對於一般的彎道，在本系統仍可偵測的到，但在此要說明的彎道部分跟一般 不一樣，對於左車道線部份，是屬於不連續的情形，如 圖 2.29 所示，而右車道 部份為一具有紅色成份及連續的線，如 圖 2.30 所示。經由測試結果顯示出，由 於左車道線存在著不連續的情形，所以容易發生偵測錯誤。而右車道部分，由於 是連續的，故試著將其當作車道線以作為導航的依據。而為了使原系統能偵測到 右車道線，所以最直覺的想法就是修改原本的前處理部份使得紅色部分能跟其他 顏色分離。
圖2.29 左車道線不連續發生偵 測錯誤
圖2.30 右車道線為具紅色成份 之車道線
根據我們的目的-尋找右車道線，故影像中非右車道線之物皆屬於雜訊。於 是，在此步驟中，我們必須使用一些影像處理的方法將雜訊去除。一般去除雜訊 的方式多用二值化方法，也就是先將彩色影像取灰階，再取一固定閥值進行二值 化處理，此二值化處理會將閥值以下的圖素設為黑色，閥值以上的設為白色，最 後得到的是一黑白影像，而此黑白影像的好壞容易影響偵測結果。如 圖 2.31 所 示，雖然已經能將大部份雜訊濾除，但對於亮度高的車道線雜訊卻不盡理想，一 再的調高二值化閥值並不是好的解決方法，這是由於灰階影像是明亮度的表現，
當雜訊的明亮度相等於車道線的明亮度時，此種方法便會失效而影響之後的控制
原圖 IPM 下二值化 偵測結果
→ →
→ →
圖2.31 彩色影像經灰階、IPM、二值化處理後的偵測結果
前處理的程序更改為色度座標轉換(color-space transform)以及條件式二值 化。在此我們所進行的色度座標轉換是將原彩色影像RGB座標依 (2-8)的式子轉換 至YCrCb座標。
0.257 0.504 0.098 16 0.439 0.368 0.071 128
0.148 0.291 0.439 128
Y R
色車道線)濾除。經由實驗結果，由於車道線並非只是單純的紅色圖素，而是摻有 亮度的成份，經轉換後發現Y值會偏高，所以如再將Y值加入二值化條件效果會 更好。最後，我們採用的條件式二值化如(2-9)式所描述，並由實驗中調整其閥值 為Y=135，Cr=140。
255, ( , ) 140 ( , ) 135 ( , ) {
0,
≥ ∧ ≥
= if r i jY rCr i j r i j
otherwise (2-9)
經由色度座標轉換以及條件式二值化處理後的結果如 圖2.32 所示，程式修正 後流程如 圖2.33。由圖中可清楚發現，地面上的除了右車道線外，其它幾乎完全 被濾除，效果非常不錯。
原圖 色度座標轉換、IPM、
條件式二值化後 偵測結果
Frame
#1 → →
Frame
#1168 → →
圖2.32 彩色影像經處理後的偵測結果(其中閥值為 Y=140，Cr=135)
(a) IPM-based 偵測流程修正 (b) 動態視窗偵測流程修正 圖2.33 彎道偵測方法程式流程修正
另外，由 圖 2.32 的偵測結果來看，在小幅度轉彎的曲線路段時，由於在車 前的車道線其實是相當接近直線的，因而我們是可以用直線的方式來代表偵測結 果。就一條曲線而言，是可以視為直線的組合，所以在彎道上，是可以用片段的 直線來近似整條彎曲道路。