ ∪ ∪ ∪ ∪ ∪ ∪ ∪ (27)

說明:形態擴張處理是藉由 3x3 的罩遮,

where 比對 x 周圍的點,只要其中有一點 是 1 (255)則輸出為 1 (255)。

圖 2.21 細化處理後的影像 圖 2.22 定義車道線資料取樣的方法

最後,我們將定義出車道線,一般而言,若想獲得一直線線段時,只需取出 線段上的任兩點,計算其斜率、截距即可得知,但若我們取到的不是車道線,而 是雜訊點的位置時,將會造成錯誤的結果,故在此我們希望不只取一個數據就依 此決定車道線,因此,我們在計算車道線的斜率時,所採用的量測方法為在所取 的兩個影像視窗中,每隔 3 行取 1 行的值,如圖 2.22 所示。

我們車道線定義方式是,先計算相鄰的兩個取值間的斜率,再由我們所得的 這些斜率值去求平均,然後再把跟平均值差異過大的值剔除掉,再把剩餘的值做 平均,再把跟平均值差異過大的值剔除。我們經由這種平均、去除差異過大的值、

再平均的步驟重複數次,並把每一次與平均的差異範圍逐步地縮小,如此將可以 減少雜訊對斜率計算的影響。最後我們利用所得到的斜率,和車道線上的一點,

計算出其截距,即獲車道線直線方程式,再由所得的車道線,調整視窗的位置及 大小,讓車道線位於視窗的中央,提供下張影像視窗的位置,其程式流程,如圖 2.23 所示,上圖所偵測之車道線及其它偵測車道線的結果,如圖 2.24 所示。

圖 2.23 動態視窗之車道線偵測方法其程式流程

圖 2.24 動態視窗之車道線偵測方法所定義出的車道線影像

在這裡我們所取樣的這些行當中,我們選擇最靠車道內側值為 1(255)的點,

視為車道線所在的位置。我們所使用這個計算車道線的方法,有幾個值得注意的 特點:

1. 當我們每隔 3 行取 1 行時,可確保當車道線進入視窗內時,不會因為 路上的車道線為不連續的線段,而有偵測不到的現象。

2. 重複平均、剔除誤差較大的值再平均這樣的步驟,將可降地雜訊的影 響,並提高計算的準確率。

3. 另外,我們取每行中最靠車道內側的點,亦可減少雜訊的影響,因我 們可從道路影像中察覺到,車道內側的雜訊明顯比車道外側少很多,

故最靠車道內側有值的像素,剛好即是車道線位置的可能性明顯較 高,故這種取法可降低錯誤的發生。

此方法由於處理量較少,因此處理速度較快大約 60 ms 以下 (以 AMD CPU 1.1GHZ 為例),可達到即時的要求,而其辨識率在略差的影像下還有不錯的效 果,但若太過模糊時仍無法辨識,且其動態的偵測視窗在車子變動太大時,會無 法跟上,造成無法辨識的結果,因此也要配合其它方法改善之。由於 IPM based 之 車道線偵測方法和動態視窗之車道線偵測方法,各有其優缺點,所以我們提出整 合型車道線偵測方式。

在文檔中 Multi-Agent 駕駛輔助系統 (頁 37-41)