• 沒有找到結果。

第五章 車輛偵測系統

第三節 日間車輛偵測

Shadow detection Edge detection

Feature combination

Vehicle verification Sequence input

圖 5-5:日間車輛偵測流程圖

在日間車輛偵測時,車輛尾部的水平邊緣(保險桿和陰影與路面邊界處)以及 車輛下方的陰影為一個良好的特徵,因為即使在光線稍弱的環境下,車輛下方之

灰階值與路面灰階值依然有其差距。日間車輛偵測系統流程圖如圖 5-5 所示。首 先輸入連續彩色影像轉成灰階影像後,對影像進行陰影偵測與水平邊緣偵測,將 其兩特徵合併後進行驗證。

在擷取車輛水平邊緣特徵時,由於道路標線也具有水平邊緣特徵,因此系統 需自動刪除此類雜訊。例如:圖 5-6(b)顯示圖 5-6(a)之水平邊緣特徵擷取結果,假 使以此影像做為車輛水平特徵,道路標線部分將被誤判為車輛特徵,影響車輛偵 測結果。因此將圖 5-6(a)影像二元化後可得圖 5-6(c),由圖中可觀察得知道路標線 部分在二元化後屬於白色。若一個 pixel 二元化後的值在圖 5-6(c)為白色且在圖 5-6(b)亦為白色,則此 pixel 很可能屬於車道標線而不屬於車輛水平邊緣特徵。因 此將圖 5-6(b)中白色的 pixels 扣除圖 5-6(b)與圖 5-6(c)中白色的 pixels 交集後的結 果可組成車輛水平邊緣特徵,如圖 5-6(d)所示。由圖 5-6(d)中可以看出雖然水平 邊緣特徵減弱,但車輛水平特徵依然保持著,而道路標線特徵會因為此一處理而 被去除。

(a) (b)

(c) (d)

圖 5-6:水平邊緣特徵範例

(a)輸入影像;(b)水平邊緣特徵二元化結果;(c)灰階影像二元化結果;(d)車輛水 平邊緣特徵影像。

在利用上述所得到之影像偵測車輛水平邊緣特徵時,為防止整張影像雜訊過 多,所以僅處理偵測範圍區域(如圖 5-4(b)所示)之水平邊緣特徵如圖 5-7(b)所示。

由圖 5-7(b)中仍可看出還有其他可能的雜訊出現,如圖中紅圈所示下半部前擋風 鏡所反射的線條(圖 5-7(a))與道路標線以及偵測範圍之邊緣,這些雜訊可以利用寬 度判斷去除。寬度判斷後的結果如圖 5-7(c)。寬度判斷根據第三章道路標線偵測 出來的寬度做為條件,若水平特徵之 pixels 連續寬度介於 0.3 倍至 1 倍車道寬間,

則將該 pixel 保留否則予以刪除。本研究為了防止水平特徵點過於薄弱因此執行 dilation 以增強特徵。最後得到圖 5-7(d)車輛水平邊緣偵測結果。

(a) (b)

(c) (d)

圖 5-7:車輛水平邊緣特徵範例

(a)輸入影像;(b)範圍限制後之特徵;(c)寬度限制後之結果;(d)水平邊緣偵測結 果。

接下來說明陰影特徵的擷取方法。本系統使用本章第一節 Otsu’ method 找出 的門檻值對影像進行二元化,找出影像中陰影部分。在偵測陰影時為了防止影像 中其他障礙物或前擋風鏡反射影響,因此依然要限制偵測範圍(參照本章第二 節),如圖 5-8(b)為限制範圍後的偵測結果。接著對圖 5-8(b)進行寬度判斷,陰影 特徵寬度必須小於車道寬度。車道寬度在影像中距離本車越近則寬度越寬反之越

小。若陰影特徵之 pixels 連續寬度介於 10 個 pixels 至 1 倍車道寬間,則將該 pixel 保留否則予以刪除。其結果如圖 5-8(c)所示,可以看出圖 5-8(b)中的小雜點因為寬 度限制被過濾掉,最後系統利用 dilation 來擴大遠方車輛的陰影特徵。陰影偵測 結果如圖 5-8(d)。

(a) (b)

(c) (d)

圖 5-8:車輛陰影特徵範例

(a)輸入影像;(b)Otsu’s method 二元圖;(c)寬度限制後陰影特徵;(d)陰影偵測結 果。

在車輛水平邊緣特徵偵測與陰影特徵偵測後,系統將檢查兩特徵所框出的矩 形是否重疊,假設重疊則代表該處有車輛出現。圖 5-9(a)顯示出水平邊緣特徵偵 測結果,圖 5-9(b)為陰影特徵偵測結果。由圖 5-9(a)中可觀察出兩車中間有兩塊小 矩形(如紅圈處所示),但圖 5-9(b)中該位置所對應處並無陰影特徵,因此在圖 5-9(c) 中系統認定該區域沒有車輛。圖 5-9(b)中下方偵測出兩塊陰影(如紅圈處所示),但 是圖 5-9(a)中該位置並無水平特徵,因此圖 5-9(c)中系統亦認為該處沒有車輛。最 後偵測結果如圖 5-9(c),系統只偵測出左右兩輛車。

(a) (b) (c)

Brake light feature extraction

Brake light region extraction Brake light region

verification

相關文件