專利名稱：車道偏移警示方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種車道偏移警示方法及系統(tǒng)。
背景技術(shù)：
車道偏移警示系統(tǒng)的研發(fā)主要包含“車道線檢測(cè)”以及“車道偏移檢測(cè)”兩個(gè)項(xiàng)目。雖然這個(gè)研究已經(jīng)有十幾年的歷史，同時(shí)也有許多知名學(xué)者投入此領(lǐng)域的研究，但是其研究成果還有許多需要改進(jìn)之處?，F(xiàn)階段的車道線檢測(cè)算法包含邊緣檢測(cè)(Edge Detection)以及直線檢測(cè)(LineDetection)兩部分,其應(yīng)用為檢測(cè)人工的車道標(biāo)記(Lane Marker)為主。其中,邊緣檢測(cè)是用來(lái)檢測(cè)車道標(biāo)記的常用技巧之一。圖1 (al)至圖1 (b2)繪示已知的邊緣檢測(cè)的范例。其中，圖1 (al)及(a2)為原始圖像；圖1 (bl)及(b2)分別為對(duì)圖1 (al)及(a2)的原始圖像進(jìn)行邊緣檢測(cè)所得的結(jié)果。其中，像素的亮度表示邊緣的強(qiáng)度(顏色越黑，表示邊緣強(qiáng)度越強(qiáng))，因此，在實(shí)際的應(yīng)用上，還需要設(shè)定閾值(threshold)將像素分類成邊緣像素(edge pixel)及非邊緣像素(non-edgepixel)，以利車道檢測(cè)算法的后續(xù)步驟，但是此一閾值的設(shè)定是一個(gè)非常困難的工作。傳統(tǒng)的邊緣檢測(cè)算法，有許多需要改進(jìn)的地方:第一、使用邊緣檢測(cè)方法，雖然可以將邊緣像素檢測(cè)出來(lái)，但是，所檢測(cè)出來(lái)的邊緣，僅僅是車道標(biāo)記的邊緣，所以會(huì)造成空心線(即車道標(biāo)記的中心部分被判斷為非邊緣像素)的現(xiàn)象，因此，還需要一些額外的步驟，以避免這些現(xiàn)象。第二、在同一張影片中，有些車道標(biāo)記的亮度梯度變化強(qiáng)烈，因此可以很容易被檢測(cè)出來(lái)，但是對(duì)于那些亮度梯度變化不明顯的車道標(biāo)記，此兩種常見(jiàn)的邊緣檢測(cè)算法，便無(wú)法檢測(cè)出來(lái)。第三、為了能夠處理“短車道線”，傳統(tǒng)的邊緣檢測(cè)算法需要額外的前處理步驟，以減少“短車道線”在檢測(cè)上的困擾，例如可使用圖像重疊(imageoverlapping)技術(shù)，通過(guò)迭合多張圖像，以增長(zhǎng)“短車道線”，如此一來(lái)，便可以減少錯(cuò)誤檢測(cè)的問(wèn)題。圖2(a)至圖2(e)繪示已知直線檢測(cè)方法的說(shuō)明范例。圖2 (a)表示在二維空間中的點(diǎn)(X，y)，通過(guò)下面的公式(I)進(jìn)行坐標(biāo)的轉(zhuǎn)換:w = xcos ( Φ) +ysin ( Φ) (I)在坐標(biāo)轉(zhuǎn)換公式中，由于x、y為已知數(shù)，對(duì)每個(gè)不同的變量Φ (由0°到180° )，都可以計(jì)算出相對(duì)應(yīng)w值，也就可以得到如圖2(b)的累積矩陣。因此，在xy空間中的每一個(gè)點(diǎn)，皆可以轉(zhuǎn)換為一條在空間中的曲線，而交點(diǎn)中的曲線數(shù)目，可以表示為xy坐標(biāo)中直線的邊緣點(diǎn)個(gè)數(shù)。圖2 (c)為一原始圖形，圖2(d)為對(duì)圖2(e)實(shí)施邊緣檢測(cè)的結(jié)果。圖2(e)為對(duì)圖2(d)中的每個(gè)邊緣點(diǎn)，實(shí)施轉(zhuǎn)換后的累積矩陣結(jié)果。由圖2(e)中可以很清楚的發(fā)現(xiàn)有五個(gè)較亮的點(diǎn)(有最多曲線通過(guò)的點(diǎn))，藉此判斷該圖片中有五條直線。雖然可以知道圖像中的直線數(shù)目，但是無(wú)法進(jìn)一步得知每條直線所對(duì)應(yīng)的區(qū)域?yàn)楹危趯?shí)際的環(huán)境中，已知的直線檢測(cè)方法可以提供直線的信息，但是無(wú)法進(jìn)一步提供該直線是否為“非車道線”。
目前的車道偏移算法需要分析多張連續(xù)畫(huà)面，藉此找到車道線的位移方向，進(jìn)而判斷出車輛是否有偏移的情況。通過(guò)分析車道線與左右邊界的變化情況，便可以判斷出車子的移動(dòng)方向。現(xiàn)行的車道偏移算法，因?yàn)樾枰治龆鄰堖B續(xù)畫(huà)面才能判斷出車子的移動(dòng)分向，因此，其車道偏移的檢測(cè)結(jié)果，必然會(huì)經(jīng)過(guò)一定時(shí)間的延遲，這也是實(shí)時(shí)(real time)需求的一個(gè)重要問(wèn)題。綜上所述，已知的車道線檢測(cè)算法在車道線檢測(cè)方面，因?yàn)闊o(wú)法預(yù)測(cè)車道線與道路的顏色差距(梯度)程度，因此算法中預(yù)設(shè)的參數(shù)便無(wú)法檢測(cè)出所有類型的車道線。此夕卜，為了強(qiáng)化車道線的特性，往往需要重疊多張連續(xù)的畫(huà)面，以加長(zhǎng)車道線的長(zhǎng)度。最后，由于使用的直線檢測(cè)算法，無(wú)法提供直線是否屬于車道線或是非車道線，因此傳統(tǒng)的車道偏移系統(tǒng)，需要一個(gè)手動(dòng)設(shè)定的畫(huà)面，標(biāo)示出可能的車道線區(qū)域，藉此濾掉非道路線。在車道偏移檢測(cè)方面，傳統(tǒng)的車道偏移系統(tǒng)需要分析連續(xù)畫(huà)面的變化，才能判斷車子是否偏移，如此一來(lái)，系統(tǒng)便無(wú)法實(shí)時(shí)通知駕駛有關(guān)車道偏移的信息。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提出一種車道偏移警示方法及系統(tǒng)，可以檢測(cè)出各種類型的車道線，并可僅由一張畫(huà)面便判斷出車輛是否偏移。本發(fā)明提出一種車道偏移警示方法，適用于電子裝置。此方法是將原始圖像分割為多個(gè)區(qū)域圖像，接著分析各個(gè)區(qū)域圖像的特性，據(jù)以刪除這些區(qū)域圖像中的至少一個(gè)非車道線區(qū)域，獲得多個(gè)車道線候選區(qū)域。然后，根據(jù)各個(gè)車道線候選區(qū)域在原始圖像中的位置，由車道線候選區(qū)域中判定多條車道線。最后，將所述車道線區(qū)分為至少一個(gè)左車道線及至少一個(gè)右車道線，分析各個(gè)左車道線及右車道線與水平線的夾角的變化，據(jù)以判斷電子裝置是否偏移車道，并發(fā)出車道偏移警示。本發(fā)明提出一種車道偏移警示系統(tǒng)，其包括圖像分割模塊、車道線區(qū)域檢測(cè)模塊、車道線判定模塊、車道偏移判斷模塊及警示模塊。其中，圖像分割模塊用以將原始圖像分割為多個(gè)區(qū)域圖像。車道線區(qū)域檢測(cè)模塊用以分析各個(gè)區(qū)域圖像的特性，據(jù)以從這些區(qū)域圖像中刪除非車道線區(qū)域，獲得多個(gè)車道線候選區(qū)域。車道線判定模塊根據(jù)各個(gè)車道線候選區(qū)域在原始圖像中的位置，由車道線候選區(qū)域中判定多條車道線。車道偏移判斷模塊，將所述車道線區(qū)分為左車道線及右車道線，并分析各條左車道線及右車道線與水平線的夾角變化，據(jù)以判斷是否偏移車道。警示模塊在車道偏移判斷模塊判斷偏移車道時(shí)，發(fā)出車道偏移警示?；谏鲜?，本發(fā)明的利用車道偏移警示方法及系統(tǒng)通過(guò)結(jié)合快速圖像分割的結(jié)果，可以檢測(cè)出各種類型的車道線，同時(shí)，本發(fā)明不需要分析連續(xù)畫(huà)面的變化，而可僅由一張畫(huà)面便判斷出車輛是否偏移。為讓本發(fā)明的上述特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉實(shí)施例，并配合附圖作詳細(xì)說(shuō)明如下。


圖l(al)至(b2)繪示已知緣檢測(cè)的范例。圖2(a)至(e)繪示已知直線檢測(cè)方法的說(shuō)明范例。
圖3是依照本發(fā)明一實(shí)施例所繪示的車道偏移警示系統(tǒng)的方塊圖。圖4是依照本發(fā)明一實(shí)施例所繪示的車道偏移警示方法的流程圖。圖5(a)至(d)是依照本發(fā)明一實(shí)施例所繪示的圖像分割的范例。圖6是依照本發(fā)明一實(shí)施例所繪示的車道線區(qū)域檢測(cè)方法的流程圖。圖7是依照本發(fā)明一實(shí)施例所繪示的車道線區(qū)域檢測(cè)方法的流程圖。圖8是依照本發(fā)明一實(shí)施例所繪示的車道線判定方法的流程圖。圖9是依照本發(fā)明一實(shí)施例所繪示的利用車道線角度判斷車道偏移的范例。圖10是依照本發(fā)明一實(shí)施例所繪示的利用車道線角度判斷車道偏移的范例。主要元件符號(hào)說(shuō)明30:警示系統(tǒng)

31:圖像分割模塊32:車道線區(qū)域檢測(cè)模塊322:車道標(biāo)記檢測(cè)單元324:車道標(biāo)記篩選單元33:車道線判定模塊34:車道偏移判斷模塊35:警示模塊61:圖像分割結(jié)果62:原始圖像63:強(qiáng)邊緣64:弱邊緣65:非邊緣A，、B，、C，:群組LpLyL^L4:右車道線Lbase:底邊0L、θκ、0U、0U、ΘΚ1、ΘΚ2:夾角S402 S410:本發(fā)明一實(shí)施例的車道偏移警示方法的步驟S602 S606:本發(fā)明一實(shí)施例的車道線區(qū)域檢測(cè)方法的步驟S702 S706:本發(fā)明一實(shí)施例的車道線區(qū)域檢測(cè)方法的步驟S802 S808:本發(fā)明一實(shí)施例的車道線判定方法的步驟
具體實(shí)施例方式本發(fā)明針對(duì)原始圖像進(jìn)行圖像分割，然后結(jié)合圖像分割后的結(jié)果與梯度(gradient)分析以完成車道線區(qū)域檢測(cè)。本發(fā)明進(jìn)一步分析上述各個(gè)車道線區(qū)域的特性，去除非車道線區(qū)域并判定車道線，最后再通過(guò)左右車道線的角度變化判斷車輛是否偏移車道線并發(fā)出警示，達(dá)到車道偏移警示的效果。圖3是依照本發(fā)明一實(shí)施例所繪示的車道偏移警示系統(tǒng)的方塊圖。圖4是依照本發(fā)明一實(shí)施例所繪示的車道偏移警示方法的流程圖。請(qǐng)同時(shí)參照?qǐng)D3及圖4，本實(shí)施例的警示系統(tǒng)30例如是配置在車輛上的行車計(jì)算機(jī)、導(dǎo)航裝置、行車記錄器等電子裝置，其包括圖像分割模塊31、車道線區(qū)域檢測(cè)模塊32、車道線判定模塊33、車道偏移判斷模塊34及警示模塊35。以下即搭配警示系統(tǒng)30中的各項(xiàng)元件說(shuō)明本發(fā)明的車道偏移警示方法的詳細(xì)步驟:首先，由圖像分割模塊51接收外部輸入的原始圖像，并將原始圖像分割為多個(gè)區(qū)域圖像(步驟S402)。其中，上述的原始圖像例如是由配置在車輛上的照相機(jī)、攝像機(jī)或行車記錄器等圖像擷取裝置所擷取的車輛前方的道路圖像，其中至少一部分有包括車輛所行駛的路面，藉以提供警示系統(tǒng)30做為判斷車輛是否偏離車道線的依據(jù)。上述的圖像擷取裝置例如也可整合到警示系統(tǒng)30中，而達(dá)到隨拍即用、立即警示的功效。圖像分割模塊31所使用的圖像分割技術(shù)例如是使用分群的方法，先計(jì)算原始圖像中多個(gè)像素的像素值分布的直方圖，然后再對(duì)此直方圖做分群處理，而將直方圖的分群結(jié)果還原到原始圖像，藉以獲得分割后的區(qū)域圖像，而達(dá)到圖像區(qū)域化處理的需求。舉例來(lái)說(shuō)，圖5(a)至⑷是依照本發(fā)明一實(shí)施例所繪示的圖像分割的范例。其中，圖5(a)為警示系統(tǒng)所接收的原始圖像。圖5(b)為依據(jù)圖5(a)的原始圖像中多個(gè)像素的像素值所產(chǎn)生的3D直方圖。圖5(c)為對(duì)圖5(b)實(shí)施分群算法后所得的結(jié)果，例如分為A’、B’、C’三群。而根據(jù)直方圖分群后的結(jié)果，回推到原始圖像，便可以得到完成圖像區(qū)域化的結(jié)果，即如圖5(d)所示的多個(gè)區(qū)域圖像。其中，每個(gè)顏色代表單一個(gè)群集?；氐綀D3，接著由車道線區(qū)域檢測(cè)模塊32分析上述各個(gè)區(qū)域圖像的特性，據(jù)以將這些區(qū)域圖像中的至少一個(gè)非車道線區(qū)域刪除，而獲得多個(gè)車道線候選區(qū)域(步驟S404)。其中，車道線區(qū)域檢測(cè)模塊32例如可再區(qū)分為車道標(biāo)記檢測(cè)單元322及車道標(biāo)記篩選單元324。車道標(biāo)記檢測(cè)單元322用以檢測(cè)各個(gè)區(qū)域圖像中的車道標(biāo)記，并依據(jù)各個(gè)車道標(biāo)記的梯度值，將這些車道標(biāo)記分類為強(qiáng)邊緣(strong edge)、弱邊緣(soft edge)或非邊緣(non-edge)。具體來(lái)說(shuō)，由于無(wú)法知道原始圖像中的車道標(biāo)記與道路的差異程度，因此無(wú)法使用單一的梯度閾值來(lái)擷取原始圖像中的所有道路標(biāo)記。為了解決這個(gè)問(wèn)題，本實(shí)施例將圖像分割結(jié)果與梯度分析結(jié)合，藉以獲得車道線的檢測(cè)結(jié)果。具體來(lái)說(shuō)，圖6是依照本發(fā)明一實(shí)施例所繪示的車道線區(qū)域檢測(cè)方法的流程圖。請(qǐng)參照?qǐng)D6，本實(shí)施例在接收到圖像分割結(jié)果61后，檢測(cè)其中的道路標(biāo)記，并將所檢測(cè)到的道路標(biāo)記分成兩類:一類是屬于強(qiáng)邊緣的車道標(biāo)記類別，另一類為弱邊緣的車道標(biāo)記類別(步驟S602)。然后，在分析原始圖像中像素間的梯度變化時(shí)，便可以針對(duì)圖像分割結(jié)果61及原始圖像62中不同的車道標(biāo)記類別，使用不同的梯度閾值來(lái)對(duì)區(qū)域圖像進(jìn)行梯度分析(步驟S604)，而將車道標(biāo)記分成強(qiáng)邊緣63、弱邊緣64或非邊緣65三類，最終獲得車道線的檢測(cè)結(jié)果(步驟S606)。另一方面，車道標(biāo)記篩選單元624用以分析被歸類為強(qiáng)邊緣或弱邊緣的車道標(biāo)記的至少一項(xiàng)特性，據(jù)以將車道標(biāo)記中的至少一個(gè)非車道線區(qū)域刪除，以獲得車道線候選區(qū)域。具體來(lái)說(shuō)，為了加速系統(tǒng)的效能，本實(shí)施例提供使用車道線候選區(qū)域判定的前處理步驟，藉以濾掉一些不可能為車道線的區(qū)域。舉例來(lái)說(shuō)，圖7是依照本發(fā)明一實(shí)施例所繪示的車道線區(qū)域檢測(cè)的流程圖。請(qǐng)參照?qǐng)D7，本實(shí)施例在接收到車道線的檢測(cè)結(jié)果(步驟S702)之后，使用連通區(qū)域標(biāo)記法(connected component labeling)標(biāo)記所有的強(qiáng)邊緣及弱邊緣(步驟S704),其中連通的車道標(biāo)記均可標(biāo)記為同一個(gè)車道標(biāo)記。然后，通過(guò)分析被歸類為強(qiáng)邊緣或弱邊緣的車道標(biāo)記的特性，據(jù)以刪除不可能是車道線的區(qū)域，而獲得車道線候選區(qū)域(步驟S706)，其判斷例如下列公式(2)所示:
車道線候選區(qū)域 lf ((MaxiWcKR,), HtiRi ))/Min(Wd((R!), HtiRi))(2)
R,= U> Th WD & SizeiR, VCWcKRi) * Η (Κ;)) > Th Size)
非車道線區(qū)域，else其中，Ri為第i個(gè)區(qū)域，Wd(Ri)以及Ht (Ri)表示Ri的寬度以及高度，Size(Ri)表示&的像素?cái)?shù)目，Thw以及Thsize為預(yù)設(shè)的閾值。具體來(lái)說(shuō)，本實(shí)施例先計(jì)算各個(gè)車道標(biāo)記的寬度Wd(Ri)與高度Ht (Ri)中的最大值與最小值的第一比值，接著則計(jì)算各個(gè)車道標(biāo)記所包括的像素?cái)?shù)目Size(Ri)除以寬度Wd(Ri)及高度Ht (Ri)的第二比值。然后再判斷此第一比值是否大于閾值Thw以及第二比值是否大于閾值ThSize。如果上述判斷成立，即可判定該車道標(biāo)記為車道線候選區(qū)域；反之，如果不成立，則判定該車道標(biāo)記為非車道線區(qū)域?；氐綀D3，接著由車道線判定模塊33根據(jù)各個(gè)車道線候選區(qū)域在原始圖像中的位置，由車道線候選區(qū)域中判定出多條車道線(步驟S406)。具體來(lái)說(shuō)，傳統(tǒng)的車道線檢測(cè)算法先檢測(cè)出邊緣像素之后，再使用霍式轉(zhuǎn)換(Hough Transform)以檢測(cè)出畫(huà)面中的直線。但是，因?yàn)榛羰睫D(zhuǎn)換無(wú)法檢測(cè)出直線的實(shí)際位置，因此畫(huà)面上半部的邊緣像素將會(huì)嚴(yán)重造成車道線判定錯(cuò)誤的情況。有鑒于此，本實(shí)施例的車道線判定主要是通過(guò)車道線在原始圖像中的位置信息來(lái)判定車道線，以避免車道線誤判的情況。具體來(lái)說(shuō)，圖8是依照本發(fā)明一實(shí)施例所繪示的車道線判定方法的流 程圖。請(qǐng)參照?qǐng)D8，本實(shí)施例在接收到先前判斷的車道線候選區(qū)域(步驟S802)后,先使用鏈碼(Chain-Code)檢測(cè)出各個(gè)車道線候選區(qū)域的輪廓(contour)(步驟S804)，然后分析這些輪廓以找出直線區(qū)域(步驟S806)。最后，根據(jù)這些直線區(qū)域在原始圖像中的位置，在這些直線區(qū)域中刪除至少一個(gè)非車道區(qū)域，而獲得多條車道線(步驟S808)。其中，本實(shí)施例例如是刪除道路上方的直線區(qū)域，藉以排除不可能是車道線的直線區(qū)域，而避免車道線判定錯(cuò)誤的情況發(fā)生。需說(shuō)明的是，除了通過(guò)車道線的位置之外，本實(shí)施例還包括考慮車道線的斜率等其他條件，而綜合判斷出最后的車道線，在此不設(shè)限?；氐綀D3，在車道線判定模塊33完成車道線的檢測(cè)后，接著則由車道偏移判斷模塊34將所判定的車道線區(qū)分為至少一條左車道線及至少一條右車道線(步驟S408)，并分析各條左車道線及右車道線與水平線的夾角變化，據(jù)以判斷是警示系統(tǒng)30否偏移車道，并由警示模塊35發(fā)出車道偏移警示(步驟S410)。具體來(lái)說(shuō)，車道偏移判斷模塊34在區(qū)分左右車道線時(shí)，例如是以原始圖像的底邊的中點(diǎn)為基準(zhǔn)來(lái)區(qū)分各個(gè)車道線區(qū)域，其中當(dāng)車道線區(qū)域與上述底邊的交點(diǎn)在中點(diǎn)左邊時(shí)，即判定車道線區(qū)域?yàn)樽筌嚨谰€；反之，當(dāng)車道線區(qū)域與上述底邊的交點(diǎn)在中點(diǎn)右邊時(shí)，則判定車道線區(qū)域?yàn)橛臆嚨谰€。此外，為了達(dá)到一個(gè)畫(huà)面便可以判斷車輛是否偏移的需求，本創(chuàng)作提出了一個(gè)依據(jù)“車道線角度”為判斷基礎(chǔ)的算法。舉例來(lái)說(shuō)，圖9是依照本發(fā)明一實(shí)施例所繪示的利用車道線角度判斷車道偏移的范例。請(qǐng)參照?qǐng)D9，本實(shí)施例在判斷是否偏移車道線時(shí)，例如是通過(guò)分析左車道線L1與底邊Lbase的夾角Θ L以及左車道線L2與底邊Lbase的夾角θ R的變化，來(lái)判斷車輛是否偏移，此左車道線L1及右車道線L2與底邊Lbase的夾角Θ ^及θ κ均為
銳角。詳細(xì)判斷依據(jù)如下列公式(3)所示:
在左偏移，if (4 > Tl1Angle-1 & 4〈幾 Angle—2)
Framei = < 往右偏移，if (θκ >ThAngleJ 8lOl <ThAngle—2)(3)
正常狀態(tài)，else具體來(lái)說(shuō)，針對(duì)第i個(gè)畫(huà)面Framei，車道偏移判斷模塊54例如是將左車道線L1與底邊Lbase的夾角Θ ^以及右車道線L2與底邊Lbase的夾角θκ*別與夾角閾值Thitagle l及夾角閾值ThAngle 2比較。其中，當(dāng)左車道線L1的夾角Θ L大于夾角閾值ThAngle」，且右車道線L2的夾角Θ R小于夾角閾值ThAngle 2時(shí)，即判定為向左偏移；反之，當(dāng)右車道線L2的夾角Θ 1；大于夾角閾值ThAngle」，且左車道線L1的夾角Θ』、于夾角閾值ThAngle 2時(shí)，則判定為向右偏移。需說(shuō)明的是，上述實(shí)施例中僅采用最接近原始圖像的中線的左車道線及右車道線來(lái)判斷是否偏移車道的車道線。然而 ，在另一實(shí)施例中，也可以采用所判定的所有車道線(包括多條左車道線及多條右車道線)，而綜合判斷車輛是否偏移車道，在此不設(shè)限。舉例來(lái)說(shuō)，圖10是依照本發(fā)明一實(shí)施例所繪示的利用車道線角度判斷車道偏移的范例。請(qǐng)參照?qǐng)D10，本實(shí)施例在判斷車輛是否偏移車道線時(shí)，例如是通過(guò)分析左車道線L1及L2與底邊Lbase (或水平線)的夾角Θ u、Θ ^以及左車道線L3及L4與底邊Lbase (或水平線)的夾角ΘΚ1、ΘΚ2的變化，綜合判斷出車輛是否偏移車道線，而判斷結(jié)果則顯示于屏幕左上角，即正常(Normal)狀態(tài)。綜上所述，本發(fā)明的車道偏移警示方法及系統(tǒng)通過(guò)結(jié)合“圖像分割”及“梯度分析”，可以檢測(cè)出各種類型的車道線。此外，本發(fā)明的車道偏移檢測(cè)系統(tǒng)還可同時(shí)完成“車道線檢測(cè)”以及“車道偏移檢測(cè)”的需求，不需要分析連續(xù)畫(huà)面的變化，而僅由一張畫(huà)面即可判斷出車輛是否偏移。雖然本發(fā)明已以實(shí)施例公開(kāi)如上，然其并非用以限定本發(fā)明，本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作些許的更動(dòng)與潤(rùn)飾，故本發(fā)明的保護(hù)范圍當(dāng)視所附權(quán)利要求書(shū)所界定者為準(zhǔn)。
權(quán)利要求
1.一種車道偏移警示方法，適用于一電子裝置，該方法包括下列步驟: 分割一原始圖像為多個(gè)區(qū)域圖像； 分析各所述區(qū)域圖像的特性，據(jù)以刪除所述區(qū)域圖像中的至少一非車道線區(qū)域，獲得多個(gè)車道線候選區(qū)域； 根據(jù)各所述車道線候選區(qū)域在該原始圖像中的位置，由所述車道線候選區(qū)域中判定多條車道線； 區(qū)分所述車道線為至少一左車道線及至少一右車道線；以及 分析各所述左車道線及所述右車道線與一水平線的一夾角的變化，據(jù)以判斷該電子裝置是否偏移車道，并發(fā)出一車道偏移警示。
2.如權(quán)利要求1所述的車道偏移警示方法，其中分割該原始圖像為多個(gè)區(qū)域圖像的步驟包括: 計(jì)算該原始圖像中多個(gè)像素的像素值分布的一直方圖；以及 對(duì)該直方圖進(jìn)行一分群處理，并將該分群處理的結(jié)果還原到該原始圖像，以獲得所述區(qū)域圖像。
3.如權(quán)利要求1所述的車道偏移警示方法，其中分析各所述區(qū)域圖像的特性，據(jù)以刪除所述區(qū)域圖像中的所述非車道線區(qū)域，獲得所述車道線候選區(qū)域的步驟包括: 檢測(cè)各所述區(qū)域圖像中的多個(gè)車道標(biāo)記，并依據(jù)各所述車道標(biāo)記的一梯度值，分類所述車道標(biāo)記為一強(qiáng)邊緣、一弱邊緣或一非邊緣；以及 分析被歸類為該強(qiáng)邊 緣或該弱邊緣的車道標(biāo)記的至少一特性，據(jù)以刪除所述車道標(biāo)記中的非車道線區(qū)域，獲得所述車道線候選區(qū)域。
4.如權(quán)利要求3所述的車道偏移警示方法，其中依據(jù)各所述車道標(biāo)記的該梯度值，分類所述車道標(biāo)記為該強(qiáng)邊緣、該弱邊緣或該非邊緣的步驟包括: 針對(duì)不同種類的車道標(biāo)記，使用不同的多個(gè)梯度閾值區(qū)分所述車道標(biāo)記為該強(qiáng)邊緣、該弱邊緣或該非邊緣。
5.如權(quán)利要求3所述的車道偏移警示方法，其中分析被歸類為該強(qiáng)邊緣或該弱邊緣的車道標(biāo)記的所述特性，據(jù)以刪除所述車道標(biāo)記中的非車道線區(qū)域，獲得所述車道線候選區(qū)域的步驟包括: 計(jì)算各所述車道標(biāo)記的該寬度與該高度中的一最大值與一最小值的一第一比值； 計(jì)算各所述車道標(biāo)記所包括的一像素?cái)?shù)目除以該寬度及該高度的一第二比值； 判斷該第一比值是否大于一第一閾值以及該第二比值是否大于一第二閾值； 如果成立，判定該車道標(biāo)記為車道線候選區(qū)域；以及 如果不成立，判定該車道標(biāo)記為非車道線區(qū)域。
6.如權(quán)利要求5所述的車道偏移警示方法，其中分析被歸類為該強(qiáng)邊緣或該弱邊緣的車道標(biāo)記的特性，據(jù)以刪除所述車道標(biāo)記中的非車道線區(qū)域，獲得所述車道線候選區(qū)域的步驟還包括: 利用一連通區(qū)域標(biāo)記法標(biāo)記連通的車道標(biāo)記為同一車道標(biāo)記。
7.如權(quán)利要求1所述的車道偏移警示方法，其中根據(jù)各所述車道線候選區(qū)域在該原始圖像中的位置，由所述車道線候選區(qū)域中判定所述車道線的步驟包括: 使用一鏈碼(Chain-Code)檢測(cè)各所述車道線候選區(qū)域的一輪廓；分析所述車道線候選區(qū)域的輪廓，以找出多個(gè)直線區(qū)域；以及根據(jù)所述直線區(qū)域在該原始圖像中的位置，刪除所述直線區(qū)域中的至少一非車道區(qū)域，獲得所述車道線。
8.如權(quán)利要求1所述的車道偏移警示方法，其中區(qū)分所述車道線為所述左車道線及所述右車道線的步驟包括: 以該原始圖像的該底邊的一中點(diǎn)為基準(zhǔn)區(qū)分各所述車道線區(qū)域，其中 當(dāng)該車道線區(qū)域與該底邊的一交點(diǎn)在該中點(diǎn)左邊時(shí)，判定該車道線區(qū)域?yàn)樽筌嚨谰€；以及 當(dāng)該車道線區(qū)域與該底邊的該交點(diǎn)在該中點(diǎn)右邊時(shí)，判定該車道線區(qū)域?yàn)橛臆嚨谰€。
9.如權(quán)利要求1所述的車道偏移警示方法，其中分析各所述左車道線及所述右車道線與該水平線的該夾角的變化，據(jù)以判斷該電子裝置是否偏移車道的步驟包括: 將各所述左車道線與各所述右車道線的夾角分別與一第一夾角閾值及一第二夾角閾值比較； 當(dāng)該左車道線的夾角大于該第一夾角閾值，且該右車道線的夾角小于該第二夾角閾值時(shí)，判定為向左偏移；以及 當(dāng)該右車道線的夾角大于該第一夾角閾值，且該左車道線的夾角小于該第二夾角閾值時(shí)，判定為向右偏移。
10.如權(quán)利要求1所述的車道偏移警示方法，其中用以判斷該電子裝置是否偏移車道的車道線為最接近該原始圖像的一中線的左車道線及右車道線，且該左車道線及該右車道線的該夾角為一銳角。
11.一種車道偏移警不系統(tǒng)，包括: 一圖像分割模塊，分割一原始圖像為多個(gè)區(qū)域圖像； 一車道線區(qū)域檢測(cè)模塊，分析各所述區(qū)域圖像的特性，據(jù)以刪除所述區(qū)域圖像中的至少一非車道線區(qū)域，獲得多個(gè)車道線候選區(qū)域； 一車道線判定模塊，根據(jù)各所述車道線候選區(qū)域在該原始圖像中的位置，由所述車道線候選區(qū)域中判定多條車道線； 一車道偏移判斷模塊，區(qū)分所述車道線為至少一左車道線及至少一右車道線，分析各所述左車道線及右車道線與一水平線的一夾角的變化，據(jù)以判斷是否偏移車道；以及一警示模塊，當(dāng)車道偏移判斷模塊判斷偏移車道時(shí)，發(fā)出一車道偏移警示。
12.如權(quán)利要求11所述的車道偏移警示系統(tǒng)，其中該圖像分割模塊包括計(jì)算該原始圖像中多個(gè)像素的像素值分布的一直方圖，以及對(duì)該直方圖進(jìn)行一分群處理，并將該分群處理的結(jié)果還原到該原始圖像，以獲得所述區(qū)域圖像。
13.如權(quán)利要求11所述的車道偏移警示系統(tǒng)，其中該車道線區(qū)域檢測(cè)模塊包括: 一車道標(biāo)記檢測(cè)模塊，檢測(cè)各所述區(qū)域圖像中的多個(gè)車道標(biāo)記，并依據(jù)各所述車道標(biāo)記的一梯度值，分類所述車道標(biāo)記為一強(qiáng)邊緣、一弱邊緣或一非邊緣；以及 一車道標(biāo)記篩選模塊，分析被歸類為該強(qiáng)邊緣或該弱邊緣的車道標(biāo)記的至少一特性，據(jù)以刪除所述車道標(biāo)記中的非車道線區(qū)域，獲得所述車道線候選區(qū)域。
14.如權(quán)利要求13所述的車道偏移警示系統(tǒng)，其中該車道標(biāo)記檢測(cè)模塊還包括針對(duì)不同種類的車道標(biāo)記，使用不同的多個(gè)梯度閾值區(qū)分所述車道標(biāo)記為該強(qiáng)邊緣、該弱邊緣或該非邊緣。
15.如權(quán)利要求13所述的車道偏移警示系統(tǒng)，其中該車道標(biāo)記篩選模塊包括: 計(jì)算各所述車道標(biāo)記的該寬度與該高度中的一最大值與一最小值的一第一比值； 計(jì)算各所述車道標(biāo)記所包括的一像素?cái)?shù)目除以該寬度及該高度的一第二比值； 判斷該第一比值是否大于一第一閾值以及該第二比值是否大于一第二閾值； 如果成立，判定該車道標(biāo)記為車道線候選區(qū)域；以及 如果不成立，判定該車道標(biāo)記為非車道線區(qū)域。
16.如權(quán)利要求15所述的車道偏移警示系統(tǒng)，其中該車道標(biāo)記篩選模塊還包括利用一連通區(qū)域標(biāo)記法標(biāo)記連通的車道標(biāo)記為同一車道標(biāo)記。
17.如權(quán)利要求11所述的車道偏移警示系統(tǒng)，其中該車道線判定模塊包括使用一鏈碼(Chain-Code)檢測(cè)各所述車道線候選區(qū)域的一輪廓，分析所述車道線候選區(qū)域的輪廓，以找出多個(gè)直線區(qū)域，以及根據(jù)所述直線區(qū)域在該原始圖像中的位置，刪除所述直線區(qū)域中的至少一非車道區(qū)域，獲得所述車道線。
18.如權(quán)利要求11所述的車道偏移警示系統(tǒng)，其中該車道偏移判斷模塊包括以該原始圖像的該底邊的一中點(diǎn)為基準(zhǔn)區(qū)分各所述車道線區(qū)域，其中當(dāng)該車道線區(qū)域與該底邊的一交點(diǎn)在該中點(diǎn)左邊時(shí)，判定該車道線區(qū)域?yàn)樽筌嚨谰€，以及當(dāng)該車道線區(qū)域與該底邊的該交點(diǎn)在該中點(diǎn)右邊時(shí)，判定該車道線區(qū)域?yàn)橛臆嚨谰€。
19.如權(quán)利要求11所述的車道偏移警示系統(tǒng)，其中該車道偏移判斷模塊包括將各所述左車道線與各所述右車道線的夾角分別與一第一夾角閾值及一第二夾角閾值比較，其中當(dāng)該左車道線的夾角大于該第 一夾角閾值，且該右車道線的夾角小于該第二夾角閾值時(shí)，判定為向左偏移，以及當(dāng)該右車道線的夾角大于該第一夾角閾值，且該左車道線的夾角小于該第二夾角閾值時(shí)，判定為向右偏移。
20.如權(quán)利要求11所述的車道偏移警示系統(tǒng)，其中用以判斷是否偏移車道的車道線為最接近該原始圖像的一中線的左車道線及右車道線，且該左車道線及該右車道線與該水平線的夾角為一銳角。
全文摘要
一種車道偏移警示方法及系統(tǒng)。此方法是將原始圖像分割為多個(gè)區(qū)域圖像，接著分析各個(gè)區(qū)域圖像的特性，據(jù)以刪除所述區(qū)域圖像中的非車道線區(qū)域，獲得多個(gè)車道線候選區(qū)域。然后，根據(jù)各個(gè)車道線候選區(qū)域在原始圖像中的位置，由車道線候選區(qū)域中判定出多條車道線。最后，將所述車道線區(qū)分為左車道線及右車道線，并分析各個(gè)左車道線及右車道線與水平線的夾角的變化，據(jù)以判斷車輛是否偏移車道，而發(fā)出車道偏移警示。
文檔編號(hào)G06K9/46GK103117005SQ201210023179
公開(kāi)日2013年5月22日 申請(qǐng)日期2012年2月2日 優(yōu)先權(quán)日2011年11月16日
發(fā)明者吳易達(dá) 申請(qǐng)人:財(cái)團(tuán)法人工業(yè)技術(shù)研究院