車(chē)道偏移警示系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車(chē)輛技術(shù)領(lǐng)域，特別是涉及一種用于車(chē)輛的車(chē)道偏移警示系統(tǒng)及方 法。
【背景技術(shù)】
[0002] 現(xiàn)階段的車(chē)道線偵測(cè)算法系包含"邊緣偵測(cè)（Edge Detection)"以及"直線偵測(cè) (Line Detection)"兩個(gè)主要步驟，其應(yīng)用為偵測(cè)人工的車(chē)道標(biāo)記（Lane Marker)為主。
[0003] 在傳統(tǒng)邊緣偵測(cè)算法中，在一般的情況下（畫(huà)面中僅有簡(jiǎn)單而梯度變化明顯的車(chē) 道標(biāo)記，且沒(méi)有其他車(chē)輛、陰影、人造物體、樹(shù)木等復(fù)雜情況），可以成功的偵測(cè)且判斷出車(chē) 道標(biāo)記。但是在其他更多的狀況下，卻無(wú)法偵測(cè)以及判斷出真正的車(chē)道標(biāo)記。例如，在梯度 變化不明顯的情況下，邊緣偵測(cè)無(wú)法有效偵測(cè)出車(chē)道標(biāo)記。同時(shí)，在反光或有障礙物的情況 下，雖然可以偵測(cè)出邊緣像素 （edge pixels)，但是，要如何辨別出真正屬于車(chē)道標(biāo)記的邊 緣像素 （road marker edge pixels),進(jìn)而判斷出車(chē)道線，貝U是一個(gè)非常困難的問(wèn)題。
[0004] 在許多情況下，雖然可以正確偵測(cè)出車(chē)道標(biāo)記的邊緣像素，但是，如何由邊緣像素 推得出車(chē)道線，還需要一些繁瑣的步驟。例如：對(duì)于較寬的車(chē)道標(biāo)記，由于邊緣偵測(cè)僅能偵 測(cè)到邊緣像素，因此，車(chē)道標(biāo)記內(nèi)的像素會(huì)被歸類(lèi)為非邊緣像素（non-edge pixels)，如何 由車(chē)道標(biāo)記左右兩側(cè)的邊緣像素回推出正確的車(chē)道線是會(huì)有些困難。此外，對(duì)于"短車(chē)道 線"以及"槽化線"等情況，傳統(tǒng)的邊緣偵測(cè)算法也無(wú)法有效處理。
[0005] 傳統(tǒng)車(chē)道線偵測(cè)算法，大多屬于以像素為基礎(chǔ)（Pixel-Based)的影像處理技術(shù)。 在經(jīng)過(guò)"邊緣偵測(cè)"、"直線偵測(cè)"等運(yùn)算之后，僅能得到以像素為基礎(chǔ)的一維（ID)信息。 這對(duì)需要二維（2D)信息的車(chē)道線偵測(cè)來(lái)說(shuō)是明顯不夠的。因此，還需要一些繁瑣的程序 (例如，把點(diǎn)匯集成線），才能得到足夠的信息。而這些繁瑣的程序大都是非常耗時(shí)（time consuming)。也因此，為了提高系統(tǒng)的執(zhí)行效率，許多專(zhuān)家以及研發(fā)機(jī)構(gòu)，相繼提出"興趣區(qū) 域（Region of IntereSt，R0I)"為基礎(chǔ)的策略，僅對(duì)預(yù)定的ROI進(jìn)行車(chē)道線偵測(cè)，進(jìn)而達(dá)到 效能提升的需求。然而，在許多情況之下，車(chē)道線常常會(huì)出現(xiàn)在"非興趣區(qū)域（non-ROI)"， 如此一來(lái)，系統(tǒng)便無(wú)法偵測(cè)到車(chē)道線。

【發(fā)明內(nèi)容】

[0006] 有鑒于上述問(wèn)題，本發(fā)明的目的是提供一種車(chē)道偏移警示系統(tǒng)及方法，其在梯度 變化不明顯或在反光或有障礙物的情況下，可以偵測(cè)出邊緣像素且辨別出真正屬于車(chē)道標(biāo) 記的邊緣像素，進(jìn)而判斷出車(chē)道線，并有效找出"興趣區(qū)域"以簡(jiǎn)化車(chē)道線偵測(cè)的程序。
[0007] 本發(fā)明的第一實(shí)施例是提供一種車(chē)道偏移警示系統(tǒng)，其擷取一影像的多個(gè)像素做 數(shù)據(jù)處理，該車(chē)道偏移警示系統(tǒng)包含：
[0008] -邊緣類(lèi)型分類(lèi)地圖擷取模塊，計(jì)算該影像的每個(gè)像素的一水平梯度絕對(duì)值、一 垂直梯度絕對(duì)值及一邊緣方向值，將每個(gè)像素的該水平梯度絕對(duì)值、該垂直梯度絕對(duì)值及 該邊緣方向值與多個(gè)門(mén)檻值進(jìn)行比較，以將每個(gè)像素分類(lèi)為多個(gè)邊緣類(lèi)型的一種；
[0009] -車(chē)道標(biāo)記種子區(qū)域偵測(cè)模塊，將該影像分割成多個(gè)子區(qū)塊，于該影像的特定區(qū) 域中界定每個(gè)子區(qū)塊的像素會(huì)出現(xiàn)的邊緣類(lèi)型，對(duì)子區(qū)塊中同一邊緣類(lèi)型的像素進(jìn)行線段 特征的評(píng)估，以獲得為一車(chē)道標(biāo)記種子區(qū)域的子區(qū)塊；以及
[0010] 一車(chē)道線偵測(cè)模塊，以該車(chē)道標(biāo)記種子區(qū)域的子區(qū)塊中的具有線段特征的部分像 素為主，決定一亮度門(mén)檻值，同時(shí)保留子區(qū)塊中亮度值大于或等于該亮度門(mén)檻值的像素以 作為多個(gè)車(chē)道標(biāo)記像素，將所述車(chē)道標(biāo)記像素在子區(qū)塊中的坐標(biāo)位置利用直線方程式求得 一局部車(chē)道線的一斜率及一偏移量，并再由該局部車(chē)道線延展至其他子區(qū)塊中求得一延展 車(chē)道線。
[0011] 本發(fā)明的第二實(shí)施例是提供一種車(chē)道偏移警示方法，其擷取一影像的多個(gè)像素做 數(shù)據(jù)處理，該車(chē)道偏移警示方法包含下列步驟：
[0012] 計(jì)算該影像的每個(gè)像素的一水平梯度絕對(duì)值、一垂直梯度絕對(duì)值及一邊緣方向 值，將每個(gè)像素的該水平梯度絕對(duì)值、該垂直梯度絕對(duì)值及該邊緣方向值與多個(gè)門(mén)檻值進(jìn) 行比較，以將每個(gè)像素分類(lèi)為多個(gè)邊緣類(lèi)型的一種；將該影像分割成多個(gè)子區(qū)塊，于該影像 的特定區(qū)域中界定每個(gè)子區(qū)塊的像素會(huì)出現(xiàn)的邊緣類(lèi)型，對(duì)子區(qū)塊中同一邊緣類(lèi)型的像素 進(jìn)行線段特征的評(píng)估，以獲得為一車(chē)道標(biāo)記種子區(qū)域的子區(qū)塊；以及
[0013] 以該車(chē)道標(biāo)記種子區(qū)域的子區(qū)塊中的具有線段特征的部分像素為主，決定一亮度 門(mén)檻值，同時(shí)保留子區(qū)塊中亮度值大于或等于該亮度門(mén)檻值的像素以作為多個(gè)車(chē)道標(biāo)記像 素，將所述車(chē)道標(biāo)記像素在子區(qū)塊中的坐標(biāo)位置利用直線方程式求得一局部車(chē)道線的一斜 率及一偏移量，并在由該局部車(chē)道線延展至其他子區(qū)塊中求得一延展車(chē)道線。
【附圖說(shuō)明】
[0014] 圖1為本發(fā)明的車(chē)道偏移警示系統(tǒng)的方塊圖；
[0015] 圖2A為本發(fā)明的影像感測(cè)組件所拍攝的影像畫(huà)面的示意圖；
[0016] 圖2B為本發(fā)明的影像經(jīng)邊緣類(lèi)型分類(lèi)的示意圖；
[0017] 圖2C為本發(fā)明的影像感測(cè)組件所拍攝的影像畫(huà)面的示意圖；
[0018] 圖2D為本發(fā)明的影像經(jīng)邊緣類(lèi)型分類(lèi)的示意圖；
[0019] 圖3為本發(fā)明的影像畫(huà)面分割成多個(gè)子區(qū)塊的示意圖；
[0020] 圖4A及圖4B為本發(fā)明的車(chē)道標(biāo)記邊緣出現(xiàn)的位置的示意圖；
[0021] 圖5為本發(fā)明的說(shuō)明子區(qū)塊的列及行基準(zhǔn)的特征說(shuō)明圖；
[0022] 圖6A至圖6D為本發(fā)明的車(chē)道標(biāo)記偵測(cè)的說(shuō)明圖；
[0023] 圖7A至圖7D為本發(fā)明的局部車(chē)道線偵測(cè)的示意圖；
[0024] 圖8為本發(fā)明的車(chē)道線延展的示意圖；
[0025] 圖9A至圖9C為本發(fā)明的車(chē)道偏移警示的示意圖；以及
[0026] 圖10為本發(fā)明的車(chē)道偏移警示方法的流程圖。
【具體實(shí)施方式】
[0027] 下面將結(jié)合示意圖對(duì)本發(fā)明的車(chē)道偏移警示系統(tǒng)及方法進(jìn)行更詳細(xì)的描述，其中 表示了本發(fā)明的優(yōu)選實(shí)施例，應(yīng)該理解本領(lǐng)域技術(shù)人員可以修改在此描述的本發(fā)明，而仍 然實(shí)現(xiàn)本發(fā)明的有利效果。因此，下列描述應(yīng)當(dāng)被理解為對(duì)于本領(lǐng)域技術(shù)人員的廣泛知道， 而并不作為對(duì)本發(fā)明的限制。
[0028] 為了清楚，不描述實(shí)際實(shí)施例的全部特征。在下列描述中，不詳細(xì)描述公知的功能 和結(jié)構(gòu)，因?yàn)樗鼈儠?huì)使本發(fā)明由于不必要的細(xì)節(jié)而混亂。應(yīng)當(dāng)認(rèn)為在任何實(shí)際實(shí)施例的開(kāi) 發(fā)中，必須做出大量實(shí)施細(xì)節(jié)以實(shí)現(xiàn)開(kāi)發(fā)者的特定目標(biāo)，例如按照有關(guān)系統(tǒng)或有關(guān)商業(yè)的 限制，由一個(gè)實(shí)施例改變?yōu)榱硪粋€(gè)實(shí)施例。另外，應(yīng)當(dāng)認(rèn)為這種開(kāi)發(fā)工作可能是復(fù)雜和耗費(fèi) 時(shí)間的，但是對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)僅僅是常規(guī)工作。
[0029] 在下列段落中參照附圖以舉例方式更具體地描述本發(fā)明。根據(jù)下面說(shuō)明和權(quán)利要 求書(shū)，本發(fā)明的優(yōu)點(diǎn)和特征將更清楚。需說(shuō)明的是，附圖均采用非常簡(jiǎn)化的形式且均使用非 精準(zhǔn)的比例，僅用以方便、明晰地輔助說(shuō)明本發(fā)明實(shí)施例的目的。
[0030] 圖1為本發(fā)明的車(chē)道偏移警示系統(tǒng)的方塊圖。在圖1中，車(chē)道偏移警示系統(tǒng)20包 含一數(shù)據(jù)處理裝置22、一影像感測(cè)組件24、一緩沖存儲(chǔ)器26、一警示裝置28及一數(shù)據(jù)顯示 裝置30。數(shù)據(jù)處理裝置22可以為鏈接庫(kù)，其可由CPU執(zhí)行，亦可為硬件加速器，以加速車(chē)道 偏移警示系統(tǒng)20的執(zhí)行效能。
[0031] 數(shù)據(jù)處理裝置22包含一影像輸入與輸出模塊32、一邊緣類(lèi)型分類(lèi)地圖擷取模塊 34、一車(chē)道標(biāo)記種子區(qū)域偵測(cè)模塊36、一車(chē)道線偵測(cè)模塊38及一車(chē)道偏移警不模塊40。
[0032] 邊緣類(lèi)型分類(lèi)地圖擷取模塊34計(jì)算一影像的每個(gè)像素的一水平梯度絕對(duì)值、一 垂直梯度絕對(duì)值及一邊緣方向值，而將每個(gè)像素的水平梯度絕對(duì)值、垂直梯度絕對(duì)值及邊 緣方向值與多個(gè)門(mén)檻值進(jìn)行比較，以將每個(gè)像素分類(lèi)為多個(gè)邊緣類(lèi)型的一種，如圖2A及圖 2C為本發(fā)明的影像感測(cè)組件所拍攝的影像畫(huà)面的示意圖，圖2B及圖2D為本發(fā)明的影像經(jīng) 邊緣類(lèi)型分類(lèi)的示意圖所示，圖2A及圖2C為原始的影像畫(huà)面經(jīng)邊緣類(lèi)型分類(lèi)的影像的邊 緣類(lèi)型地圖如圖2B及圖2D所示，為了方便表示，將五種邊緣類(lèi)型（ES0~ES4)使用深淺不 一的灰階值表不(僅在圖2B中標(biāo)注)。
[0033] 傳統(tǒng)偵測(cè)車(chē)道標(biāo)記所使用的方法，大多分析影像的梯度，但是在較復(fù)雜的畫(huà)面中 (例如：含有車(chē)輛、陰影、人造物等）會(huì)偵測(cè)出過(guò)多的邊緣像素，并增加后續(xù)對(duì)車(chē)道線偵測(cè)的 困難度。有鑒于此，本發(fā)明提出"邊緣類(lèi)型分類(lèi)地圖（Edge Style Map, ESM)"，可以有效率 的將影像畫(huà)面中的像素，依據(jù)其特性，分成至少五類(lèi)的"邊緣類(lèi)型（Edge Style) "其分類(lèi)如 下，
[0034]
【主權(quán)項(xiàng)】
1. 一種車(chē)道偏移警示系統(tǒng)，其擷取一影像的多個(gè)像素做數(shù)據(jù)處理，該車(chē)道偏移警示系 統(tǒng)包含： 一邊緣類(lèi)型分類(lèi)地圖擷取模塊，計(jì)算該影像的每個(gè)像素的一水平梯度絕對(duì)值、一垂直 梯度絕對(duì)值及一邊緣方向值，將每個(gè)像素的該水平梯度絕對(duì)值、該垂直梯度絕對(duì)值及該邊 緣方向值與多個(gè)門(mén)檻值進(jìn)行比較，以將每個(gè)像素分類(lèi)為多個(gè)邊緣類(lèi)型的一種； 一車(chē)道標(biāo)記種子區(qū)域偵測(cè)模塊，將該影像分割成多個(gè)子區(qū)塊，對(duì)子區(qū)塊中同一邊緣類(lèi) 型的像素進(jìn)行線段特征的評(píng)估，以決定具有線段特征的所述邊緣類(lèi)型，并獲得為一車(chē)道標(biāo) 記種子區(qū)域的子區(qū)塊；以及 一車(chē)道線偵測(cè)模塊，以該車(chē)道標(biāo)記種子區(qū)域的子區(qū)塊中的具有線段特征的部分像素為 主，決定一亮度門(mén)檻值，同時(shí)保留子區(qū)塊中亮度值大于或等于該亮度門(mén)檻值的像素以作為 多個(gè)車(chē)道標(biāo)記像素，將所述車(chē)道標(biāo)記像素在子區(qū)塊中的坐標(biāo)位置利用直線方程式求得一局 部車(chē)道線的一斜率及一偏移量，并再由該局部車(chē)道線延展至其他子區(qū)塊中求得一延展車(chē)道 線。