知識文章
高曲率車道線暨單邊偵測技術
車輛中心 研究發展處 林泓邦
近年來隨著科技不斷發展,人們周遭的生活環境越來越多項目都朝著數位化前進,當然車輛產業也不例外,國內外車廠都不留餘力的在車聯網、能源系統、車用安全技術領域的開發,期待在未來的智慧型車輛可以給人們帶來更加安全以及便利的生活,影像的相關技術亦被應用於車輛安全系統中,例如車艙內異常駕駛者監控、艙外影像式車道線偵測、倒車障礙物偵測、前方防撞系統等所謂的智慧型先進駕駛輔助系統 (Advanced Driver Assistance Systems, ADAS),都是現今國內外積極開發的技術。
據統計資料顯示[1],因偏離車道而造成的碰撞事故,約佔所有事故的51%,屬於頻繁且嚴重的交通事故,故現今許多發展的車道偏移警示系統(LDW) 、車道維持系統(LKS)與車道跟隨系統(LFS)都是用來輔助駕駛者的行車安全,以預防車道偏離等事故發生,而發展這些系統的首要步驟就是必須具備車道線偵測功能,如圖一為車道偵測概念圖,綠色區域為安全的行駛空間。車輛中心以數位影像發展車道線偵測已逾10年,偵測車道線的功能由雙邊低曲率提升為單邊高曲率,因此系統更強健,更適合多變異的環境,也因應自動駕駛系統的道路感測需求。到底我們如何達到的呢!以下將進行說明:
![]() |
圖一 車道辨識系統 |
數位影像處理
與人腦不同,在電腦視覺中數位影像基本上是由「像素」(Pixel)所組成的,一張圖像由上到下、由左至右依序將像素一格一格填入,即可構成一張完整的圖片,而一張圖可以塞進多少的像素點則是所謂的「解析度」,以下圖二就是一個像素與解析度的範例,可以看到把其中一部分放大之後會呈現一格一格的鋸齒狀,每一格就是一個像素,當像素夠多時,人眼看起來就是一張連續且平滑的圖象。
![]() |
圖二 像素與解析度 |
此外,人眼看見的世界通常是具有五顏六色的,但對於影像處理而言這樣的圖像有太多不必要的資訊,反倒影響處理速度,所以通常進行影像處理時,會將影像轉為灰階圖(圖三左),灰階圖代表是影像的明暗變化,進而將這些明暗度轉成數值,方便開發者進行處理,例如二值化(圖三右)等。
![]() |
圖三 影像灰階及二值化 |
影像式車道線偵測方法
一張數位影像的明暗度可以從0(暗、黑)到255(亮、白),其目的是車道線偵測,無論是實線或者虛線,車道線是一種連續、綿延不斷的特殊標記,並且車道線的灰階值一般情況下通常會高於背景,如:柏油路、地板、雜草…等,圖四為此演算法的流程圖。
![]() |
圖四 車道線偵測演算法流程 |
偵測車道線的方法有許多,其中比較廣為使用的有霍夫曼搜尋法以及特徵點擬合法,前者是專門用來找直線的一種演算法,用在車道線偵測也非常適合,不過考慮到實際道路的路況不一定都是直線路段,這邊我們選擇使用特徵點擬合,對於具有高曲率彎道可以有比較良好的適應性。
由於影像是由像素組成的,並且電腦一次只能確認一個像素的灰階值,所以我們必須先找到車道線的像素位置,並且將其記錄下來,這些像素位置即是所謂的特徵點,若將影像中其中一個橫列的灰階值拿出來觀察,可以發現其中會有幾段明顯的波峰發生,這些波峰即是車道線的可能特徵點,再加上車道線寬度、鄰近對比度等濾除條件,即可萃取出需要的車道線特徵點,圖五為影像中某一列找到的特徵點示意圖,其中折線變化圖的兩個高峰值就是車道線的特徵點。
![]() |
圖五 車道線特徵點標記 |
在取得車道線上的所有特徵點之後,接著可對這些點利用線性迴歸進行分析與擬合(Fitting),回歸分析的用意在於尋找這些點的趨勢,有了趨勢便可以較精準的建立出最吻合實際車道線的車道模型來做擬合,以提供控制系統做後續的處理;而線性迴歸通常可以用最小平方法達成,數學上在一堆無序的點當中,可以用最小平方法找到一條最靠近所有點的數學方程式,可以是一條直線也可以是二次、三次方的多項式,找到這條方程式即是擬合的動作,下圖六為演算法的偵測畫面,可以找到兩條吻合的車道線結果。
![]() |
圖六 車道線偵測結果(曲率半徑R200模擬畫面) |
以現代人的習慣性而言一般容易認為最少需要有兩條的車道線才足以構成一個車道,大部分的確如此,但在實際道路上常常會發現車道線可能因為道路破損、汙漬、雜草等因素導致車道線不完整,此時車道線偵測的演算法可以忽略掉資訊太少的車道線,只抓取另一邊較完整的車道線(圖七),並建立單邊車道線模型,這樣的優點在於:在自動駕駛的領域中發生道路破損的情況時,依舊可以提供信心度高的資訊給或控制系統做決策,而不至於發生失效。
![]() |
圖七 單邊車道線偵測結果 |
結論
影像式的車道線偵測技術發展至今已非常成熟,不管在輔助駕駛還是自動車領域中都扮演著一個非常重要的角色,本系統高曲率車道線偵測的技術可以找到更符合實際道路狀況的車道模型,它提供了決策者(無論人或者控制系統)所謂的可行駛空間以及車身偏移的危險警示;而單車道線偵測則是最低限度的告訴駕駛者車道與車道線存在的位置,使系統於道路損毀或車道線遮蔽等嚴峻的道路環境下不會失效。在強健的高曲率車道線暨單邊偵測技術輔助下,車輛在道路上進行自動駕駛的計畫方能往前再邁進一步。
[1] Roadway Departure Safety, U.S. Department of Transportation Federal Highway Administration, 2013, Available: http://safety.fhwa.dot.gov/roadway_dept