• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    一種車道偏移警示方法及系統。此方法係將原始影像分割為多個區域影像，接著分析各個區域影像的特性，據以刪除這些區域影像中的非車道線區域，獲得多個車道線候選區域。然後，根據各個車道線候選區域在原始影像中的位置，由車道線候選區域中判定出多條車道線。最後，將這些車道線區分為左車道線及右車道線，並分析各個左車道線及右車道線與水平線的夾角的變化，據以判斷車輛是否偏移車道，而發出車道偏移警示。
    公开号:TW201322203A
    申请号:TW100141853
    申请日:2011-11-16
    公开日:2013-06-01
    发明作者:Yi-Ta Wu
    申请人:Ind Tech Res Inst；
    IPC主号:G06V20-00
    专利说明:
    車道偏移警示方法及系統
    本發明是有關於一種車道偏移警示方法及系統。
    車道偏移警示系統的研發主要包含「車道線偵測」以及「車道偏移偵測」兩個項目。雖然這個研究已經有十幾年的歷史，同時也有許多知名學者投入此領域的研究，但是其研究成果還有許多需要改進之處。
    現階段的車道線偵測演算法包含邊緣偵測(Edge Detection)以及直線偵測(Line Detection)兩部分，其應用為偵測人工的車道標記(Lane Marker)為主。其中，邊緣偵測是用來偵測車道標記的常用技巧之一，在許多邊緣偵測演算法中，索貝爾(Sobel)以及肯尼(Canny)邊緣偵測為常見的演算法。
    圖1(a1)至圖1(c2)繪示習知索貝爾及肯尼邊緣偵測的範例。其中，圖1(a1)及(a2)為原始影像；圖1(b1)及(b2)分別為對圖1(a1)及(a2)的原始影像進行索貝爾邊緣偵測所得的結果。其中，圖素的亮度表示邊緣的強度(顏色越亮，表示邊緣強度越強)，因此，在實際的應用上，還需要設定門檻值(threshold)將圖素分類成邊緣圖素(edge pixel)及非邊緣圖素(non-edge pixel)，以利車道偵測演算法的後續步驟，但是此一門檻值的設定是一個非常困難的工作。圖1(c1)及(c2)分別為對圖1(a1)及(a2)的原始影像進行肯尼邊緣偵測所得的結果，其中使用相同的肯尼邊緣偵測參數，但是由圖中可以發現，在不同的影像上，所偵測出來的邊緣數目多寡有明顯的差異。同時，在同一個畫面中，有些邊緣可以偵測出來，但是某些邊緣卻因為梯度(gradient)不明顯，所以無法偵測出來。
    傳統的邊緣偵測演算法，有許多需要改進的地方：第一、使用邊緣偵測方法，雖然可以將邊緣像素偵測出來，但是，所偵測出來的邊緣，僅僅是車道標記的邊緣，所以會造成空心線(即車道標記的中心部分被判斷為非邊緣像素)的現象，因此，還需要一些額外的步驟，以避免這些現象。第二、在同一張影片中，有些車道標記的亮度梯度變化強烈，因此可以很容易被偵測出來，但是對於那些亮度梯度變化不明顯的車道標記，此兩種常見的邊緣偵測演算法，便無法偵測出來。第三、為了能夠處理「短車道線」，傳統的邊緣偵測演算法需要額外的前處理步驟，以減少「短車道線」在偵測上的困擾，例如可使用影像重疊(image overlapping)技術，藉由疊合多張影像，以增長「短車道線」，如此一來，便可以減少錯誤偵測的問題。
    圖2(a)至圖2(e)繪示習知直線偵測方法的說明範例，這個範例也教示了習知霍氏轉換(Hough transform)偵測直線的技術。圖2(a)表示在二維空間中的點(x,y)，透過下面的公式(1)進行座標的轉換：
    w=xcos(Φ)+ysin(Φ)　(1)
    在座標轉換公式中，由於x、y為已知數，對每個不同的變數Φ(由0°到180°)，都可以計算出相對應w值，也就可以得到如圖2(b)的累積矩陣。因此，在xy空間中的每一個點，皆可以轉換為一條在wΦ空間中的曲線，而交點中的曲線數目，可以表示為xy座標中直線的邊緣點個數。圖2(c)為一原始圖形，圖2(d)為對圖2(e)實施邊緣偵測的結果。圖2(e)為對圖2(d)中的每個邊緣點，實施霍氏轉換後的累積矩陣結果。
    由圖2(e)中可以很清楚的發現有五個較亮的點(有最多曲線通過的點)，藉此判斷該圖片中有五條直線。雖然可以知道影像中的直線數目，但是無法進一步得知每條直線所對應的區域為何，這是霍氏轉換的一個致命的問題，因為在實際的環境中，霍氏轉換可以提供直線的資訊，但是無法進一步提供該直線是否為「非車道線」。
    圖3(a1)至圖3(c2)繪示習知霍氏轉換方法的說明範例。其中，圖3(a1)及(a2)為原始影像；圖3(b1)及(b2)分別為對圖3(a1)及(a2)的原始影像進行索貝爾邊緣偵測所得的結果；圖3(c1)及(c2)分別為對圖3(a1)及(a2)的原始影像進行肯尼邊緣偵測所得的結果。在畫面的上半部，有很明顯的邊緣像素，而霍氏轉換會進一步把這些邊緣判斷為直線的像素，但是確無法提供這些直線，其實是位於畫面的上半部，因此不可能為車道線。
    目前的車道偏移演算法需要分析多張連續畫面，藉此找到車道線的位移方向，進而判斷出車輛是否有偏移的情況。圖4(a1)至圖4(b3)繪示習知判斷車輛偏移的說明範例。其中，圖4(a1)、(a2)及(a3)為原始影像；圖4(b1)、(b2)及(b3)分別為針對圖4(a1)、(a2)及(a3)的原始影像進行車道線偵測的結果。藉由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方向。例如：在圖4(b1)、(b2)以及(b3)中，可以發現「左車道線」正在往右偏移(Wd_1<Wd_2<Wd_3)，換句話說，可以判斷車子正往左偏移。
    現行的車道偏移演算法，因為需要分析多張連續畫面才能判斷出車子的移動分向，因此，其車道偏移的偵測結果，必然會經過一定時間的延遲，這也是即時(real time)需求的一個重要問題。
    綜上所述，習知的車道線偵測演算法在車道線偵測方面，因為無法預測車道線與道路的顏色差距(梯度)程度，因此演算法中預設的參數便無法偵測出所有類型的車道線。此外，為了強化車道線的特性，往往需要重疊多張連續的畫面，以加長車道線的長度。最後，由於使用的直線偵測演算法，無法提供直線是否屬於車道線或是非車道線，因此傳統的車道偏移系統，需要一個手動設定的畫面，標示出可能的車道線區域，藉此濾掉非道路線。在車道偏移偵測方面，傳統的車道偏移系統需要分析連續畫面的變化，才能判斷車子是否偏移，如此一來，系統便無法即時通知駕駛有關車道偏移的資訊。
    有鑑於此，本發明提出一種車道偏移警示方法及系統，可以偵測出各種類型的車道線，並可僅由一張畫面便判斷出車輛是否偏移。
    本發明提出一種車道偏移警示方法，適用於電子裝置。此方法係將原始影像分割為多個區域影像，接著分析各個區域影像的特性，據以刪除這些區域影像中的至少一個非車道線區域，獲得多個車道線候選區域。然後，根據各個車道線候選區域在原始影像中的位置，由車道線候選區域中判定多條車道線。最後，將這些車道線區分為至少一個左車道線及至少一個右車道線，分析各個左車道線及右車道線與水平線的夾角的變化，據以判斷電子裝置是否偏移車道，並發出車道偏移警示。
    本發明提出一種車道偏移警示系統，其包括影像分割模組、車道線區域偵測模組、車道線判定模組、車道偏移判斷模組及警示模組。其中，影像分割模組係用以將原始影像分割為多個區域影像。車道線區域偵測模組係用以分析各個區域影像的特性，據以從這些區域影像中刪除非車道線區域，獲得多個車道線候選區域。車道線判定模組係根據各個車道線候選區域在原始影像中的位置，由車道線候選區域中判定多條車道線。車道偏移判斷模組，將所述車道線區分為左車道線及右車道線，並分析各條左車道線及右車道線與水平線的夾角變化，據以判斷是否偏移車道。警示模組係在車道偏移判斷模組判斷偏移車道時，發出車道偏移警示。
    基於上述，本發明之利用車道偏移警示方法及系統藉由結合快速影像分割的結果，可以偵測出各種類型的車道線，同時，本發明不需要分析連續畫面的變化，而可僅由一張畫面便判斷出車輛是否偏移。
    為讓本發明之上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
    本發明係針對原始影像進行影像分割，然後結合影像分割後的結果與梯度(gradient)分析以完成車道線區域偵測。本發明進一步分析上述各個車道線區域的特性，去除非車道線區域並判定車道線，最後再藉由左右車道線的角度變化判斷車輛是否偏移車道線並發出警示，達到車道偏移警示的效果。
    圖5是依照本發明一實施例所繪示之車道偏移警示系統的方塊圖。圖6是依照本發明一實施例所繪示之車道偏移警示方法的流程圖。請同時參照圖5及圖6，本實施例之警示系統50例如是配置在車輛上的行車電腦、導航裝置、行車記錄器等電子裝置，其包括影像分割模組51、車道線區域偵測模組52、車道線判定模組53、車道偏移判斷模組54及警示模組55。以下即搭配警示系統50中的各項元件說明本發明之車道偏移警示方法的詳細步驟：首先，由影像分割模組51接收外部輸入的原始影像，並將原始影像分割為多個區域影像(步驟S602)。其中，上述的原始影像例如是由配置在車輛上的照相機、攝影機或行車記錄器等影像擷取裝置所擷取的車輛前方的道路影像，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10做為判斷車輛是否偏離車道線的依據。上述的影像擷取裝置例如也可整合到警示系統50中，而達到隨拍即用、立即警示的功效。
    影像分割模組51所使用的影像分割技術例如是使用分群的方法，先計算原始影像中多個像素之像素值分佈的直方圖，然後再對此直方圖做分群處理，而將直方圖的分群結果還原到原始影像，藉以獲得分割後的區域影像，而達到影像區域化處理的需求。
    舉例來說，圖7(a)至(d)是依照本發明一實施例所繪示之影像分割的範例。其中，圖7(a)為警示系統所接收的原始影像。圖7(b)為依據圖7(a)之原始影像70中多個像素之像素值所產生的3D直方圖。圖7(c)為對圖7(b)實施分群演算法後所得的結果，例如分為A’、B’、C’三群。而根據直方圖分群後的結果，回推到原始影像70，便可以得到完成影像區域化的結果，即如圖7(d)所示的多個區域影像。其中，每個顏色代表單一個群集。
    回到圖5，接著由車道線區域偵測模組52分析上述各個區域影像的特性，據以將這些區域影像中的至少一個非車道線區域刪除，而獲得多個車道線候選區域(步驟S604)。其中，車道線區域偵測模組52例如可再區分為車道標記偵測單元522及車道標記篩選單元524。
    車道標記偵測單元522係用以偵測各個區域影像中的車道標記，並依據各個車道標記的梯度值，將這些車道標記分類為強邊緣(strong edge)、弱邊緣(soft edge)或非邊緣(non-edge)。詳言之，由於無法知道原始影像中的車道標記與道路的差異程度，因此無法使用單一的梯度門檻值來擷取原始影像中的所有道路標記。為了解決這個問題，本實施例將影像分割結果與梯度分析結合，藉以獲得車道線的偵測結果。
    詳言之，圖8是依照本發明一實施例所繪示之車道線區域偵測方法的流程圖。請參照圖8，本實施例係在接收到影像分割結果81後，偵測其中的道路標記，並將所偵測到的道路標記分成兩類：一類是屬於強邊緣的車道標記類別，另一類為弱邊緣的車道標記類別(步驟S802)。然後，在分析原始影像中像素間的梯度變化時，便可以針對影像分割結果81及原始影像82中不同的車道標記類別，使用不同的梯度門檻值來對區域影像進行梯度分析(步驟S804)，而將車道標記分成強邊緣83、弱邊緣84或非邊緣85三類，最終獲得車道線的偵測結果(步驟S806)。
    另一方面，車道標記篩選單元524係用以分析被歸類為強邊緣或弱邊緣之車道標記的至少一項特性，據以將車道標記中的至少一個非車道線區域刪除，以獲得車道線候選區域。詳言之，為了加速系統的效能，本實施例提供使用車道線候選區域判定的前處理步驟，藉以濾掉一些不可能為車道線的區域。
    舉例來說，圖9是依照本發明一實施例所繪示之車道線區域偵測的流程圖。請參照圖9，本實施例係在接收到車道線的偵測結果(步驟S902)之後，使用連通區域標記法(connected component labeling)標記所有的強邊緣及弱邊緣(步驟S904)，其中連通的車道標記均可標記為同一個車道標記。然後，藉由分析被歸類為強邊緣或弱邊緣之車道標記的特性，據以刪除不可能是車道線的區域，而獲得車道線候選區域(步驟S906)，其判斷例如下列公式(2)所示：
    其中，R i 為第i個區域，Wd(R i )以及Ht(R i )表示R i 的寬度以及高度，Size(R i )表示R i 的像素數目，ThWD以及ThSize為預設的門檻值。詳言之，本實施例係先計算各個車道標記的寬度Wd(R i )與高度Ht(R i )中的最大值與最小值的第一比值，接著則計算各個車道標記所包括的像素數目Size(R i )除以寬度Wd(R i )及高度Ht(R i )的第二比值。然後再判斷此第一比值是否大於門檻值ThWD以及第二比值是否大於門檻值ThSize。若上述判斷成立，即可判定該車道標記為車道線候選區域；反之，若不成立，則判定該車道標記為非車道線區域。
    回到圖5，接著由車道線判定模組53根據各個車道線候選區域在原始影像中的位置，由車道線候選區域中判定出多條車道線(步驟S606)。詳言之，傳統的車道線偵測演算法係先偵測出邊緣像素之後，再使用霍式轉換(Hough Transform)以偵測出畫面中的直線。但是，因為霍式轉換無法偵測出直線的實際位置，因此畫面上半部的邊緣像素將會嚴重造成車道線判定錯誤的情況。
    有鑑於此，本實施例的車道線判定主要是藉由車道線在原始影像中的位置資訊來判定車道線，以避免車道線誤判的情況。詳言之，圖10是依照本發明一實施例所繪示之車道線判定方法的流程圖。請參照圖10，本實施例係在接收到先前判斷的車道線候選區域(步驟S1002)後，先使用鏈碼(Chain-Code)偵測出各個車道線候選區域的輪廓(contour)(步驟S1004)，然後分析這些輪廓以找出直線區域(步驟S1006)。最後，根據這些直線區域在原始影像中的位置，在這些直線區域中刪除至少一個非車道區域，而獲得多條車道線(步驟S1008)。其中，本實施例例如是刪除道路上方的直線區域，藉以排除不可能是車道線的直線區域，而避免車道線判定錯誤的情況發生。
    需說明的是，除了藉由車道線的位置之外，本實施例還包括考慮車道線的斜率等其他條件，而綜合判斷出最後的車道線，在此不設限。
    回到圖5，在車道線判定模組53完成車道線的偵測後，接著則由車道偏移判斷模組54將所判定的車道線區分為至少一條左車道線及至少一條右車道線(步驟S608)，並分析各條左車道線及右車道線與水平線的夾角變化，據以判斷是警示系統50否偏移車道，並由警示模組55發出車道偏移警示(步驟S610)。
    詳言之，車道偏移判斷模組54在區分左右車道線時，例如是以原始影像之底邊的中點為基準來區分各個車道線區域，其中當車道線區域與上述底邊的交點在中點左邊時，即判定車道線區域為左車道線；反之，當車道線區域與上述底邊的交點在中點右邊時，則判定車道線區域為右車道線。
    此外，為了達到一個畫面便可以判斷車輛是否偏移的需求，本創作提出了一個依據「車道線角度」為判斷基礎的演算法。舉例來說，圖11是依照本發明一實施例所繪示之利用車道線角度判斷車道偏移的範例。請參照圖11，本實施例在判斷是否偏移車道線時，例如是藉由分析左車道線L 1 與底邊L base 的夾角θ L 以及左車道線L 2 與底邊L base 的夾角θ R 的變化，來判斷車輛是否偏移，此左車道線L 1 及右車道線L L base 的夾角θ L 及θ R 均為銳角。詳細判斷依據如下列公式(3)所示：
    詳言之，針對第i個畫面Frame i ，車道偏移判斷模組54例如是將左車道線L 1 與底邊L base 的夾角θ L 以及右車道線L 2 與底邊L base 的夾角θ R 分別與夾角門檻值ThAngle_ 1及夾角門檻ThAngle_2比較。其中，當左車道線L 1 的夾角θ L 大於夾角門檻值ThAngle_1，且右車道線L 2 的夾角θ R 小於夾角門檻值ThAngle_2時，即判定為向左偏移；反之，當右車道線L 2 的夾角θ R 大於夾角門檻值ThAngle_1，且左車道線L 1 的夾角θ L 小於夾角門檻值ThAngle_2時，則判定為向右偏移。
    需說明的是，上述實施例中僅採用最接近原始影像之中線的左車道線及右車道線來判斷是否偏移車道的車道線。然而，在另一實施例中，也可以採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，在此不設限。
    舉例來說，圖12是依照本發明一實施例所繪示之利用車道線角度判斷車道偏移的範例。請參照圖12，本實施例在判斷車輛是否偏移車道線時，例如是藉由分析左車道線L 1 及L 2 與底邊L base (或水平線)的夾角θ L 1、θ L 2，以及左車道線L 3 及L 4 與底邊L base (或水平線)的夾角θ R 1、θ R 2的變化，綜合判斷出車輛是否偏移車道線，而判斷結果則顯示於螢幕左上角，即正常(Normal)狀態。
    綜上所述，本發明之車道偏移警示方法及系統藉由結合「影像分割」及「梯度分析」，可以偵測出各種類型的車道線。此外，本發明的車道偏移偵測系統還可同時完成「車道線偵測」以及「車道偏移偵測」的需求，不需要分析連續畫面的變化，而僅由一張畫面即可判斷出車輛是否偏移。
    雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，故本發明之保護範圍當視後附之申請專利範圍所界定者為準。
    50．．．警示系統
    51．．．影像分割模組
    52．．．車道線區域偵測模組
    522．．．車道標記偵測單元
    524．．．車道標記篩選單元
    53．．．車道線判定模組
    54．．．車道偏移判斷模組
    55．．．警示模組
    70．．．原始影像
    81．．．影像分割結果
    82．．．原始影像
    83．．．強邊緣
    84．．．弱邊緣
    85．．．非邊緣
    A’、B’、C’．．．群組
    L 1 、L 2 、L 3 、L 4 ．．．右車道線
    L base ．．．底邊
    θ L 、θ R 、θ L 1、θ L 1、θ R 1、θ R 2．．．夾角
    S602~S610．．．本發明一實施例之車道偏移警示方法的步驟
    S802~S806．．．本發明一實施例之車道線區域偵測方法的步驟
    S902~S906．．．本發明一實施例之車道線區域偵測方法的步驟
    S1002~S1008．．．本發明一實施例之車道線判定方法的步驟
    圖1(a1)至圖1(c2)繪示習知索貝爾及肯尼邊緣偵測的範例。
    圖2(a)至圖2(e)繪示習知直線偵測方法的說明範例。
    圖3(a1)至圖3(c2)繪示習知霍氏轉換方法的說明範例。
    圖4(a1)至圖4(b3)繪示習知判斷車輛偏移的說明範例。
    圖5是依照本發明一實施例所繪示之車道偏移警示系統的方塊圖。
    圖6是依照本發明一實施例所繪示之車道偏移警示方法的流程圖。
    圖7(a)至(d)是依照本發明一實施例所繪示之影像分割的範例。
    圖8是依照本發明一實施例所繪示之車道線區域偵測方法的流程圖。
    圖9是依照本發明一實施例所繪示之車道線區域偵測方法的流程圖。
    圖10是依照本發明一實施例所繪示之車道線判定方法的流程圖。
    圖11是依照本發明一實施例所繪示之利用車道線角度判斷車道偏移的範例。
    圖12是依照本發明一實施例所繪示之利用車道線角度判斷車道偏移的範例。
    S602~S610．．．本發明一實施例之車道偏移警示方法的步驟
    权利要求:
    Claims (20)
    [1] 一種車道偏移警示方法，適用於一電子裝置，該方法包括下列步驟：分割一原始影像為多個區域影像；分析各該些區域影像的特性，據以刪除該些區域影像中的至少一非車道線區域，獲得多個車道線候選區域；根據各該些車道線候選區域在該原始影像中的位置，由該些車道線候選區域中判定多條車道線；區分該些車道線為至少一左車道線及至少一右車道線；以及分析各該至少一左車道線及至少一右車道線與一水平線的一夾角的變化，據以判斷該電子裝置是否偏移車道，並發出一車道偏移警示。
    [2] 如申請專利範圍第1項所述之車道偏移警示方法，其中分割該原始影像為多個區域影像的步驟包括：計算該原始影像中多個像素之像素值分佈的一直方圖；以及對該直方圖進行一分群處理，並將該分群處理的結果還原到該原始影像，以獲得該些區域影像。
    [3] 如申請專利範圍第1項所述之車道偏移警示方法，其中分析各該些區域影像的特性，據以刪除該些區域影像中的該至少一非車道線區域，獲得該些車道線候選區域的步驟包括：偵測各該些區域影像中的多個車道標記，並依據各該些車道標記的一梯度值，分類該些車道標記為一強邊緣、一弱邊緣或一非邊緣；以及分析被歸類為該強邊緣或該弱邊緣之該些車道標記的至少一特性，據以刪除該些車道標記中的該至少一非車道線區域，獲得該些車道線候選區域。
    [4] 如申請專利範圍第3項所述之車道偏移警示方法，其中依據各該些車道標記的該梯度值，分類該些車道標記為該強邊緣、該弱邊緣或該非邊緣的步驟包括：針對不同種類的該些車道標記，使用不同的多個梯度門檻值區分該些車道標記為該強邊緣、該弱邊緣或該非邊緣。
    [5] 如申請專利範圍第3項所述之車道偏移警示方法，其中分析被歸類為該強邊緣或該弱邊緣之該些車道標記的該至少一特性，據以刪除該些車道標記中的該至少一非車道線區域，獲得該些車道線候選區域的步驟包括：計算各該些車道標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；計算各該些車道標記所包括的一像素數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於一第一門檻值以及該第二比值是否大於一第二門檻值；若成立，判定該車道標記為車道線候選區域；以及若不成立，判定該車道標記為非車道線區域。
    [6] 如申請專利範圍第5項所述之車道偏移警示方法，其中分析被歸類為該強邊緣或該弱邊緣之該些車道標記的特性，據以刪除該些車道標記中的該至少一非車道線區域，獲得該些車道線候選區域的步驟更包括：利用一連通區域標記法標記連通的該些車道標記為同一車道標記。
    [7] 如申請專利範圍第1項所述之車道偏移警示方法，其中根據各該些車道線候選區域在該原始影像中的位置，由該些車道線候選區域中判定該些車道線的步驟包括：使用一鏈碼(Chain-Code)偵測各該些車道線候選區域的一輪廓；分析該些車道線候選區域的輪廓，以找出多個直線區域；以及根據該些直線區域在該原始影像中的位置，刪除該些直線區域中的至少一非車道區域，獲得該些車道線。
    [8] 如申請專利範圍第1項所述之車道偏移警示方法，其中區分該些車道線為該至少一左車道線及該至少一右車道線的步驟包括：以該原始影像之該底邊的一中點為基準區分各該些車道線區域，其中當該車道線區域與該底邊的一交點在該中點左邊時，判定該車道線區域為左車道線；以及當該車道線區域與該底邊的該交點在該中點右邊時，判定該車道線區域為右車道線。
    [9] 如申請專利範圍第1項所述之車道偏移警示方法，其中分析各該至少一左車道線及該至少一右車道線與該水平線的該夾角的變化，據以判斷該電子裝置是否偏移車道的步驟包括：將各該至少一左車道線與各該至少一右車道線的夾角分別與一第一夾角門檻值及一第二夾角門檻比較；當該左車道線的夾角大於該第一夾角門檻值，且該右車道線的夾角小於該第二夾角門檻值時，判定為向左偏移；以及當該右車道線的夾角大於該第一夾角門檻值，且該左車道線的夾角小於該第二夾角門檻值時，判定為向右偏移。
    [10] 如申請專利範圍第1項所述之車道偏移警示方法，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影像之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] 一種車道偏移警示系統，包括：一影像分割模組，分割一原始影像為多個區域影像；一車道線區域偵測模組，分析各該些區域影像的特性，據以刪除該些區域影像中的至少一非車道線區域，獲得多個車道線候選區域；一車道線判定模組，根據各該些車道線候選區域在該原始影像中的位置，由該些車道線候選區域中判定多條車道線；一車道偏移判斷模組，區分該些車道線為至少一左車道線及至少一右車道線，分析各該至少一左車道線及至少一右車道線與一水平線的一夾角的變化，據以判斷是否偏移車道；以及一警示模組，當車道偏移判斷模組判斷偏移車道時，發出一車道偏移警示。
    [12] 如申請專利範圍第11項所述之車道偏移警示系統，其中該影像分割模組包括計算該原始影像中多個像素之像素值分佈的一直方圖，以及對該直方圖進行一分群處理，並將該分群處理的結果還原到該原始影像，以獲得該些區域影像。
    [13] 如申請專利範圍第11項所述之車道偏移警示系統，其中該車道線區域偵測模組包括：一車道標記偵測模組，偵測各該些區域影像中的多個車道標記，並依據各該些車道標記的一梯度值，分類該些車道標記為一強邊緣、一弱邊緣或一非邊緣；以及一車道標記篩選模組，分析被歸類為該強邊緣或該弱邊緣之該些車道標記的至少一特性，據以刪除該些車道標記中的該至少一非車道線區域，獲得該些車道線候選區域。
    [14] 如申請專利範圍第13項所述之車道偏移警示系統，其中該車道標記偵測模組更包括針對不同種類的該些車道標記，使用不同的多個梯度門檻值區分該些車道標記為該強邊緣、該弱邊緣或該非邊緣。
    [15] 如申請專利範圍第13項所述之車道偏移警示系統，其中該車道標記篩選模組包括：計算各該些車道標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；計算各該些車道標記所包括的一像素數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於一第一門檻值以及該第二比值是否大於一第二門檻值；若成立，判定該車道標記為車道線候選區域；以及若不成立，判定該車道標記為非車道線區域。
    [16] 如申請專利範圍第15項所述之車道偏移警示系統，其中該車道標記篩選模組更包括利用一連通區域標記法標記連通的該些車道標記為同一車道標記。
    [17] 如申請專利範圍第11項所述之車道偏移警示系統，其中該車道線判定模組包括使用一鏈碼(Chain-Code)偵測各該些車道線候選區域的一輪廓，分析該些車道線候選區域的輪廓，以找出多個直線區域，以及根據該些直線區域在該原始影像中的位置，刪除該些直線區域中的至少一非車道區域，獲得該些車道線。
    [18] 如申請專利範圍第11項所述之車道偏移警示系統，其中該車道偏移判斷模組包括以該原始影像之該底邊的一中點為基準區分各該些車道線區域，其中當該車道線區域與該底邊的一交點在該中點左邊時，判定該車道線區域為左車道線，以及當該車道線區域與該底邊的該交點在該中點右邊時，判定該車道線區域為右車道線。
    [19] 如申請專利範圍第11項所述之車道偏移警示系統，其中該車道偏移判斷模組包括將各該至少一左車道線與各該至少一右車道線的夾角分別與一第一夾角門檻值及一第二夾角門檻比較，其中當該左車道線的夾角大於該第一夾角門檻值，且該右車道線的夾角小於該第二夾角門檻值時，判定為向左偏移，以及當該右車道線的夾角大於該第一夾角門檻值，且該左車道線的夾角小於該第二夾角門檻值時，判定為向右偏移。
    [20] 如申請專利範圍第11項所述之車道偏移警示系統，其中用以判斷是否偏移車道的車道線為最接近該原始影像之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。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI438729B|2014-05-21|車道偏移警示方法及系統
    CN106709436B|2020-04-24|面向轨道交通全景监控的跨摄像头可疑行人目标跟踪系统
    TWI409718B|2013-09-21|移動中車輛之車牌定位方法
    US8660349B2|2014-02-25|Screen area detection method and screen area detection system
    JP2013065304A|2013-04-11|高速障害物検出
    WO2015089867A1|2015-06-25|一种交通违章检测方法
    TW201324383A|2013-06-16|基於視訊分析的物件計數方法與裝置
    JP2008046903A|2008-02-28|対象個数検出装置および対象個数検出方法
    Zhang et al.2014|A multi-feature fusion based traffic light recognition algorithm for intelligent vehicles
    CN104318225A|2015-01-28|车牌检测方法及装置
    Aminuddin et al.2017|A new approach to highway lane detection by using Hough transform technique
    Gao et al.2008|Vehicle detection based on color and edge information
    Azad et al.2013|A novel and robust method for automatic license plate recognition system based on pattern recognition
    Xia et al.2015|Vehicles overtaking detection using RGB-D data
    US10586321B2|2020-03-10|Automatic detection, counting, and measurement of lumber boards using a handheld device
    US11216905B2|2022-01-04|Automatic detection, counting, and measurement of lumber boards using a handheld device
    US9846949B2|2017-12-19|Determine the shape of a representation of an object
    CN103680148B|2016-05-25|一种出租车识别方法
    Wennan et al.2006|Lane detection in some complex conditions
    JP6218514B2|2017-10-25|歩行者検出装置及び交通制御システム
    Abdagic et al.2010|Counting traffic using optical flow algorithm on video footage of a complex crossroad
    Chen et al.2021|A computer vision algorithm for locating and recognizing traffic signal control light status and countdown time
    EP3872707A1|2021-09-01|Automatic detection,counting, and measurement of lumber boards using a handheld device
    CN112149622B|2022-02-18|一种铁路道岔识别方法和系统
    KR20160079511A|2016-07-06|주차구획 인식 장치 및 방법
    同族专利:
    公开号 | 公开日
    CN103117005B|2015-12-02|
    US8902053B2|2014-12-02|
    TWI438729B|2014-05-21|
    CN103117005A|2013-05-22|
    US20130120125A1|2013-05-16|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    TWI621073B|2016-12-08|2018-04-11||Road lane detection system and method thereof|JP3522317B2|1993-12-27|2004-04-26|富士重工業株式会社|車輌用走行案内装置|
    JP3246243B2|1994-12-26|2002-01-15|いすゞ自動車株式会社|車線逸脱警報装置|
    JP3603768B2|2000-09-06|2004-12-22|日産自動車株式会社|車線逸脱判定装置|
    JP4016735B2|2001-11-30|2007-12-05|株式会社日立製作所|レーンマーク認識方法|
    TWI228086B|2003-12-03|2005-02-21|Ind Tech Res Inst|Lane departure warning device and method of forming the same|
    JP4291741B2|2004-06-02|2009-07-08|トヨタ自動車株式会社|車線逸脱警報装置|
    JP4534754B2|2004-12-21|2010-09-01|日産自動車株式会社|車線逸脱防止装置|
    JP4616046B2|2005-03-22|2011-01-19|本田技研工業株式会社|車両用画像処理システム、車両用画像処理方法、車両用画像処理プログラム、及び車両|
    JP4603421B2|2005-05-27|2010-12-22|本田技研工業株式会社|車両、画像処理システム、画像処理方法、及び画像処理プログラム|
    TWI270827B|2005-06-29|2007-01-11|Jau-Shiang Wang|Traffic lane recognition system and traffic lane deviation warning device with traffic lane recognition system and method of forming the same|
    CN100403332C|2006-11-02|2008-07-16|东南大学|用于车道偏离报警的车道线鲁棒识别方法|
    TWI320547B|2006-11-30|2010-02-11|Ind Tech Res Inst|Method for adjusting and calibrating region of interest for imaging processing and vehicle safety warning system using thereof|
    CN101202905A|2006-12-11|2008-06-18|财团法人工业技术研究院|影像调整校正方法及使用所述方法的车辆安全警示系统|
    KR100941271B1|2007-03-30|2010-02-11|현대자동차주식회사|자동차용 차선이탈 방지 방법|
    TWI334517B|2007-08-30|2010-12-11|Ind Tech Res Inst|Method for predicting lane line and lane departure warning system using the same|
    TWI337144B|2007-11-30|2011-02-11|Automotive Res & Testing Ct||
    TWI384418B|2009-11-11|2013-02-01|Ind Tech Res Inst|採用區域架構之影像處理方法及系統|
    CN101804814B|2010-01-08|2012-10-31|北京世纪高通科技有限公司|一种确定车道偏离的方法、装置和系统|US20130202155A1|2012-02-03|2013-08-08|Gopal Gudhur Karanam|Low-cost lane marker detection|
    JP6328369B2|2012-11-27|2018-05-23|クラリオン株式会社|車載用制御装置|
    CN103440785B|2013-08-08|2015-08-05|华南师范大学|一种快速的车道偏移警示方法|
    CN104648397B|2013-11-19|2017-05-17|沙漠科技股份有限公司|车道偏移警示系统及方法|
    KR101502511B1|2013-11-28|2015-03-13|현대모비스 주식회사|가상 차선 생성 장치와 방법 및 상기 장치를 구비하는 차선 유지 제어 시스템|
    US9747507B2|2013-12-19|2017-08-29|Texas Instruments Incorporated|Ground plane detection|
    CN104742912B|2013-12-27|2017-08-04|比亚迪股份有限公司|车道偏移检测方法和装置|
    CN103871243A|2014-04-16|2014-06-18|武汉欧普威科技有限公司|基于主动安全平台的无线车辆管理系统及方法|
    CN104008645B|2014-06-12|2015-12-09|湖南大学|一种适用于城市道路车道线预测及预警方法|
    KR102310286B1|2014-11-07|2021-10-07|현대모비스 주식회사|특정물체 감지 장치 및 특정물체 감지 방법|
    CN105674992A|2014-11-20|2016-06-15|高德软件有限公司|一种导航方法及装置|
    CN106157283A|2015-04-01|2016-11-23|株式会社理光|道路分割物的检测方法和装置|
    CN105046198B|2015-06-12|2018-07-06|上海修源网络科技有限公司|一种车道检测方法|
    JP2019509534A|2016-01-05|2019-04-04|モービルアイ ビジョン テクノロジーズ リミテッド|将来経路を推定するシステム及び方法|
    TWI609807B|2016-05-17|2018-01-01|緯創資通股份有限公司|影像評估方法以及其電子裝置|
    CN106407893B|2016-08-29|2019-11-22|东软集团股份有限公司|一种检测车道线的方法、装置和设备|
    CN107886729B|2016-09-30|2021-02-23|比亚迪股份有限公司|车辆识别方法、装置及车辆|
    CN107886030A|2016-09-30|2018-04-06|比亚迪股份有限公司|车辆识别方法、装置及车辆|
    CN106886217B|2017-02-24|2020-09-08|深圳中智卫安机器人技术有限公司|自主导航控制方法和装置|
    US10503172B2|2017-10-18|2019-12-10|Luminar Technologies, Inc.|Controlling an autonomous vehicle based on independent driving decisions|
    CN107972574A|2017-11-26|2018-05-01|南通尚力机电工程设备有限公司|一种汽车转向灯回调方法|
    CN107963012A|2017-11-26|2018-04-27|南通尚力机电工程设备有限公司|一种汽车转向灯回调系统|
    CN108216024A|2017-12-14|2018-06-29|浙江鼎奕科技发展有限公司|一种车道偏离预警系统及其方法|
    WO2020146980A1|2019-01-14|2020-07-23|京东方科技集团股份有限公司|车道线识别方法、车道线识别装置以及非易失性存储介质|
    法律状态:
    优先权:
    申请号 | 申请日 | 专利标题
    TW100141853A|TWI438729B|2011-11-16|2011-11-16|車道偏移警示方法及系統|TW100141853A| TWI438729B|2011-11-16|2011-11-16|車道偏移警示方法及系統|
    CN201210023179.3A| CN103117005B|2011-11-16|2012-02-02|车道偏移警示方法及系统|
    US13/424,378| US8902053B2|2011-11-16|2012-03-20|Method and system for lane departure warning|
    [返回顶部]