2-1 IPM(inverse perspective mapping) based 之車道線偵測[14]
本研究在車道線擷取方面，主要是以經過IPM 後的影像為基礎，經過適當影 像處理及定義，所發展出的車道線偵測處理，以下將逐一介紹。
2-1-1 Inverse Perspective Mapping
由於透視效果( perspective effect )關係，一般從攝影機所獲取的道路影像，其 車道線寬度會隨著與攝影機的距離而有所改變，而每個像素所代表的實際大小也 不同，因此造成原本平行的車道線，在圖像上會形成非平行而相交在遠處兩直 線，造成不容易從圖片中找出車道線，使用IPM 方法，將透視效果的影響從圖片 中移除，形成等比例的俯視圖( top view )，讓之後車道線偵測更容易，先定義所 需物理參數如下：
{( , , )} 3
W = x y z ∈E ，表示3-D world space。
{( , )} 2
I = u v ∈E ，表示2-D image space(如 圖 2.1 所示)。
(1) Viewpoint：攝影機的位置C=( , , )l d h ∈W。
(2) Viewing direction：optical axis ˆo由下述兩個角度來決定
γ ：為optical axis ˆo投影到z =0 平面(定義為向量η )，與x軸之夾角(如 圖 2.2ˆ
第二章 影像之車道線偵測
θ ：為optical axis ˆo與向量η 之夾角(如 圖 2.3 所示)。 ˆ (3) Aperture：camera angular aperture is 2α。
(4) Resolution：camera resolution is n n× 。
圖2.1 兩個座標系(WandI )的關係
圖2.2 xy plan in the W 圖2.3 zη plane in the W
利用 (2-1)式及 (2-2)式(z=0)對應到世界座標上實際的位置(在此將原點定在 車子裝設雷射掃描器的地方)，再依世界座標上實際的位置，由俯視方向等比例 重新應對回圖像座標，重新分配其對應的灰階值，將透視影響移除，其結果如 圖
xˆ
yˆ zˆ
uˆ
vˆ
P Q
Camera
The z = 0 plane of the W space The I space
2 2 定m pixel寬度下，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，我們就利用此特徵，依(2-3)式，將車道線從圖像中擷取出來，
otherwise (2-3)
且d+m( , )x y =b x y( , )+b x y( , +m)
d−m( , )x y =b x y( , )−b x y( , −m) 而b x y( , )為圖像上( , )x y 位置的灰階值
圖2.5 利用灰階特徵所擷取出的車道線 圖 2.6 利用 GMD 加強車道線影像
從 圖2.5 我們可以看出取抓出的車道線並不是很清楚，這是由於其灰階值是 由車道線與車道線±m pixel的灰階值差值的和決定，所以當原始圖像的車道線不 是得清楚時，其所得的灰階值也較小，造成部份車道線較為模糊，因此，我們採 用GMD (geodesic morphological dilation)的方法來[13]加強車道線的影像。
GMD 方法主要是能將有相互連通的區塊，依其原有的灰階值為基礎，來提 升整區域灰階值，方法敘述如下：
(1)首先由上而下，由左而右掃瞄所輸入的影像，遇到灰階值不為零的位 罝，以其為九公格的中心。
(2)比較九公格的中心與四連通方向的灰階值，找出最大的灰階值為所得的 灰階值，代替原灰階值。
(3)繼續掃瞄圖像，直到掃完圖像所有的位置，為完成一次動作。
(4)重複上述動作，直到所有灰階值不再改變。
對 圖2.5 作GMD的結果如 圖 2.6 所示。GMD的詳細過程如 圖 2.7 所示。
圖2.7 GMD 處理過程
由 圖 2.5 來看一般車道線區域其灰階值偏高，而其它雜訊區域灰階值都偏 低，因此，利用此方法除了提升車道線區域的灰階值，其雜訊區域的灰階值也會 有增加但不影響之後的處理。但由於此方法執行到最後需要較長的時間，所以我 們並不執行到最後，只需執行數次動作，將部份車道線影像加強，達到我們所需 求即可，以縮短處理時間。
我們將對圖像作進一步二值化的處理，將車道線與其它雜訊分離，而最簡單 的二值化方法是選取一固定閥值，作為二分法的標準，但由於所要分離出來的車 道線其灰階值在整張圖上並不一致，若只使用一固定閥值，可能造成部份車道線 被捨去或可能得到大量的雜訊點，因此，我們在此採用局部區域二值化方法，利 用局部區域的灰階值，定出局部區域的二值化閥值，如(2-4)式所示，來避免或減 少上述情形的發生，其結果如 圖2.8 所示。
( , )
圖2.10 以特定點 S 為軸之示意圖 示，再利用sample lane及所找出的車道線寬度，由sample lane以車道線寬度為單 位向左、右位移，重建出所有的車道線，如 圖 2.12 所示，利用此方法，可以彌 補部份車道線殘缺的部份，獲較佳的車道線。
圖2.11 所找出的 sample lane 圖2.12 所找出的車道線
圖2.13 將車道線對應回原始圖上 圖2.14 所找出的偵測視窗
圖2.15 IPM based 之車道線偵測方法其程式流程
IPM based 之車道線偵測方法，定義偵測視窗雖可達到不錯的效果，但所花 的時間較長約需500 ~ 600 ms(以 320*240 pixel 在AMD CPU 1.1GHZ為例)，若以
視窗之車道線偵測方法與之配合。圖2.16 是偵測結果。