Computer Vision Based Driving Assistance Safe Distance System

以電腦視覺為基礎之行車安全距離輔助系統

Computer Vision Based Driving Assistance Safe Distance System

陳士農

亞洲大學資訊工程學系 [email protected]

孫瑞鴻

亞洲大學資訊工程學系 [email protected]

摘要

現今的交通事故頻繁，而事故頻繁的原因可能是 駕駛不專心沒有注意車輛周圍狀況，才會發生悲劇，

尤其是在車輛周圍駕駛看不見的盲點，更是發生事故 的主因。汽車雖有後視鏡可觀看左右與正後方的來 車，但可看的範圍內仍有死角，當駕駛開車不專心，

後方如有來車急速接近，從後視鏡中注意到時往往都 已來不急反應，而容易發生事故。此時若能有一項電 腦輔助設備，即時監控周圍車輛距離，並立即反應給 駕駛，隨時提醒危險來車，便可有效防止事故發生。

本論文利用電腦視覺技術開發行車安全距離輔助 系統，用以分析周圍車輛與自車之距離，判斷是否有 車輛太過接近，或是急速接近之危險車輛，並立即警 示駕駛，輔助駕駛注意自車周圍車輛距離，在此系統 的輔助下，可提高駕駛之警覺性，確保生命財產安全。

本系統所需之數位攝影機並無特殊限制，一般常見的 數位視訊攝影機即可應用於本系統，透過擷取的畫面 資料進行影像分析，以取得車道線位置，再取得車輛 位置，接著利用比例尺計算距離，來達成行車安全距 離之警示輔助。

關鍵字：電腦視覺(computer vision)、行車輔助(driving assistance)、車輛偵測(vehicle detection)、距 離偵測(distance detection)。

一、簡介

汽車是人們日常生活中的代步交通工具，其主要 功能包括節省時間、方便性，以及有較高的安全性等，

而汽車的安全性則在於提供駕駛與乘客最佳的生命安 全保障。由於汽車的安全性攸關人(駕駛、乘客)的生 命與財產(車子)，所以如何利用資訊工程技術，協助 汽車工業提高人的生命安全與降低財產損失，是刻不 容緩的事。現今的交通事故頻繁，原因可能是駕駛不 專心沒有注意車輛周圍環境狀況，才會發生悲劇，尤 其是車輛周圍駕駛看不見的盲點，更是發生事故的原 因。

汽車有後視鏡可觀看左右與正後方的來車，但可 看的範圍內仍有死角，當駕駛開車不專心，後方如有 來車急速接近，從後視鏡中注意到時往往都已來不急 反應，而容易發生事故。此時若能有一項電腦輔助設

備，即時監控周圍車輛距離，並立即反應給駕駛，隨 時提醒危險來車，便可有效防止事故發生。本論文利 用電腦視覺技術開發行車安全距離輔助系統，用以分 析周圍車輛與自車之距離，判斷是否有車輛太過接 近，或是急速接近之危險車輛，並立即警示駕駛，輔 助駕駛注意自車周圍車輛距離，在此系統的輔助下，

可提高駕駛之警覺性，確保生命財產安全。

在高速公路上行駛的車輛，車速每小時將近100 公里，只要駕駛稍微不專心就很容易發生事故，而在 事故發生之前駕駛可以反應的時間非常的短。本論文 提出之行車安全距離輔助系統利用電腦視覺技術偵測 前方車輛，在30公尺的距離內可以先偵測出車輛，讓 駕駛能夠掌握目前周圍車輛資訊，以增加駕駛的反應 時間。為了滿足車輛高速行駛需求，所以系統處理影 像時的反應時間不可以超過0.98秒，而本論文提出之 系統每秒可以處理30畫格，也就是在40毫秒內就能即 時處理一張畫格。本系統利用裝設於車輛後視鏡下方 的數位攝影機來取得車輛正前方之影像資料進行車道 線與車輛偵測。本系統所需之數位攝影機並無特殊限 制，一般常見的數位視訊攝影機即可應用於本系統，

且影像符合320×240像素大小就足夠讓輔助系統偵測 到影像中的車道線與車輛，但如能配合一般車輛常裝 設之倒車攝影機更佳，由於安裝後不易查覺，又可保 有車輛原有的美觀外型。

二、相關研究

石博宇[1]利用描邊方式來尋找車道線，因為車道 線在影像中大約是以45度角呈現，所以利用3×3遮罩 進行描邊，左邊車道線遮罩左上的數值為1，右下的數 值為-1，遮罩其餘的部份為0；右邊車道線遮罩右上的 數值為1，左下的數值為-1，遮罩其餘的部份為0。利 用此描邊方式可找出車道線的左右邊緣，然後將其左 右邊緣減去原本的車道線，就會留下車道線的中間部 份。用此方法偵測車道線時，因最外圍的車道線為實 線，內圍的車道線為虛線，利用虛線的特徵可推測出 旁邊另外的車道，並將旁邊的車道一併偵測出來，而 車輛的偵測範圍就可限制在偵測到的車道線之中。此 研究尋找前方車輛的方法是利用車輛陰影，在找到車 輛之後，再對感興趣區域做水平描邊與垂直描邊來確 認是否為車輛，而對旁邊的車輛偵測則利用一般的描 邊方式，因為一般車道中若沒有車輛，做描邊動作是

不會產生明顯的邊緣，若有車輛就會產生明顯的邊 緣，利用此方式即可找出左右兩邊車道中的車輛。距 離部份此研究利用攝影機的焦距來計算距離，但必須 事先知道焦距的數值以及攝影機與地面的角度，最後 利用反透視成像的方式將一般的畫面轉成2D平面圖 並計算車輛距離，將結果顯示在2D平面圖上。此研究 的缺點就是自車在超車時，車道線會出現在影像中間 以垂直的方式呈現，而且利用45度角描邊的方式尋找 車道線會不明顯。

陳琮仁[2]利用較亮的顏色尋找車道線，為了避免 計算多餘的亮點，所以加入了車道線的寬度限制。如 此只會找到和車道線一樣寬的雜訊，然後再將鄰近同 一群組的點組合在一起，而其他較遠、較小的點則當 作雜訊刪除掉，之後再將這些偵測到的車道線連接起 來，即可得到偵測出的車道。另外，此研究利用車輛 陰影來尋找車輛，並利用車輛的對稱性來進行確認，

對稱性的找法是利用垂直描邊與水平描邊方式找出車 輛，此方法可以偵測出山洞中與強光下的車道線，但 缺點是只能針對主要的車道進行車輛偵測。

曾暐特[3]將石博宇[1]的車道線偵測遮罩加以修 正，使得車道線偵測十分精準，因此本論文採用他的 遮罩方法。此研究的缺點是在白色或近似白色車輛偵 測方面不是很準確，另外，此研究是將視訊資料直接 轉換為俯視圖，因此當自車或前後方來車左右移動時 就會出現誤差。

Bertozzi [4]等人利用攝影機拍攝路面，並利用反 透視成像的方式將一般的畫面轉成2D平面圖，並依據 車道線的寬度比例計算距離，但此方法需要事先取得 攝影機的相關規格資料，並且需要配合客製化之硬體 電路。

Sun [5]等人將影像進行垂直與水平掃瞄，取得數 值並依最大值到下一個最大值為基點框出物體。本論 文採用此方法進行車輛偵測，但是此方法會框出不想 要的物體，因此必須限制感興趣區域。

三、系統架構

現今的汽車工業已經非常發達，部份高級車種內 部都已配置汽車電腦，或是模組化之車用電腦，並提 供優異之人機介面。此類車用電腦因體積與耗電量皆 很小，因此不會對行車系統造成負擔，而又能提供更 佳之行車輔助，例如：行車導航、視聽娛樂、行動商 務中心，甚至是自動巡弋與自動停車等行車輔助功 能。而一般車種，亦可自行安裝模組化之車用電腦，

或是迷你PC系統來滿足行車導航、視聽娛樂、行動商 務中心等功能需求。本研究即以迷你PC系統為中心結 合電腦視覺技術開發行車安全距離輔助系統，本系統 除可提供更佳之行車輔助之外，更能方便地整合或移 植至任一車種之行車系統中。

本研究利用一部數位攝影機連接到一部迷你PC 系統，做為影像處理主機，然後接上車用顯示器，顯 示電腦處理過的行車輔助資訊，讓駕駛清楚且方便的 掌握周遭車輛的距離情形，本研究提出的系統架構如 圖1所示。

圖1 系統架構圖

四、研究方法

本論文提出之系統處理流程如圖 2 所示。

4.1 影像擷取

影像擷取是進行事件分析的第一步，本研究在車 輛後視鏡下方裝設數位攝影機來取得車輛正前方之影 像資料，數位攝影機架設位置如圖 3 所示。

圖 3 數位攝影機架設位置示意圖

本研究目前主要以高速公路為測試環境，原因是 高速公路上的車輛並不會太接近，而且車道線較為明

攝影機 迷你PC

顯示器 架駛

影像擷取

灰階處理

二值化處理

車道線偵測

輔助訊息

車輛偵測

圖 2 系統流程圖

顯，如圖 4 所示。

圖 4 高速公路影像截取畫面

一般市區道路的車道線某些路段較不明顯，而且 常有路面施工，另外，市區道路的車輛也比較接近，

不方便進行研究。系統以每 0.5~1 秒的間隔從數位攝 影機中擷取五張連續影像進行影像處理，以便後續進 行車輛偵測。

4.2 影像處理

在此步驟，系統將即時記錄的動態影像資料予以 分割，成為許多單張的連續影像，接著利用這些單張 的連續影像，進行物件偵測。由於彩色影像中包含的 色彩資訊過多，本研究先利用灰階處理進行前置處 理，以減少多餘的影像資訊。另外，在影像的前置處 理中，影像邊緣的偵測也是很重要的。影像當中通常 會有一些物件，而物件的邊是很重要的特徵，利用物 體的邊，可以提高物件偵測時的準確度。

動態物件的偵測方法有很多種，其中以影像序列 中，利用相鄰影像做兩兩相減的動作，得到前景物件 所產生的點，再利用連續影像的變化，將這些點連結 起來成為前景物件。而與背景比較的方法，是利用有 變化的點就可能是移動物件的特性，經連續的變化判 斷為前景物件。

另一種是先將影像轉換成灰階影像，並取得各X 軸與Y軸的數值，計算出相連的數值以求出物件的位 置。由於取得的影像是以數位攝影機拍攝所得，而且 車子是一直移動，所以背景並非固定，而第一個方法 用於靜止不動的影像較佳，對於連續移動的影像比較 無法取得前景物件，所以本研究採用第二個方法。

4.3 行車安全距離

車輛在行進中與前車應保持的安全距離可由公式 (1)計算得知：

(1)

v

g

µ

由表 1 可得知車輛在不一樣的時速會有不一樣的 煞車距離，以及應該要保持的安全距離，將兩個距離 加總起來就是自車與前方車輛應該保持的安全距離。

表 1 煞車反應距離與煞車距離

時速 煞車反應距離 煞車距離 安全距離

60 km/h 42m 28m 70m

70 km/h 49m 39m 88m

80 km/h 56m 50m 106m

90 km/h 63m 64m 127m

100 km/h 70m 79m 149m

4.4 系統的處理速度

系統每秒能處理的影像畫格數可由公式(2)計算 得知：

(2)

k：車輛行駛速度(公里/小時) L：偵測到的有效距離

換算後，處理每一畫格所需花費的時間可由公式 (3)計算得知：

(3)

假設以時速 110 公里於高速公路上行駛，且自車 與前車保持約 60 公尺的距離，則本系統最長的處理時 間將不超過下面計算的時間。

而本系統的偵測距離為 30 公尺，如以 30 公尺計 算，則最長的處理時間將不超過下面計算的時間。

本系統每秒能處理的影像畫格數約 30 畫格，如以 30 畫格計算可得處理每一畫格所需時間。

fps 2 3600

L 1000 k

×

×

µ

⋅

= ⋅ g 2 Distance v Braking

2

8 sec . 1

k L

sec 98 0 110 sec

60 8 .

1 × = .

ms/frame 33

frames 33 30

ms

1000 = . sec 49 0 110 sec

30 8 .

1 × = .

4.5 車道線偵測

本論文利用白色的車道線為特徵值來偵側車道 線，因此白色的車輛也會被偵測出來，而影響系統的 正確性，因此必須加入一些條件來限制特徵值的尋找。

首先將影像中的車道線與天空反黑，其他不是車 道線與天空的部份則反白，反黑反白的公式如公式 (4)、公式(5)、公式(6)所示。這麼做是為了處理區塊時 不用再重新設定函數，B(x, y)為影像中的藍色，G(x, y) 為影像中的綠色，R(x, y)為影像中的紅色，x = 0 為影 像的 x 軸起始位置，y = 0 為影像的 y 軸起始位置，h 為整張影像的高，w 為整張影像的寬。

(4)

(5)

(6)

接著利用公式(7)累加影像中所有 x 軸的像素點，

B(x, y)為影像中的藍色，G(x, y)為影像中的綠色，R(x, y)為影像中的紅色，V 為 x 軸某一軸像素點的總和，

若總和大於門檻值，則 x 軸的所有顏色全部變為白 色，若總和小於門檻值，則 x 軸的所有顏色全部不變。

去除大部份較大的雜訊後，剩下的就是需要的部份，

但仍有一些不需要的雜訊必須再去除，移除多餘的雜 訊，之後在偵側車道線時會比較精確。

(7)

接著再將影像中黑色的部份全部分開，分成不一 樣顏色的色塊，這是為了去除影像中過小的色塊，首 設定一個 3×3 的遮罩，如圖 5 所示，A、B、C、D、E、

F、G、H、I 分別為遮罩中相對應位置的顏色。

A B

C D E

F

G H I

圖 5 3x3 遮罩

將每個區塊分成不一樣的顏色，A 隨機產生一組 顏色，x、y 分別為影像的 x 軸與 y 軸，h、w 分別為影 像的高和寬。一開始判斷遮罩中 A(x, y)位置的顏色是

否為黑色，如果 A 位置等於黑色，接著判斷 B 位置的 顏色是否為黑色，如果 B 位置也等於黑色，則 B 的顏 色會替換成 A 位置隨機產生的顏色，以此類推，直到 遮罩中 A、B、C、D、E、F、G、H、I 判斷皆不為黑 色為止，再找其他區域的黑色部份執行，直到找完整 張影像為止。完成上述步驟後，如還有一些區域是黑 色的，則再利用公式(8)將此較小的黑色區塊消除，因 為那是不需要的雜訊，B(x, y)為影像中的藍色，G(x, y) 為影像中的綠色，R(x, y)為影像中的紅色，x = 0 為影 像的 x 軸起始位置，y = 0 為影像的 y 軸起始位置，h 為整張影像的高，w 為整張影像的寬。

(8)

車道線偵測結果如圖 6 所示。

圖 6 車道線偵測

4.6 車輛距離偵測

車輛距離偵測是以擷取出的影像資訊，經由灰階 與過濾雜訊處理後，再取得各X軸與Y軸的數值，計算 出相連的數值以求出車輛的位置，在取得車輛位置後 再加以框出，如圖7、圖8所示。

圖7 二值化與過濾雜訊處理

∑∑

= ^h

0 y

w

0 x

y) B(x, - 255 )

, (x y B

∑∑

= ^h

0 y

w

0 x

y) G(x, - 255 )

, (x y G

∑∑

= ^h

0 y

w

0 x

y) R(x, - 255 )

, (x y R

∑∑

0 y

w

0 x

1 V V 0), y) R(x, and 0 y) G(x, and 0 y) (B(x, if





←

←

←

←

←

←

>

0 y) R(x, 0, y) G(x, 0, y) B(x, others

255 y) R(x, 255, y) G(x, 255, y) B(x, threshold, V

if

∑∑

←

←

←

→

→

→

h

0 y

w

0

x B(x,y) 255,G(x,y) 255,R(x,y) 255 0), y) R(x, 0, y) G(x, 0, y) (B(x, if

圖8 車輛偵測

從國道高速公路局查詢得知，高速公路的車道線 規格，線寬0.15公尺，各車道間寬3.65公尺，各虛線段 的起點距離10公尺，白線長4公尺，無白線部份6公尺，

如圖9所示。

圖9 高速公路車道線規格

系統標示10、20、30公尺的距離比例尺，如圖10 所示。

圖10 距離比例尺

依此比例計算距離，偵測到車輛後，接著以車牌 位置為基準點，一般車輛的車牌都位於車輛的正中 間，借此從距離比例尺取得之距離誤差較小。圖11所 示之貨車位置離自車約兩段虛線段落再多一些，對照

比例尺後可計算出貨車距離自車約為25公尺。

圖11 車輛距離偵測

五、結論與未來研究方向

本論文提出一個以電腦視覺技術為基礎之行車安 全距離輔助系統，系統實作成果如圖12、圖13、圖14 所示。此系統採用一般常見的數位視訊攝影機即可，

不需事先知道攝影機之焦距，以及攝影機與地面的角 度。系統測試時，考慮了幾個裝設攝影機的位置，原 本優先考慮的位置是在車輛的防撞桿上，但因為可視 角度太低，會使得路面面積縮小，而不容易辨識車道 上的車輛，因此將車輛前方的攝影機裝設在後視鏡的 前方，雖然角度並不是很理想，但已足夠將前方車輛 偵測出來。

圖12 系統實作畫面1

圖13 系統實作畫面2

圖14 系統實作畫面3

本論文提出之行車安全輔助系統，為盡量降低處 理影像的限制，相對的偵測誤差率就會提高，但這些 誤差可利用感興趣區域來克服。但本研究沒有限制的 原因是因為攝影機會因車輛行駛而震動，那麼限制的 區域勢必也會被影響，而使得誤差仍會存在。而且一 旦改變攝影機架設的位置，也會影響感興趣區域的位 置，那麼對應到真實影像的感興趣區域也一定不會正 確。

未來將為系統加上2D俯視圖，讓駕駛更容易了解 車距狀況。另外，環境背景的亮度也是關鍵，因為偵 測的地方是在室外，所以環境背景的變化量十分的 大，要有滿足每一種狀況的門檻值十分的困難，解決 的方式就是讓系統進行訓練與學習，但缺點就是在高 速公路上必須要能即時反應行車狀況，所以訓練與學 習不適合用在即時運算上，因為系統的反應時間可能 會不符合需求。最後是左右兩側的車輛不容易偵測，

兩側車輛不容易偵測的原因，是當車輛靠自車太近 時，將完全沒有特徵可尋，因為太靠近，所以只能偵 測到旁邊車輛的車身顏色，即時旁邊沒有車輛，也會 偵測到遠方的背景，此時要判斷車輛也不容易。上述 的問題都是未來可持續加強的地方。

參考文獻

[1] 石博宇，“駕駛助理視覺系統之日間高速公路前車”，

碩士論文，國立中正大學工學院電機工程研究所，

2003。

[2] 陳琮仁，“以道路辨識與前車偵測之車載駕駛警示系 統”，碩士論文，國立臺灣大學資訊工程研究所，2002。

[3] 曾暐特，“以電腦視覺為基礎之行車輔助系統”，碩士 論文，私立亞洲大學資訊工程學系碩士班，2007。

[4] M. Bertozzi and A. Broggi, “GOLD: a Parallel Real-Time Stereo Vision System for Generic Obstacle and Lane Detection,” IEEE Transactions on Image Processing, Vol. 7, No. 1, pp. 62-81, January 1998.

[5] Z. Sun, R. Miller, G. Bebis, and D. DiMeo, “A Real-time Precrash Vehicle Detection System,” Proceedings of the Sixth IEEE Workshop on Applications of Computer Vision, pp. 171-176, 2002.