第一節 系統環境架設
本系統設計的主要目的是在機車行駛時，提供行車是否保持安全間距的訊 號。系統所需的硬體設備智慧型手機會安裝在機車的儀表板上方，以確保拍攝的 視角是在機車行駛的方向，如圖 3-1 所示。圖中的中央白色物體即為智慧型手機，
用 X 型車架將手機固定於照後鏡底座，由圖中可知手機的攝影鏡頭安置在車身中 央。由於機車的轉彎方向由機車把手來控制，透過轉動龍頭以改變前輪的行進方 向，進而帶動全車的行進方向改變。因此無論如何轉動龍頭，攝影機都會拍攝機 車行進方向的景物。
當系統啟動後，會同步取得攝影機的連續影像、方向感應器的三向角度和透 過 GPS 定位後計算出的車速等三種資料。而方向感應器感應的三向角度分別為方 位角(azimuth angle)、俯仰角(pitch angle)和側傾角(roll angle)。在此僅需要透過方 向感應器取得拍攝時的水平傾斜角度和與地平面的夾角，由於手機採橫向放 置拍攝，即為方向感應器的俯仰角(pitch angle)， 為方向感應器的側傾角(roll
圖 3-1：智慧型手機安裝於機車上。
15
(a) (b)
圖 3-2：手機橫向置放時之角度表示。
(a)手機水平傾斜角度；(b)手機與地平面的夾角 。
angle)，如圖 3-2 所示。圖 3-2 中淺藍色矩形代表手機，深藍色區域為假想道路，
紫色區域為其他背景，黑色線條為腳架。圖 3-2(a)為當手機採橫向放置拍攝時，
手機水平傾斜角度為；圖 3-2(b)為當手機採橫向放置拍攝時，與地平面的夾角
。
第二節 系統流程
本系統的系統流程可分為四個主要部份，分別對應圖 3-3 的四種不同的顏 色。圖中左邊綠色部份的流程，描述本車與障礙物間距離的計算過程，首先將輸 入的連續影像轉換成鳥瞰影像，接著在鳥瞰影像上偵測障礙物，然後再計算本車 與障礙物之間的距離。同時鳥瞰影像轉換所需的角度也在本流程計算。圖中中 央的紫色部份，為事前建立的鳥瞰影像轉換矩陣資料庫(transformation matrix database)。該轉換矩陣資料庫的利用，可以減少系統執行時轉換矩陣的計算時間，
資料庫建置的詳細流程會在下一節說明。圖中中央上方的藍色部份流程用來決定 轉換鳥瞰影像要使用的轉換矩陣的參數的初始值；圖中右邊的紅色部份流程則 在利用當前的車速計算出應該與前方保持的安全間距。最後將本車與障礙物之間 的距離和應當保持的安全間距做比較，就可以知道目前行車是否安全。
由於機車在發動之後會產生振動，連帶會造成攝影機的振動，另外機車行駛 時，車身也可能會偏左或偏右傾斜，因此會造成攝影機的和角度改變。採用
16
圖 3-3：系統流程圖。
鳥瞰影像的好處不僅僅可以直接利用影像中兩點之間的距離來估算實際空間中 的距離，也可以透過轉換矩陣的動態選取來解決機車振動造成的影響。因為轉換 矩陣的正確選取必需要知道影像拍攝時的和 角度值。當系統無法取得和 角度值時，就必須窮舉所有可能的和 角度值，才能有正確的轉換鳥瞰結果。
但是這樣對於系統處理而言，太過耗時且需採用事後驗證來檢查轉換的結果是否 正確。因此，本研究提出自動快速選取和 角度值的方法，此一方法將在第五 章進行詳細說明。要特別注意的是機車發動後系統無法直接採用方向感應器所感
Is the obstacle distance large enough?
Video sequence input
β initialization αcalculation β correction
Top view image transformation
Obstacle detection
Obstacle distance calculation
Safe distance calculation
System warning message output Yes
No Transformation matrix database
Angle β Vehicle speed
17
(a) (b)
圖 3-4：原始影像轉換成鳥瞰影像示意圖。
(a)原始拍攝影像；(b)經轉換過的鳥瞰影像。
應的讀數，因為振動會對方向感應器造成干擾，因此自動快速選取和 角度值 的方法有其必要性。
將拍攝影像轉換成鳥瞰影像之後，就可以將在影像中梯形的道路部份轉換成 矩形的顯示方式，圖 3-4 是影像轉換前後的示意圖。圖 3-4(a)為原始的拍攝影像，
其中藍色區域為梯形，表示拍攝到的道路部份，中間白色區域則表示車道標線。
影像經過轉換之後可以得到圖 3-4(b)的鳥瞰影像，其中藍色區域則為轉換後的道 路部份。另外在圖 3-4(b)中的黑色區域則為鳥瞰轉換後沒有影像資訊的部份，因 為向前拍攝的影像有視角可視的範圍，故轉換成鳥瞰影像時會有部份地方的資訊 是缺少的，但黑色區域並不會影響到前方障礙物的偵測。值得注意的是在圖 3-4(a) 中的每一個像素點所對應到實際空間的大小都是不相同的，但在圖 3-4(b)中的每 一個像素點對應到實際空間都已經變成固定的大小，因此可透過鳥瞰影像計算出 影像中各像素點與像素點之間的距離，來轉換成空間中的實際距離。這也是將輸 入影像轉成鳥瞰影像的優點。
第三節 轉換矩陣資料庫的建置流程
欲自動取得適當的轉換矩陣，必需先知道拍攝影像中至少四個點座標，並且 知道這些點座標在鳥瞰影像上的對應位置。因此在本研究中設計一套自動取得點 座標，並自動建置轉換矩陣的流程，詳細做法將會在第四章說明。
18
圖 3-5：轉換矩陣資料庫建置流程圖。
因此，轉換矩陣資料庫的建置，重點將在於如何取得影像中的四個點座標。
轉換矩陣資料庫(圖 3-3 中紫色部份)之建置流程如圖 3-5 所示。首先在攝影機的前 方六公尺處，放置一個正四邊形邊長為一公尺的白色紙板。接著將拍攝影像輸入 系統，其拍攝影像中會有四邊形的白色區域(即白色紙板的對應區域)。利用區域 偵測技術可將影像中的白色區域偵測出來，接著再自動擷取白色區域的四個角落 的座標位置。如此一來，就可以得到計算轉換矩陣需要的四個點座標。因為轉換 矩陣是依照和角度值來分類，而方向感應器在取得和 角度初始值時，雖 然沒有振動干擾，但還是需要對讀入的和 角度值進行校正，在第四章第三節 會對和的校正有詳細說明。
接下來必須將每張影像取得的座標依照和 角度值分類。但因為在拍攝影 像時，是採用手持的方式拍攝，因此取得的座標可能會與理論值有誤差，為了降 低誤差必需對分類完成的座標進行校正，最後針對校正過後的座標計算其對應的 轉換矩陣，並將轉換矩陣存入資料庫中，完成轉換矩陣資料庫的建立。
Sequence input
Region detection
Corner extraction
Coordinate classification
Coordinate correction
Transformation matrix construction
Transformation matrix database α, β correction
19