在本研究論文中，我們提出一個以霍夫轉換為基礎的智慧型快速車道 線辨識。我們將偵測區域訂定在靠近在車輛的前方，一方面可以減少車輛 及非車道線物件的干擾，另一方面可大幅增進我們演算法的速度；在尋找 車道線方面雖然是採用霍夫轉換的概念去實行，但我們配合初始條件設立，
加上車道線和路面亮度值的差距來將影像二值化，再利用簡單的線性方程 式將該行駛路段的車道線斜率估算出來，以該斜率為尋找範圍的中心，如 此一來，就可以消除斜率的範圍有無窮大的問題，也可以省去傳統霍夫轉 換在偵測直線時所需的三角函數的計算，進一步增進速度。
在行車當中，我們利用 Sobel 濾波器正邊緣的計算，以及畫面中每行 的邊緣點數量來去除可能不是車道線的邊緣點，再利用初始畫面所計算出 來的斜率來訂定固定的斜率範圍，配合直線參數的霍夫轉換來將車道線偵 測出來；最後，分別去計算左右兩方邊緣點的數量，若多於門檻值，則使 用該張畫面所得到的參數來將車道線標示出來；若少於門檻值，則利用該 方前一張的車道線資訊來將車道線標示出來。
我們整個演算法單純使用電腦視覺與影像處理的基礎，將車道線標示 出來，而不依賴攝影機的內部參數去做動態補償，一方面可使駕駛者不需 事先了解所使用的攝影鏡頭內部的參數，另一方面可減少計算量，增進計 算速度。
雖然本論文在特定的條件以及利用 PC 設備模擬的環境上，在各個天 候狀態均獲得不錯的成果，但仍有很多值得繼續研究與改進的地方。如何 進一步將此演算法實現在嵌入式系統或 FPGA 的環境下，仍是一個需要努
力的目標；另外，在行車途中，確保自己沒有偏離主要的的車道固然重要，
但對於周圍車輛的位置仍需要注意，因此對於後續的車輛偵測的部分，以 及彎曲車道的標示都是需要再進一步的研究並努力的目標。
參考文獻
[1] 交通部全球資訊網
http://www.motc.gov.tw/mocwebGIP/wSite/mp?mp=1.
[2] 行政院衛生署 http://www.doh.gov.tw/cht2006/index_populace.aspx.
[3] 交通部運輸研究所http://safety2.iot.gov.tw/asv/6/AVCSS.htm.
[4] J.C. McCall and M.M. Trivedi, “Video-Based Lane Estimation and Tracking for Driver Assistance: Survey, System, and Evaluation,”
IEEE Trans. Intelligent Transportation Systems 7(1), pp. 20–37, 2006 [5] M. Beauvais and S. Lakshmanan, “CLARK: a heterogeneous sensor
fusion method for finding lanes and obstacles,” Image and Vision Computing Special Issue on Intelligent Vehicles, Vol. 18, pp. 397–413, 2000.
[6] M. Bertozzi and A. Broggi, “Real-time lane and obstacle detection on the GOLD system,” Proc. IEEE Intelligent Vehicles Symposium, Tokyo, Japan, Sep.18-20, pp.213-218, 1996.
[7] Bertozzi, M. and A. Broggi, “GOLD: a parallel real-time stereo vision system for generic obstacle and lane detection,” IEEE Trans. on Image Processing, vol.7, no.1, pp.62-81, Jan. 1998.
[8] M. Bertozzi, L. Bombini, A. Broggi, P. Cerri, and P. Grisleri, “GOLD:
A Framework for Developing Intelligent-Vehicle Vision Applications,”
IEEE Trans. Intelligent Systems, vol. 23, no.1, pp.69–71, 2008.
[9] S.-Y. Chen and J.-W. Hsieh, “Edge-Based Lane Change Detection and its Application to Suspicious Driving Behavior Analysis,” International Conference Intelligent Information Hiding and Multimedia Signal Processing (IIHMSP), pp.415–418, Nov. 2007
[10] C. Lipski, B. Scholz, K. Berger, C. Linz, and T. Stich, “ A Fast and Robust Approach to Lane Marking Detection and Lane Tracking,” IEEE Southwest Symposium on Image Analysis and Interpretation (SSIAI), pp.
57–60, March 2008
[11] S.G. Jeong, C.S. Kim, D.Y. Lee, S.K. Ha, D.H. Lee and M.H. Lee,
“Real-time lane detection forautonomous vehicle,” Proc.IEEE International Symposium. On Industrial Electronics, Vol. 3, pp.1466-1471, 2001.
[12] H.-Y. Cheng, C.-C. Yu, C.-C. Tseng, K.-C. Fan, J.-N. Hwang, and B.-S.
Jeng, “Hierarchical Lane Detection for Different Types of Roads,”
IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp. 1349–1352, March 2008.
[13] B.-F. Wu, W.-H. Chen, C.-W. Chang, C.-J. Chen, and M.-W. Chung, ”A New Vehicle Detection with Distance Estimation for Lane Change Warning Systems,” IEEE Intelligent Vehicles Symposium, pp. 698–703, June 2007
[14] C.-Y. Su and G.-H. Fan, “An Effective and Fast Lane Detection Algorithm,” Proceedings of the 4th International Symposium on Advances in Visual Computing, vol. 5359, pp. 942-948, 2008.
[15] L. Jia, L. Zheying, and C. Tingting, “Study on Road Recognition Algorithm,” IEEE Conference Industrial Electronics and Applications (ICIEA), pp. 2539–2541, May 2007.
[16] Y.-U. Yim and S.-Y. Oh, “Three-Feature Based Automatic Lane Detection Algorithm (TFALDA) for Autonomous Driving,” IEEE Trans.
Intelligent Transportation Systems, pp.219–225, 2003.
[17] R. Aufrere, R. Chapuis, and F. Chausse, ”A Fast and Robust Vision-Based Road Following Algorithm,” IEEE Intelligent Vehicles Symposium, pp. 192–197, Oct. 2000.
[18] J.P. Gonzalez and U. Ozguner, “Lane Detection Using Histogram-Based Segmentation and Decision Trees,” IEEE Intelligent Transportation Systems, 346–351, Oct. 2000.
[19] A.A. Assidiq, O.O. Khalifa, M.R. Islam, and S. Khan, “Real Time Lane Detection for Autonomous Vehicles,” International Conference Computer and Communication Engineering (ICCCE), pp. 82–88, May 2008.
[20] C.-C. Wang, S.-S. Huang, and L.-C. Fu, “Driver assistance system for lane detection and vehicle recognition with night vision,” International Conference Intelligent Robots and Systems(IROS), pp.3530-3535, Aug.
2005
[21] C.R. Jung and C.R. Kelber, “Lane following and lane departure using a linear-parabolic model,” Image and Vision Computing, vol. 23, no.13, pp. 1192-1202, Nov. 2005.
[22] Qing Li, Nanning Zheng, and Hong Cheng, “Springrobot: a prototype autonomous vehicle and its algorithms for lane detection,” IEEE Trans.
on Intelligent Transportation Systems, vol. 5, No. 4, Dec. 2004.
[23] C. D’Cruz and J.J. Zou, “Lane Detection for Driver Assistance and Intelligent Vehicle Applications,” International Symposium Communications and Information Technologies, pp. 1291–1296, Oct.
2007.
[24] Yue Wang, Eam Khwang Teoh, and Dinggang Shen, “Lane detection and tracking using B-Snake,” Image and Vision Computing, vol.22, pp.
269-280, 2004.
[25] Qing Li, Nanning Zheng, and Hong Cheng, “Springrobot: a prototype autonomous vehicle and its algorithms for lane detection,” IEEE Trans.
on Intelligent Transportation Systems, Vol. 5, No. 4, Dec. 2004.
[26] OpenCV中文網站，
http://www.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5.
[27] sourceforge.net-Open Computer Vision Library,
http://sourceforge.net/project/showfiles.php?group_id=22870.
[28] Intel Software Network,
http://www.intel.com/software/products/ipp/index.htm.
[29] Open Source Computer Vision Library Community, http://tech.groups.yahoo.com/group/OpenCV/
[30] R. Klette, K. Schluns, and A. Koschan, Computer Vision:
Three-Dimensional Data from Images, New York, Springer, 1998.
[31] N. Otsu, “A Threshold Selection Method from Gray-Level Histogram,”
IEEE Tran. On System, Man, and Cybernetics, val. SMC-9, pp. 62-66, 1979.
自 傳
范耿豪出生於民國 71 年 10 月 16 日，現年 27 歲，家住嘉義縣，目前 就讀於台灣師範大學應用電子研究所，家中成員四人，父親母親與一個姐 姐，父親是名務實的公務員，而母親則是全心全力的照顧我們全家；由於 父母親對於品德頗為要求，因此自小於學習方面，父母就費盡心思教導我 們，使得我在品格養成方面走在正確的道路上，不會被周遭環境所影響，
這也讓我深深認同家庭教育的重要性。由於自幼就對數理有濃厚的興趣，
在班上數理方面成績均名列前茅。我覺得自己個性的優點就是生性樂觀、
協調溝通能力佳，容易融入於同儕間。樂觀的個性使我不容易挫折打敗，
也使我與人較無陌生感，以往的求學經驗中常扮演班上協調溝通的角色，
也常擔任班上的重要幹部。高中就讀興華高中，在高中時也由於數理方面 的興趣及不錯的成績，奠定自己往電機電子工程類發展的意願。
大學時就讀義守大學電機工程系，雖然放榜時跌破所有人的眼鏡，但 我憑藉著樂觀進取的態度，認真學習，在義守大學求學期間也遇到了許多 好老師，在他們用心的教導之下，也培養我想要繼續向上學習的動力。大 學時除電機系必修課程外，曾選修其他管理、人文、音樂及語言相關的課 程，多方面的學習，培養不同的興趣。
研究所就讀台灣師範大學應用電子系，研究影像偵測與處理相關之研 究，研究所主修數位訊號處理、數位影像處理、數位系統設計、嵌入式系 統設計。研究方向主要為即時道線偵測方面的研究，探討使用一般攝影機 截取行車中的畫面，並以影像處理和機器視覺技術來輔助駕駛人，以期降 低因駕駛人精神不濟或分心的狀態下所造成的交通事故。
學 術 成 就
發表文章：
1. C.-Y. Su and G.-H. Fan, “An Effective and Fast Lane Detection Algorithm,” Proceedings of the 4th International Symposium on Advances in Visual Computing, ISVC2008, vol. 5359, pp. 942-948.
參與計畫：
1. 智慧型機器人視覺系統發展與教材設計之整合型研究－子計畫三：智 慧型機器人視覺(I)，民國 96 年 8 月至民國 97 年 7 月。
2. 智慧型機器人視覺系統發展與教材設計之整合型研究－子計畫三：智 慧型機器人視覺(II) ，民國 97 年 8 月至民國 98 年 7 月。