障礙物偵測方法

障礙偵測其困難之處在於如何將立於地面上的障礙物與地面資訊分開，由於 深度影像在地面資訊呈線性關係，若障礙物是垂直於地面上的一個平面，障礙物 可視為具有相同深度的影像區塊，而道路則是線性增加或減少的關係。因此，可 利用上視圖與團塊法 (Blob) 將障礙物由深度影像中計算且標示出來，並配合特 定障礙物的特徵與幾何條件的限制將我們所關注的障礙物從影像中找出。

39

40

圖 3-11 立體視覺系統之前方環境上視圖

3.3.2 團塊法

團塊法 (BlobMethod) 是一種常用於電腦視覺的區域偵測法，目的大多是為 了偵測點或局部相較於周圍差異較大的明暗或色彩區域以達到偵測的目的。然而 團塊法不同於邊緣偵測 (Edge Detection) 或角點偵測 (Corner Detection) 是利用 計算梯度變化來處理，而是運用分層的概念 (Scaling) 將色彩或明亮程度分成數 個層級，最後區域中若符合同一個層級之中設定之像素累計數量便將其視為團塊 (Blob)。

根據上述的團塊法概念，當像差影像計算得到後，我們依據具有深度資訊的 像差影像進行影像分層，共分為 N 個層級 (N=255)，以 N 張影像來表示，這些 分層所代表的意義如圖 3-12 所示。在像差影像中，像差值越大其距離攝影機越 近，像差值越小則越遠。產生這些分層後，我們將每個像素所計算出的深度值投 影至上視圖，再設定累計像素的量當作閾值，便可將每一層中之團塊 (Blob) 取 出。然而，實作時團塊處理法會將許多小雜點 (Noise) 框選出來，為了解決此問

41

題，我們定義障礙物需具特定的幾何條件來將雜點濾除，這些條件包含所框選出 來的團塊影像必須具有高度值，並且團塊的上下邊界應具有高度差才能被視為障 礙物，這些限制將在下節說明，團塊處理法的結果如圖 3-13。

圖 3-12 距離與分層影像的關係示意圖

圖 3-13 團塊處理後之上視圖

42

3.3.3 設立障礙物條件

上節提到團塊法的執行已將影像中符合條件之物體做了初步的篩選，然而若 不加以限制則會框選出不必要的雜點，因應實際之需求可再進一步定義障礙物的 幾何條件，將感興趣的障礙物作進一步的濾出，以下將列舉我們所定義的障礙物 條件：

A. 投影至上視圖的障礙物距離須介於 30 公尺範圍內。

B. 投影至上視圖的像素其高度必須介於設定範圍內 (預設 20)。

C. 投影至上視圖之每個網格的像素量必須大於設定值 (預設 20)。

D. 障礙物之影像大小必須大於設定值。

E. 障礙物之實際寬度必須大於設定值。

設計以上之條件主要在於可濾除不必要之雜點，以及針對我們所設定的障礙 物進行長度、寬度的篩選，並藉由上視圖與影像之間的對應關係將障礙物框選出 來。由於攝影機解析度僅 640 × 480，為了避免圖像比對的失誤造成像差值的誤 算，因此若需偵測較遠的物體，則可考慮更高解析度以及更高倍率的鏡頭。然而 增加解析度雖可擴大偵測範圍，但會使運算量增加而降低處理速度。