本發(fā)明涉及一種車道線的偵測系統(tǒng)與方法，尤其是一種利用算法及影像畫面處理，對道路上的車道線進行預(yù)測的道路車道線的偵測系統(tǒng)及其方法。

背景技術(shù)：

隨著車輛的普及，在道路上行駛的車輛容易匯集成相當(dāng)龐大的車流量，眾多車輛同時在道路上形成了潛在危機。根據(jù)統(tǒng)計，由于駕駛者在開車時因各種原因造成車輛偏移車道而導(dǎo)致的碰撞事故，占了所有交通事故的51％，屬于頻繁且嚴(yán)重的交通事故。

因此，目前已經(jīng)逐漸發(fā)展出許多與駕駛車輛相關(guān)的技術(shù)及產(chǎn)品，例如發(fā)展至今的車道偏移警示系統(tǒng)(lanedeparturewarning，ldw)、車道維持系統(tǒng)(lanekeepingsupport，lks)與車道跟隨系統(tǒng)(lanefollowingsystem，lfs)，皆是用于輔助駕駛的行車安全，并且可以預(yù)防事故的發(fā)生，上述這些系統(tǒng)皆需使用車道線辨識的算法。在一般的車道線辨識方法中，主要是利用車用攝影機擷取影像畫面，利用處理器將影像畫面上所有車道線的特征點進行擬合，這種做法容易受到噪聲點以及遠(yuǎn)程特征點不清楚影響，例如實際道路的兩條車道線中，有一條車道線因毀損或被遮蔽而不清楚，使得處理器不能有效擬合出車道線擬合模型，或是遠(yuǎn)程的車道線因為距離遠(yuǎn)，在影像畫面上較為不清楚，也不容易進行特征點的識別，進而導(dǎo)致擬合效果不佳。

因此，針對現(xiàn)有的車道線辨識方法的不足，本發(fā)明發(fā)展出一種最少利用一條車道線，以及影像畫面中較近車道線的特征點，再結(jié)合算法及可預(yù)測出完整車道線的道路車道線的偵測系統(tǒng)及其方法，以有效克服上述現(xiàn)有技術(shù)存在的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的主要目的在于提供一種道路車道線的偵測系統(tǒng)及其方法，在道路狀況不佳的車道上，例如其中一條車道線毀損或是被物體遮蔽時，也能有效辨識出另一條車道線，以及在影像畫面中先辨識畫面中下方的車道線的特征點，進而預(yù)測出整條車道線，一來可以節(jié)省辨識時間，二來通過完整預(yù)測，可以偵測出整條車道線，也能清楚規(guī)劃出遠(yuǎn)方不易辨識的車道線，提高遠(yuǎn)程車道擬合的精確性及算法效能。

本發(fā)明的另一目的在于提供一種道路車道線的偵測系統(tǒng)及其方法，利用清楚的辨識車道線，可以應(yīng)用在車道偏移上，進而對于車道偏移警示系統(tǒng)、車道維持系統(tǒng)或車道跟隨系統(tǒng)產(chǎn)生更高效能的應(yīng)用，當(dāng)駕駛者分心而造成車輛偏移時也可以給予警示作用，或是安裝在車輛自主巡航系統(tǒng)，達到自動駕駛的目的。

為了達到上述目的，本發(fā)明提供了一種道路車道線的偵測方法，包含以下步驟：先擷取車輛前方的影像畫面數(shù)據(jù)，接著從影像畫面數(shù)據(jù)的最下方開始，往上逐漸取出一條或兩條車道線所轉(zhuǎn)換的多個特征值，然后處理這些特征值以在影像畫面數(shù)據(jù)中產(chǎn)生一條或兩條預(yù)測車道線，最后利用這一條或兩條預(yù)測車道線動態(tài)預(yù)測影像畫面數(shù)據(jù)中完整的一條或兩條車道線，藉此形成車道線預(yù)測模型。

另外，本發(fā)明亦提供一種道路車道線的偵測系統(tǒng)，包含至少一影像捕獲設(shè)備，用于擷取出車輛前方的影像并產(chǎn)生出影像畫面數(shù)據(jù)，影像捕獲設(shè)備再將影像畫面數(shù)據(jù)傳輸至處理裝置中，使處理裝置自影像畫面數(shù)據(jù)下方往上逐漸將一條或兩條車道線轉(zhuǎn)換成多個特征值，處理裝置再處理這些特征值，以在影像畫面數(shù)據(jù)中形成一條或兩條預(yù)測車道線，利用這預(yù)測車道線可以動態(tài)預(yù)測影像畫面數(shù)據(jù)中完整的一條或兩條車道線，以形成一車道線預(yù)測模型，處理裝置可以利用車道線預(yù)測模型判斷車輛行進時是否產(chǎn)生偏移，并且將影像畫面數(shù)據(jù)及車道線預(yù)測模型傳輸至一顯示設(shè)備中顯示，當(dāng)車輛進行偏移時利用顯示設(shè)備進行警示。

在本發(fā)明中，處理特征值所形成的斜率，以在影像畫面數(shù)據(jù)中產(chǎn)生預(yù)測車道線的步驟中，還包含以下步驟：先判斷這些特征值所形成的斜率變化量是否快速收斂，以得知所產(chǎn)生的預(yù)測車道線是直線型還是彎曲型。

在本發(fā)明中，影像畫面數(shù)據(jù)以多個縱橫交錯的縱軸、橫軸區(qū)分出點坐標(biāo)，利用灰階、二值化、噪聲處理及特征分析后，將車道線轉(zhuǎn)換成特征值，再自影像畫面數(shù)據(jù)下方對應(yīng)車道線的點坐標(biāo)中往上取出特征值。

在本發(fā)明中，利用一方程式計算特征值所形成的斜率，以及特征值在影像畫面數(shù)據(jù)中的縱軸及橫軸點坐標(biāo)位置，以計算出一條或兩條預(yù)測車道線，以形成車道線預(yù)測模型，之后利用車道線預(yù)測模型在影像畫面中取出感興趣區(qū)域及進行車道偏移警示。

下面通過具體實施例詳加說明，當(dāng)更容易了解本發(fā)明的目的、技術(shù)內(nèi)容、特點及其所達成的功效。

附圖說明

圖1為本發(fā)明道路車道線的偵測系統(tǒng)的方塊示意圖；

圖2為本發(fā)明中影像畫面數(shù)據(jù)的影像示意圖；

圖3為本發(fā)明道路車道線的偵測方法的步驟流程圖；

圖4為本發(fā)明取出車道線所轉(zhuǎn)換的特征值的影像示意圖；

圖5為本發(fā)明對影像畫面數(shù)據(jù)產(chǎn)生橫軸、縱軸的坐標(biāo)軸的影像示意圖；

圖6為本發(fā)明利用特征值產(chǎn)生預(yù)測車道線的影像示意圖；

圖7為本發(fā)明利用預(yù)測車道線預(yù)測完整車道線的影像示意圖；

圖8為本發(fā)明圖3步驟s14中的判斷特征值的斜率變化量的步驟流程圖；

圖9為本發(fā)明產(chǎn)生直線預(yù)測車道線的影像示意圖；

圖10為本發(fā)明產(chǎn)生單一預(yù)測車道線的影像示意圖。

附圖標(biāo)記說明：10-偵測系統(tǒng)；12-影像捕獲設(shè)備；14-處理裝置；16-顯示設(shè)備；18-車身信號接收裝置；20-影像畫面數(shù)據(jù)；202、202a、202b-車道線；204、204a-預(yù)測車道線；208-特征值。

具體實施方式

通過本發(fā)明可以辨識出車道線的曲率以及預(yù)測出車道線模型，即使僅結(jié)合一條車道線也能進行車道線的偵測，并可以達到車道偏移警示系統(tǒng)、車道維持系統(tǒng)及車道跟隨系統(tǒng)的影像辨識功能，最終還可以達到輔助駕駛及車輛自主巡航的功能。

首先，如圖1所示，一種道路車道線的偵測系統(tǒng)10安裝于車輛上，并包含至少一影像捕獲設(shè)備12、一處理裝置14、一顯示設(shè)備16及一車身信號接收裝置18，處理裝置14連接至少一影像捕獲設(shè)備12、顯示設(shè)備16及車身信號接收裝置18。在本實施例中影像捕獲設(shè)備12為車用攝影機，處理裝置14為微控制器(microcontrollerunit，mcu)，顯示設(shè)備16為液晶屏幕，連接方式可為有線方式或無線方式，上述為本發(fā)明的實施例說明，不以此技術(shù)說明為發(fā)明的限制。

承接上段，如圖2所示，影像捕獲設(shè)備12擷取車輛前方的影像，以產(chǎn)生一影像畫面數(shù)據(jù)20，影像捕獲設(shè)備12可將影像畫面數(shù)據(jù)20傳輸至處理裝置14，處理裝置14自影像畫面數(shù)據(jù)20的最下方開始，再逐漸往上將一條或兩條車道線202轉(zhuǎn)換為多個特征值，處理裝置14處理這些特征值，并在影像畫面數(shù)據(jù)20中產(chǎn)生一條或兩條預(yù)測車道線204，同時利用這一條或兩條預(yù)測車道線204動態(tài)預(yù)測影像畫面數(shù)據(jù)20中完整的一條或兩條車道線202，利用影像畫面數(shù)據(jù)20中預(yù)測車道線204動態(tài)預(yù)測可以形成一車道線預(yù)測模型。車身信號接收裝置18自車輛中所接收的車速信號、方向盤轉(zhuǎn)動信號或是轉(zhuǎn)速信號，再將這些信號傳輸至處理裝置14中，處理裝置14則利用車道線預(yù)測模型及車速信號、方向盤轉(zhuǎn)動信號或是轉(zhuǎn)速信號，來判斷車輛在行進時是否偏移，同時，處理裝置14亦將影像畫面數(shù)據(jù)20及車道線預(yù)測模型傳輸至顯示設(shè)備16中顯示，當(dāng)判斷車輛進行偏移時，顯示設(shè)備16會進行警示，例如顯示設(shè)備16的畫面中產(chǎn)生警示信息或是顯示設(shè)備16可以發(fā)出警示聲響。

為了更進一步地了解本發(fā)明如何以道路車道線的偵測系統(tǒng)進行車道線的辨識或預(yù)測，如圖1、圖3及圖4所示，在此以一個影像捕獲設(shè)備12為例說明本發(fā)明道路車道線的偵測方法。首先，如步驟s10所示，利用影像捕獲設(shè)備12擷取車輛前方的影像畫面數(shù)據(jù)20，接著進入到下一步驟。如步驟s12所示，處理裝置14會自影像畫面數(shù)據(jù)20下方逐漸往上以依序取出一條或兩條車道線202所轉(zhuǎn)換的多個特征值208，在本實施例中先以正常道路為例說明，因此會取出兩條車道線202，接著如圖5所示，在處理裝置14中會將影像畫面數(shù)據(jù)20分割成多個縱軸及多個橫軸，利用這些縱軸、橫軸交錯以在影像畫面數(shù)據(jù)20中區(qū)分出多個點坐標(biāo)，接著處理裝置14再對影像畫面數(shù)據(jù)20進行處理以轉(zhuǎn)換出多個特征值208，例如運用灰階(grayscale)的方式對影像畫面數(shù)據(jù)20中的每一像素進行顏色采樣，接著使用二值化的方式把灰階的圖像作分割，找出大于及小于臨界灰度值的像素，再從影像畫面數(shù)據(jù)20進行噪聲處理，消除不必要的噪聲點，以及最后利用車道線202的特征分析，將兩條車道線202轉(zhuǎn)換成多個特征值208，同時對照影像畫面數(shù)據(jù)20，從下方開始對應(yīng)兩條車道線202在影像畫面數(shù)據(jù)20的坐標(biāo)軸中取出這些特征值208的點坐標(biāo)。

承接上段，如步驟s14所示，如圖6所示，處理裝置14取出特征值208后，這些特征值208的排列緊密，使得這些特征值208的排列接近成一條線，因此處理裝置14會利用這些特征值208，在影像畫面數(shù)據(jù)20中產(chǎn)生出兩條預(yù)測車道線204，利用這些特征值208所形成的斜率、特征值208在影像畫面數(shù)據(jù)20中的縱軸及橫軸的點坐標(biāo)位置，再搭配公式(1)的計算：

y＝ax²+bx+c(1)

其中，參數(shù)y代表縱軸的點坐標(biāo)，參數(shù)x代表橫軸的點坐標(biāo)，參數(shù)a代表預(yù)測車道線204的曲率，參數(shù)b代表這些特征值208所形成的斜率，參數(shù)c代表平移量。如圖7所示，搭配公式(1)的計算以分別產(chǎn)生兩條預(yù)測車道線204。如步驟s16所示，處理裝置14可以利用兩條預(yù)測車道線204推敲出實際的兩條車道線202，同時兩條預(yù)測車道線204也可以偵測出更遠(yuǎn)程的兩條車道線202，以清楚在影像畫面數(shù)據(jù)20中顯示出遠(yuǎn)程的車道線202，而這兩條預(yù)測車道線204在影像畫面數(shù)據(jù)20中形成一車道線預(yù)測模型，并且依照車輛的移動可以實時動態(tài)預(yù)測出車輛前方的兩條車道線202。如步驟s18所示，處理裝置14利用兩條預(yù)測車道線204形成車道線預(yù)測模型后，即可在影像畫面數(shù)據(jù)20中，搭配動態(tài)的車道線預(yù)測模型取出感興趣區(qū)域(regionofinterest，roi)，本發(fā)明不限制感興趣區(qū)域的位置及范圍，可依照使用者需求而設(shè)定。如步驟s20所示，因此，處理裝置14可以利用動態(tài)的車道線預(yù)測模型以及車速信號、方向盤轉(zhuǎn)動信號或是轉(zhuǎn)速信號，對車輛作出車道偏移的警示。

在上述的實施例中，利用公式(1)所偵測出的道路是彎曲的道路，而一般實際道路除了彎曲道路也會有直線道路，在此更進一步的說明本發(fā)明如何快速判斷兩種不同的道路路線，如圖8及圖9所示，并請一并參照圖1，圖8在圖3的步驟s14中，還可包含判斷車道線為直線或彎曲線的步驟。如步驟s142所示，處理裝置14利用這些特征值208判斷，從這些特征值208所形成的斜率變化量中，得知斜率變化量是否快速收斂，在此所指出的快速收斂為當(dāng)斜率的變化量超過某一臨界點，隨后斜率不再產(chǎn)生明顯的改變，因此，若斜率變化量是快速收斂則進行下一步驟。如步驟s144所示，因為所擷取出的特征值208所產(chǎn)生的斜率并未有明顯的改變，很快的就進行收斂，此時在影像畫面數(shù)據(jù)20中所產(chǎn)生的兩條預(yù)測車道線204則為直線。再回到步驟s142中，當(dāng)判斷出這些特征值208的斜率變化量并非快速收斂時，且此時擷取出的特征值208所形成的斜率，經(jīng)計算后無法立即超過某一臨界值，例如臨界值會出現(xiàn)在影像畫面數(shù)據(jù)20較遠(yuǎn)方的位置才開始進行收斂，才會進入到步驟s146。如步驟s146所示，并請同時參照圖7，在影像畫面數(shù)據(jù)20中遠(yuǎn)離車輛遠(yuǎn)方的遠(yuǎn)程車道線202位置才會進行收斂，使得遠(yuǎn)方的車道線202逐漸形成一橫直線，不再產(chǎn)生明顯的改變時，才使得所產(chǎn)生的兩條預(yù)測車道線204為彎曲的并收斂在影像畫面數(shù)據(jù)20的上方。

在以上的實施例中，皆是以正常道路做為實施例說明，一旦出現(xiàn)車輛前方的道路有問題時，如圖10所示，倘若影像捕獲設(shè)備12所擷取的右邊車道線202b有部分不正常時，處理裝置14仍然依照左邊的車道線202a取出特征值，并產(chǎn)生一預(yù)測車道線204a，同時利用這預(yù)測車道線204a動態(tài)預(yù)測影像畫面數(shù)據(jù)20中的車道線202a，并形成車道線預(yù)測模型。

因此，在本發(fā)明中，無論是一條或是兩條車道線，均可在畫面中產(chǎn)生出預(yù)測車道線，并且同時形成車道線預(yù)測模型，不會因為僅有單一車道線的存在而失去功能，使本發(fā)明的道路車道線的偵測系統(tǒng)及其方法皆可作車道偏移警示。更進一步地，本發(fā)明可應(yīng)用到車道偏移警示系統(tǒng)、車道維持系統(tǒng)及車道跟隨系統(tǒng)這些系統(tǒng)中，有效保護駕駛的行車安全，利用影像畫面中最下方的多個特征點即可推敲出完整的車道線，本發(fā)明不以特征點的數(shù)量為限制，約莫取出10～15個特征點即可分辨車道線是為直線或曲線，累積到更多如30～50個特征點即可產(chǎn)生預(yù)測車道線，并且有效的推估出完整的車道線。所以，本發(fā)明可不用像現(xiàn)有技術(shù)般，需要分析出整張影像畫面的車道線特征點，因而可以節(jié)省計算的時間，并且利用推估完整的車道線又可以解決畫面遠(yuǎn)程車道線不清楚的問題，利用特征點所計算出的預(yù)測車道線可以清楚顯示遠(yuǎn)程的車道線，以保證駕駛者在開車時可以有更多的反應(yīng)時間，或是應(yīng)用在車輛自主巡航時，可以更精準(zhǔn)地讓車輛發(fā)揮自動駕駛的功效。并且本發(fā)明在僅偵測單一車道線時，也能有效依賴單一車道線進行道路車道線的預(yù)判，不用如現(xiàn)有技術(shù)非要擷取整張影像畫面及兩條車道線的要求，在車道線不清楚、毀損或被遮蔽時，也能清楚依賴單一車道線進行車道偏移警示，更加保護車輛駕駛及其他用路人的安全。

以上所述的實施例僅為說明本發(fā)明的技術(shù)思想及特點，其目的在使熟習(xí)此項技藝的人士能夠了解本發(fā)明的內(nèi)容并據(jù)以實施，當(dāng)不能以的限定本發(fā)明的保護范圍，即大凡依本發(fā)明所揭示的精神所作的均等變化或修飾，仍應(yīng)涵蓋在本發(fā)明的保護范圍內(nèi)。