一般來說，人為駕駛可以知道前方道路的變化情形，知道該怎樣對車子進行 控制。同樣的，對自動駕駛來說，也是要能不斷的知道前方道路的變化，知道車 子目前本身的狀態，才能對車子做出適當的控制。本小節主要介紹利用車道線特 徵來擷取出自動導航系統所需的資訊，如在參考點處的側向偏移距離、偏轉角度 及道路曲率資訊等等，圖3.3 為流程圖，以下將逐一介紹。
3-2-1 車道標記點(Lane Marking)的選取
首先，我們關心的只有在動態偵測視窗內所偵測到的車道線且靠近車道內側 的部分，只要能從中獲得數點，便足以讓我們建立出實際的車道模型，而前一章 的車道線偵測幫助我們準確的擷取出車道點，建立更準確的車道模型。如 圖 3.4 所示，雖然在 圖 2.17 中已能找出四個動態視窗，但為了減少計算量，在此主要 擷取靠近車子的動態視窗內的車道點且每行取一點，如有需要，再另擷取出上方 的車道點。
圖3.3 駕駛資訊選取流程
(a) 示意圖 (b) 實際情形 圖3.4 車道標記點的選取
3-2-2 車道中心線(Center Lane)
擷取完兩旁車道線邊緣上的點後，接著要說明如何在影像中得到車道中心 線。對於車輛自動導航而言，其實最主要的車道線是車道中心線，因為最終是希 望車子能回到車道中心，找出此線，就能知道目前車子相對於車道中心的狀態。
對於在同一高度而言，車道中心線組成方式如(3-8(3-8)所:
( ) / 2
= +
C k Lk Rk
x x x (3-8)
xLk，xRk分別表示左、右車道線在k高度的水平位置。
但從車道線偵測結果來看，有時兩邊的車道線未必同長，也就是動態偵測視 窗的大小必非一樣，所以左(或右)邊的車道點可能在右(或左)邊的車道線找不到同 高度的點，所以在此利用一個簡單的方式找出車道中心線。假設
左車道點為(xLi,yLi),i= LL1 n，車道方程式為yL =mL×xL+bL 右車道點為(xR j,yR j), j= LL1 m，車道方程式為yR =mR×xR+bR
mL、mR: 左、右車道線斜率，bL、bR: 左、右車道線截距
中線車道點獲得如下:
CLi CRj
x +x
座標點，之後，再將這些座標點扣掉ㄧ半的路寬，最後，再經過一逆座標轉換 (3D→2D)，就可找出車道中心線，其結果如 圖 3.6。圖 3.6 顯示在彎道時用這樣 的方式所得到的資訊無太大的誤差，所以為了避免麻煩，多餘的計算量，在彎道 上就不必再刻意先從影像上找出車道中心線，直接將 3D的座標點扣掉一半的路 寬來當作3D的車道中心點。
圖3.6 彎道上利用右車道線找出的車道中心線
將 圖3.5 與 圖 3.6 做個比較，雖然 圖 3.6 的方式也可以得到導航資訊，但實 際上用 圖3.5 的方式會得到較準確的導航資訊。理由為假如現在分別有一組左右 車道線在世界座標中的車道點，而所要的車道中心點，對右車道點來說，是必須 扣掉路寬，對左車道點來說，是必須加上路寬，然而，這些組合起來的車道中心 點容易顯的較不匹配(亦即由左車道線建立的車道中心點，不容易對稱於左右車道 線；反之亦然)，得到的導航資訊也會較不準確。
3-2-3 座標系統的轉換
在座標轉換方面，主要將2D上的車道中心點轉為 3D的車道點，提供車子與 實際道路間的關係。在此直接利用IPM的座標轉換公式，如 (2-1)，(2-2)式所示，
參數方面如前一章所述，因此不必另外測量CCD的狀態，因為一開始在調整IPM 的參數時就已經知道CCD的狀態。
3-2-4 實際車道模型的建立
其中 計前輪轉動角度的資訊，例如:前視偏移距離(lateral offset)，偏轉角度(yaw angle)，
實際道路的曲率(road curvature)等等。
前視偏移距離:
道路曲率: Curvature L y L
y L C L C