CN101470801A - 车辆偏移的检知方法与装置 - Google Patents

Abstract

一种车辆偏移的检知方法与装置，其方法包括其主要是一影像辨识处理程序，影像辨识处理程序包括下列步骤：影像撷取步骤：利用摄像单元撷取影像画面数据；车道线辨识步骤：将影像画面数据进行分析，将车道线位置区分出来，利用二次曲线拟合方程式，将片段的车道线连接，做出车道线预测模型；利用上述步骤所获得的车道线预测模型，供做车辆偏移检知，提供警示用；车辆偏移的检知装置主要包括一摄像单元是用以撷取道路影像信息；一运算平台将摄像单元所撷取的道路影像信息予以分析，并判断目前车辆及道路的相对关系；一信号输出单元利用光线、视觉变化、或声音达到警示的功效。本发明当车辆行驶不正常时，可发出警讯提示驾驶者注意，达到预警的功效。

Description

车辆偏移的检知方法与装置

技术领域

本发明涉及一种车辆偏移的检知方法与装置。

背景技术

随着车辆普及广泛应用于人类社会，使得各地差距不断缩短，逐渐成为全球化一体的社会形态，然而近几年因交通事故伤亡事件层出不穷，因此先进国家及各大车厂均积极寻求如何将科技应用于车辆上，以提高车辆行驶的安全性，并降低交通事故发生率；

交通事故的发生，往往人为因素占大部分，疲劳与分神则往往是意外发生的主因，虽然国内外相关机构皆致力于瞌睡侦测、脑电波等相关研究以提醒驾驶者，但效果却不如人意，加上系统反应时间及整体成本，无法全面普及；

以往均使用超音波雷达或光反射等物理手段达到车体防护警讯效果；如中国台湾专利申请案号第092217460号「可避免驾驶者偏离车道的警告装置」，其主要是于车辆的两侧各装设一车辆警告装置；该车辆警告装置其内设有一电压电源供应器、一光量感应器、一讯号放大器、一电压比较放大器及一警告显示器；其中，借由该光量感应器感应道路分隔线反射的光量，并利用道路分隔线所反射的光量大于道路没有分隔线部分，使该光量感应器借由反射的光量差异而产生不同的电流值，该电流值经过讯号放大器的调变，将电流值转调变成适合的电压差，并以电压比较放大器进行电压比较放大，得到一电压输出讯号，再将电压输出讯号送至警告显示器，并借由该警告显示器提醒驾驶者所驾驶的车辆已偏离行驶中的车道。

近年来，由于软件撰写的弹性、CCD、CMOS摄影机架设的便利、所撷取数据多元化、成本较低等优势，提供一全新的技术发展方向，因此搭配CCD、CMOS摄影机的高效率影像处理技术正蓬勃发展，除了倒车影像显示外，影像处理系统更可用于其它广泛的安全防护辅助，如侦测车辆前方道路讯息，估算车辆目前行驶车道的位置等；如中国台湾专利申请案号第092134095号「车道偏移警示装置与方法」专利，其包括一车道视讯信息撷取单元、一车道偏移侦测单元、和一警示单元；其判断车道偏移的方法包含影像输入、影像分析处理、搜寻区域设定、车道偏移侦测、以及能自动启动或关闭警示车道偏移的步骤，自动侦测车辆不当偏移车道的情形，并给予驾驶者警示以保障行车安全，更包括一个自动判断机制决定暂时关闭警示装置，以免错误动作频繁而增加驾驶者困扰。

然而此种现有技术是以道路标线与行车路径进行比对，以确认车辆是否产生偏移正常轨道；但此种利用比对方式并非万无一失，仍有比对上差异造成错误判断的可能，此外，实际道路标线与行车路径两者并未经过轨迹预估及运算，容易产生实际偏差，发送错误警讯，或是太晚发送警讯，不利于实际使用。

针对上述现有技术所存在的问题点，如何开发一种更具理想实用性的创新结构，为消费者所殷切企盼，亦是相关业者须努力研发突破的目标及方向。

发明内容

本发明所要解决的主要技术问题在于，克服现有技术存在的上述缺陷，而提供一种车辆偏移的检知方法与装置，当车辆行驶出现异状，未位于车道线内、或车速过快而弯道曲率过大，容易发生意外时，本发明的车辆偏移检知装置发出警讯提示驾驶者注意，达到预警的功效。

本发明车辆偏移的检知方法是：

一种车辆偏移的检知方法，其特征在于：其主要是一影像辨识处理程序，该影像辨识处理程序包括下列步骤：影像撷取步骤：利用摄像单元撷取影像画面数据；车道线辨识步骤：将影像画面数据进行分析，将车道线位置区分出来，并利用二次曲线拟合方程式，将片段的车道线连接，做出车道线预测模型；利用上述步骤所获得的车道线预测模型，而供做车辆偏移检知，并提供警示。

前述的车辆偏移的检知方法，其中车道线辨识步骤中，该影像画面数据的下半部影像是分隔为二部分，较近端部分是转为较低分辨率，较远程部分是维持原分辨率。

前述的车辆偏移的检知方法，其中车道线辨识步骤包括一辨识流程，该辨识流程至少包括三种车道线辨识方式：高灰阶值辨识：利用车道线相较于路面具有较大灰阶值，得以区别出车道线与路面；车道线边缘特性辨识：利用车道线与路面交接边缘的边缘特性，计算标记出可能的车道线范围；车道线宽度辨识：利用两侧车道线的车道宽度乘上影像车道线宽度与实际车道线宽度的比值，求得车道宽度成像在影像画面数据上的宽度，借此得知车道线宽度的判定区间；借此，影像撷取步骤所撷取的影像画面数据的车道线必须同时符合上述三种辨识方式，才可判定为正确的车道线。

前述的车辆偏移的检知方法，其中车道线辨识步骤是将影像画面数据下半部由下而上，划分为若干等分区间，并由下而上进行下列流程：起始点搜寻流程：由最下方的区间搜寻两侧车道线的起始点，若无法寻获，则继续往下一区间寻找；侦测车道线流程：在目前区间内辨识出车道线，并利用二次拟合曲线方程式进行车道线趋势预估，并进行轨道修正步骤；轨道修正流程：进行ROI(Region of interest，感兴趣范围或侦测范围)侦测，以修正车道线趋势预估实际路径，直到实际路径与车道线趋势预估一致为止，并再继续进行下一区间的侦测车道线流程；借由上述流程，使车道线预测模型符合实际车道线轨迹，以达到精准确实的功效。

前述的车辆偏移的检知方法，其中二次曲线拟合方程式的公式为y＝k1·x²+m1·x+b1，x、y分别为实际平面空间的纵轴及横轴，k1、m1、b1为参数分别为 $k1:-\frac{1}{650}~\frac{1}{650}(1/m),$ m1：-tan(5.7)～tan(5.7)、b1：-2.5～2.5(m)。

前述的车辆偏移的检知方法，其中将单一区间分割为若干列(ROW)，并进行ROI侦测，ROI的公式为：

ROI_n＝[u_i-1-λ_n·Mark_I，u_i-1+λ_n·Mark_I]    ROI_d＝[u_i-1-λ_d·Mark_I，u_i-1+λ_d·Mark_I]

u_i-1：前一列车道线的横坐标       λ_n：前一列没有侦测到车道线的参数

λ_d：前一列有侦测到车道线的参数  Mark_I：现在影像平面宽度。

前述的车辆偏移的检知方法，其中车道线辨识步骤中，该影像画面数据的上半部影像是分隔为若干区间，并利用下列公式判断是否为白天或夜晚，以便于切换道路线侦测模式：

$\frac{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}\mathrm{gray}<{\mathrm{th}}_{\mathrm{dark}}}{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}1}<{\mathrm{Th}}_{\mathrm{night}}\&DoubleRightArrow;\mathrm{Night},$ $\frac{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}\mathrm{gray}<{\mathrm{th}}_{\mathrm{dark}}}{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}1}>{\mathrm{Th}}_{\mathrm{Day}}\&DoubleRightArrow;\mathrm{Day},$

gary：每个影像像素(Pixel)的灰阶亮度值、th_dark：暗的亮度值的阀值(threshlod)、Th_night：判定晚上的亮度值的阀值、Th_day：判定白天的亮度值的阀值；当灰阶亮度值小于Th_night时，则判定属于夜晚，反的则判定属于白天。

前述的车辆偏移的检知方法，其中影像撷取步骤所获得的影像画面数据是利用影像画面数据与实际的车道线宽度比例，以及影像数据车道线宽度与实际车道线宽度的比例，借此得知车道宽度成像于影像数据画面的宽度，借此得知车道线宽度的判定区间与及用以更新二次曲线车道线模型：

$\frac{{\mathrm{Mark}}_{\mathrm{image}}}{{\mathrm{Mark}}_{\mathrm{real}}}=\frac{{\mathrm{Road}}_{\mathrm{image}}}{{\mathrm{Road}}_{\mathrm{real}}}\&DoubleRightArrow;{\mathrm{Road}}_{\mathrm{image}}={\mathrm{Road}}_{\mathrm{real}}\frac{{\mathrm{Mark}}_{\mathrm{image}}}{{\mathrm{Mark}}_{\mathrm{real}}},$

Road_real：标准两侧道路线的车道宽度，标准约为370公分、Mark_real：真实道路线宽，标准为15公分、Road_image：影像画面数据两侧道路线的车道宽度、Mark_image：影像画面数据道路线宽。

前述的车辆偏移的检知方法，其中车道线辨识步骤所得到的车道线预测模型两侧车道线是于远程交会形成消失点，利用连续数张影像画面数据判定消失点位置是否邻近或相同，若消失点位置差异甚大则代表误判或不稳定。

本发明车辆偏移的检知方法还可是：

一种车辆偏移的检知方法，其特征在于：其主要是利用已获得的车道线模型，并将车道线模型输入一偏离估算处理程序进行处理，其中该偏离估算处理步骤包括下列步骤：运算处理步骤：将车道线模型利用二次曲线拟合方程式，估算出目前车辆横向位移量、车道斜率以及车道曲率；判断预警步骤：将车辆横向位移量与车道线模型进行比对，得知车辆与车道线距离，若偏离过于靠近车道线，则发出讯号警示；借由上述步骤，可确认行车路径轨迹是否位于两侧车道线内，当行车路径欲偏离车道线时发出警讯，借此达到预先警示的功效。

前述的车辆偏移的检知方法，其中二次曲线拟合方程式的公式是为y＝k2·x²+m2·x+b2，x、y分别为实际平面空间的纵轴及横轴，k2、m2、b2为参数而由更新后的车道线模型求得。

前述的车辆偏移的检知方法，其中二次曲线拟合方程式所求得车道线轨迹，可推算求得车道斜率，该车道斜率的公式为：ε_L＝2·k·x+m。

前述的车辆偏移的检知方法，其中二次曲线拟合方程式所求得实际行车路径轨迹，可推算求得车道曲率，该车道曲率的公式为：

${\mathrm{\&rho;}}_L=\frac{2\&CenterDot;k}{{(1+{(2\&CenterDot;k\&CenterDot;x+m)}^2)}^{3/2}}.$

前述的车辆偏移的检知方法，其中运算处理步骤的车辆横向位移量，公式如下：Δ＝y_L-L×ε_L，Δ：车辆横向位移量，y_L：参考点的车辆偏移量、L：预视距离、ε_L：行进路线斜率。

前述的车辆偏移的检知方法，其中运算处理步骤的车辆与车道线距离，公式如下：

$\mathrm{\&Delta;y}=\left\{\begin{array}{c}\frac{b_R}{2}-(\frac{b_V}{2}+y_L-L\&times;{\mathrm{\&epsiv;}}_L)\\ \frac{b_R}{2}-(\frac{b_V}{2}-y_L+L\&times;{\mathrm{\&epsiv;}}_L)\end{array}\right.,$ 其中b_R：车道宽度、b_V：车辆宽度、y_L：参考点的车辆偏移量、L：预视距离、ε_L：行进路线斜率。

本发明车辆偏移的检知装置是：

一种车辆偏移的检知装置，其特征在于：其主要包括一摄像单元、一运算平台、一信号输出单元，其中：该摄像单元是用以撷取道路影像信息，并将所撷取的道路影像信息传达至运算平台；该运算平台是将摄像单元所撷取的道路影像信息予以分析，并判断目前车辆及道路的相对关系，若达到预设的警戒范围时，该运算平台发送信号至信号输出单元；该信号输出单元是提供光源、或影像、或音讯的装置，当运算平台发送信号至信号输出单元，该信号输出单元是利用光线、视觉变化、或声音达到警示的功效；借由上述结构，当车辆行驶不正常时，是可发出警讯提示驾驶者注意，达到预警的功效。

前述的车辆偏移的检知装置，其中摄像单元为CCD或CMOS摄像装置。

本发明的车道线辨识步骤可针对影像画面数据上半部进行亮度分析，以判别日、夜间，并可切换侦测模式提高辨识率；而影像画面数据下半部分为两部分，以不同分辨率进行侦测，可大幅提升处理速度且不失侦测辨识的精准度；而该车道辨识步骤可通过二次曲线拟合方程式，求取车道线与消失点，并计算车辆横向位移量及道路曲率，即使车道线受其它车辆遮蔽阻挡，仍可利用现有的直线拟合方式进行辨识推断；本发明亦通过ROI以及消失点位置侦测，进行多道反向推算，以避免误判及不稳定的情况发生；且本发明亦可辨识更新道路宽度，不需要事先求取车辆或摄影机与路面的夹角，如此可比对车道线与实际行车路径，当行车路径逼近车道线而驾驶者未有任何反应，如煞车、方向灯等反应，该信号输出单元是发送警讯提醒驾驶者；反之，驾驶者若有反应，则继续进行侦测分析路况；再者，本发明借由二次曲线拟合方程式，求取车道曲率，当车速过高且车道曲率过大时，该信号输出单元亦发出警讯，提醒驾驶者放慢车速，或进一步控制车速或煞车。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明车辆偏移检知方法流程示意图。

图2是本发明车道线辨识步骤流程示意图。

图3是本发明利用坐标转换求得车道线宽度示意图。

图4是本发明偏离估算处理程序实际车辆状态示意图。

图5是本发明车辆距车道边线距离计算示意图。

图6是本发明车辆与车道线平行时横向位移量计算示意图。

具体实施方式

本发明是有关一种「车辆偏移的检知方法与装置」，该车辆偏移的检知方法主要包括影像辨识处理程序以及偏离估算处理程序，请参照图1所示，其中：

该影像辨识处理程序是利用二次曲线拟合方程式建构车道线模型，以便于进行各类判别，若实际车道线受其它车辆遮蔽，仍可利用现有的直线拟合方式求得车道线，由于直线拟合方式属于现有技术，不再赘述；该影像辨识处理程序包括下列步骤：

影像撷取步骤：利用摄像单元安装于车辆，并撷取车辆前方道路影像画面数据；

车道线辨识步骤：将摄像单元所撷取的影像画面数据区分为上半部以及下半部，其中：

参见附件1至附件4，该影像画面数据的上半部分隔为若干区间进行日夜间判断，并利用下列公式判断是否为白天或夜晚，以便于切换道路线侦测模式：

$\frac{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}\mathrm{gray}<{\mathrm{th}}_{\mathrm{dark}}}{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}1}<{\mathrm{Th}}_{\mathrm{night}}\&DoubleRightArrow;\mathrm{Night},$ 、 $\frac{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}\mathrm{gray}<{\mathrm{th}}_{\mathrm{dark}}}{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}1}>{\mathrm{Th}}_{\mathrm{Day}}\&DoubleRightArrow;\mathrm{Day}$

gary：每个影像像素(Pixel)的灰阶亮度值、th_dark：暗的亮度值的阀值(threshlod)、Th_night：判定晚上的亮度值的阀值、Thd_ay：判定白天的亮度值的阀值；当灰阶亮度值小于Th_night时，则判定属于夜晚，反之则判定属于白天；

当灰阶亮度值大于Th_Day时，则判定属于白天的亮度值；反之，若灰阶亮度值小于Th_night，则判定为夜晚的亮度值；

该影像画面数据的下半部再分为上下二部分，影像画面数据距离车辆较近端的部分(即较下部分)是转为较低分辨率，距离车辆较远程的部分(即较上部分)是维持原分辨率；

本发明的车道线辨识步骤利用一辨识流程检测车道线是否无误，该辨识流程至少包括三种车道线辨识方式：

高灰阶值辨识：利用车道线相较于路面具有较大灰阶值，区别出车道线与路面的差别；

车道线边缘特性辨识：利用车道线与路面交接边缘的边缘特性，计算标记出可能的车道线范围；

车道线宽度辨识：利用两侧道路线的车道宽度乘上影像画面数据车道线的宽度与实际车道线宽度的比值，求得车道线宽度成像于影像画面数据的宽度，借此得知车道线宽度的判定区间；

借此，摄像单元所撷取的影像画面数据必须同时符合上述三种辨识方式，才得以判定为正确的车道线；

参见附件4，该车道线辨识步骤是将影像画面数据下半部由下而上，划分为若干等分区间，并由下而上进行侦测修正判断，如图6所示：

起始点搜寻流程：由最下方的区间搜寻两侧车道线的起始点作为起点，若无法寻获，则继续往下一区间持续寻找，直到找到起点为止；

侦测车道线流程：在目前区间内，利用上述辨识流程判断出车道线，并利用二次拟合曲线方程式进行车道线趋势预估，连接所有片段的车道线做出二次曲线，该二次拟合曲线方程式的公式为y＝k1·x²+m1·x+b1，x、y分别为实际平面空间的纵轴及横轴，k1、m1、b1为参数分别为 $k1:-\frac{1}{650}~\frac{1}{650}(1/m)$ m1：-tan(5.7)～tan(5.7)、b1：-2.5～2.5(m)并完成初估的车道线后，继续进行轨道修正步骤，上列系数初始值会因应用不同而做调整；

轨道修正流程：参考图2所示，将单一区间分割为若干列(ROW)，并逐列进行ROI(Region of interest，感兴趣范围或侦测范围)侦测，修正车道线趋势预估实际路径，直到实际路径与车道线趋势预估一致为止，并配合车道拟合状况进行决策，若车道拟合状况正常再继续进行下一区间的侦测车道线流程，ROI侦测的公式如下：

ROI_n＝[u_i-1-λ_n·Mark_I，u_i-1+λ_n·Mark_I]

ROI_d＝[u_i-1-λ_d·Mark_I，u_i-1+λ_d·Mark_I]

u_i-1：前一列车道线的横坐标；λ_n：前一列没有侦测到车道线的参数；

λ_d：前一列有侦测到车道线的参数；Mark_I：目前正在处理的列的影像平面上的车道线宽度。

如此重复进行上述流程，以建构出车道线预测模型，并使车道线预测模型不断修正符合实际车道线轨迹；

由于车道辨识步骤所获得的车道线预测模型两侧车道线是在远程交会形成消失点，利用连续数张影像画面数据判定消失点位置是否邻近或相同，若消失点位置差异甚大则代表误判或不稳定，借此增加判定准确度；

又，如图3所示，在实际搜寻车道线时，会因车道线为虚线或标示不清，而造成利用影像搜寻出来的点不足，无法正确拟合出来的车道线；因此利用影像画面数据与实际情况的车道线宽度比例，换算两侧车道线的车道宽度乘上影像车道线宽度与实际车道线宽度的比值，求得车道宽度成像在影像画面上的宽度，当做影像补点的依据，当左边有搜寻到点右边无时，会将左边的点加上影像车道宽度，其位置为右边车道线要补点的位置，借此得知车道线宽度的判定区间以更新二次曲线车道线模型：

$\frac{{\mathrm{Mark}}_{\mathrm{image}}}{{\mathrm{Mark}}_{\mathrm{real}}}=\frac{{\mathrm{Road}}_{\mathrm{image}}}{{\mathrm{Road}}_{\mathrm{real}}}\&DoubleRightArrow;{\mathrm{Road}}_{\mathrm{image}}={\mathrm{Road}}_{\mathrm{real}}\frac{{\mathrm{Mark}}_{\mathrm{image}}}{{\mathrm{Mark}}_{\mathrm{real}}},$

Road_real：标准两侧道路线的车道宽度，标准约为370公分、Mark_real：真实道路线宽，标准为15公分、Road_image：影像画面数据两侧道路线的车道宽度、Mark_image：影像画面数据道路线宽。

如图4所示，当车道线模型完成后，是将已获得的车道线模型输入偏离估算处理程序，并利用二次曲线拟合方程式估算出车道偏移状态，该偏离估算处理程序包括下列步骤：

运算处理步骤：将车道线模型利用二次曲线拟合方程式，估算出目前车辆横向位移量、车道斜率以及车道曲率；

该二次曲线拟合方程式的公式为y＝k2·x²+m2·x+b2，x、y分别为实际平面空间的纵轴及横轴，k2、m2、b2为车道线模型的参数，由上述车道辨识步骤更新预测的车道线模型所得；

借由车道线模型可推算求得车道斜率，该车道斜率的公式为：ε_L＝2·k·x+m；

如图5所示，利用上述车道斜率，可以进一步推算车辆横向位移量Δ，其公式为：Δ＝y_L-L×ε_L，Δ：车辆横向位移量，y_L：参考点的车辆偏移量、L：预视距离、ε_L：行进路线斜率。

又，根据该二次曲线拟合方程式所求得行进路线轨迹，亦可推算求得车道曲率，该车道曲率的公式为： ${\mathrm{\&rho;}}_L=\frac{2\&CenterDot;k}{{(1+{(2\&CenterDot;k\&CenterDot;x+m)}^2)}^{3/2}}.$

因此，如图6所示，可进而推算车辆距车道边线距离 $\mathrm{\&Delta;y}=\left\{\begin{array}{c}\frac{b_R}{2}-(\frac{b_V}{2}+y_L-L\&times;{\mathrm{\&epsiv;}}_L)\\ \frac{b_R}{2}-(\frac{b_V}{2}-y_L+L\&times;{\mathrm{\&epsiv;}}_L)\end{array}\right.,$ 其中b_R：车道宽度是由影像平面中某一列的影像车道宽度通过坐标转换得来，其车道在影像平面的宽度由车道线模型求得、b_V：车辆宽度、y_L：参考点的车辆偏移量、L：预视距离、ε_L：行进路线斜率；

若车辆行驶在直线路段时，公式可简化如下：

$\mathrm{\&Delta;y}=\left\{\begin{array}{c}\frac{b_R}{2}-(\frac{b_V}{2}+y_L)\\ \frac{b_R}{2}-(\frac{b_V}{2}-y_L)\end{array}\right.,$ 其中b_R：车道宽度、b_V：车辆宽度、y_L：参考点的车辆偏移量。

根据二次曲线拟合方程式求得的车辆横向位移量、车道斜率以及车道曲率，可进入判断预警步骤；

判断预警步骤：将车辆横向位移量与车道线模型进行换算比对，依照2007ISO(国际标准)17361规定，小客车于车道线外0.3公尺定义为最后警戒线，卡车、大客车于车道线外1公尺定义为最后警戒线，而车道线内另外设有早期警戒线，并参考图8及图9，若行车路线偏离，而靠近早期警戒线或车道线时，则自动发出讯号警示；

此外，若车道曲率或车道曲率半径与车速比例不正常，特别是车速过快时，无法顺利行驶弯道，则亦发出讯号警示驾驶者放慢车速；最高车速限制与车道曲率、车道曲率半径的比值如下所示，该比值的数字范围为最佳状况的预设数值，实际数值以实际状况为主；则行车速度超过该车道曲率所限制的最高车速时，自动发出讯号警示：

 

车道曲率(ρL)	车道曲率半径(1/ρL)(m)	车速限制(Km/hr)
			0	Inf(无限大)	120
0.001	1000	110
			0.004	250	80
0.006	150	60
			0.01	100	40

借由上述各步骤及程序，利用摄像单元的影像可求得车道线模型并进行判断行车路径轨迹是否位于两侧车道线内，当行车路径欲偏离车道线时，或车速过快而弯道曲率过大时，可发送警讯，借此达到预先警示的功效。

本发明的标的还包括一种利用上述方法的车辆偏移检知装置，其主要包括一摄像单元、一运算平台及一信号输出单元，其中：

当车辆启动且车速到达一定数值时，本发明的车辆偏移检知装置是启动，该摄像单元为一装设于车辆内的CCD或CMOS摄像装置，用以撷取车辆前方道路影像信息，并将所撷取的道路影像信息传达至运算平台；

该运算平台是将摄像单元所撷取的道路影像信息，且车辆的车速、方向灯及刹车装置皆发送信号至运算平台，该运算平台是利用二次曲线拟合方程式辨识出真实道路线轨迹，借由消失点的位置等方式检测道路线轨迹是否正确，并再利用二次曲线拟合方程式判断行车路径轨迹，判断目前车辆及道路的相对关系，若行车路径欲偏离车道线、或车速过快而弯道曲率过大时，达到预设的警戒范围，且方向灯或煞车装置并未发送信号至运算平台，则该运算平台发送信号至信号输出单元；反的，若达到预设的警戒范围，但方向灯或煞车装置动作并发送信号至运算平台，则命令摄像单元重新撷取影像画面数据，重新进行判断；

该信号输出单元为可提供光源、或影像、或音讯的装置，当运算平台发送信号至信号输出单元，该信号输出单元利用光线、视觉变化、或声音达到提示驾驶者警讯的功效；

借由上述结构，当车辆行驶出现异状，未位于车道线内、或车速过快而弯道曲率过大，容易发生意外时，本发明的车辆偏移检知装置发出警讯提示驾驶者注意，达到预警的功效。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

综上所述，本发明在结构设计、使用实用性及成本效益上，完全符合产业发展所需，且所揭示的结构亦是具有前所未有的创新构造，具有新颖性、创造性、实用性，符合有关发明专利要件的规定，故依法提起申请。

附件1至附件3是本发明日夜判断辨识的照片复印件。

附件4是本发明车道线划分区间及列状态的照片复印件。

Claims (17)

1.一种车辆偏移的检知方法，其特征在于：其主要是一影像辨识处理程序，该影像辨识处理程序包括下列步骤：

影像撷取步骤：利用摄像单元撷取影像画面数据；

车道线辨识步骤：将影像画面数据进行分析，将车道线位置区分出来，并利用二次曲线拟合方程式，将片段的车道线连接，做出车道线预测模型；

利用上述步骤所获得的车道线预测模型，而供做车辆偏移检知，并提供警示。

2.根据权利要求1所述的车辆偏移的检知方法，其特征在于：所述车道线辨识步骤中，该影像画面数据的下半部影像是分隔为二部分，较近端部分是转为较低分辨率，较远程部分是维持原分辨率。

3.根据权利要求2所述的车辆偏移的检知方法，其特征在于：所述车道线辨识步骤包括一辨识流程，该辨识流程至少包括三种车道线辨识方式：

高灰阶值辨识：利用车道线相较于路面具有较大灰阶值，得以区别出车道线与路面；

车道线边缘特性辨识：利用车道线与路面交接边缘的边缘特性，计算标记出可能的车道线范围；

车道线宽度辨识：利用两侧车道线的车道宽度乘上影像车道线宽度与实际车道线宽度的比值，求得车道宽度成像在影像画面数据上的宽度，借此得知车道线宽度的判定区间；

借此，影像撷取步骤所撷取的影像画面数据的车道线必须同时符合上述三种辨识方式，才可判定为正确的车道线。

4.根据权利要求2所述的车辆偏移的检知方法，其特征在于：所述车道线辨识步骤是将影像画面数据下半部由下而上，划分为若干等分区间，并由下而上进行下列流程：

起始点搜寻流程：由最下方的区间搜寻两侧车道线的起始点，若无法寻获，则继续往下一区间寻找；

侦测车道线流程：在目前区间内辨识出车道线，并利用二次拟合曲线方程式进行车道线趋势预估，并进行轨道修正步骤；

轨道修正流程：进行ROI(Region of interest，感兴趣范围或侦测范围)侦测，以修正车道线趋势预估实际路径，直到实际路径与车道线趋势预估一致为止，并再继续进行下一区间的侦测车道线流程；

借由上述流程，使车道线预测模型符合实际车道线轨迹，以达到精准确实的功效。

5.根据权利要求4所述的车辆偏移的检知方法，其特征在于：所述二次曲线拟合方程式的公式为y＝k1·x²+m1·x+b1，x、y分别为实际平面空间的纵轴及横轴，k1、m1、b1为参数分别为k1：

m1：-tan(5.7)～tan(5.7)、b1：-2.5～2.5(m)。

6.根据权利要求4所述的车辆偏移的检知方法，其特征在于：将单一区间分割为若干列(ROW)，并进行ROI侦测，ROI的公式为：

ROI_n＝[u_i-1-λ_n·Mark_I，u_i-1+λ_n·Mark_I]  ROI_d＝[u_i-1-λ_d·Mark_I，u_i-1+λ_d·Mark_I]u_i-1：前一列车道线的横坐标  λ_n：前一列没有侦测到车道线的参数λ_d：前一列有侦测到车道线的参数Mark_I：现在影像平面宽度。

7.根据权利要求1所述的车辆偏移的检知方法，其特征在于：所述车道线辨识步骤中，该影像画面数据的上半部影像是分隔为若干区间，并利用下列公式判断是否为白天或夜晚，以便于切换道路线侦测模式： $\frac{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}\mathrm{gray}<{\mathrm{th}}_{\mathrm{dark}}}{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}1}<{\mathrm{Th}}_{\mathrm{night}}\&DoubleRightArrow;\mathrm{Night},$ $\frac{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}\mathrm{gray}<{\mathrm{th}}_{\mathrm{dark}}}{\underset{x}{\mathrm{\&Sigma;}}\underset{y}{\mathrm{\&Sigma;}}1}>{\mathrm{Th}}_{\mathrm{Day}}\&DoubleRightArrow;\mathrm{Day},$ gary：每个影像像素(Pixel)的灰阶亮度值、th_dark：暗的亮度值的阀值(threshlod)、Th_night：判定晚上的亮度值的阀值、Th_day：判定白天的亮度值的阀值；当灰阶亮度值小于Th_night时，则判定属于夜晚，反的则判定属于白天。

8.根据权利要求1所述的车辆偏移的检知方法，其特征在于：所述影像撷取步骤所获得的影像画面数据是利用影像画面数据与实际的车道线宽度比例，以及影像数据车道线宽度与实际车道线宽度的比例，借此得知车道宽度成像于影像数据画面的宽度，借此得知车道线宽度的判定区间与及用以更新二次曲线车道线模型：

$\frac{{\mathrm{Mark}}_{\mathrm{image}}}{{\mathrm{Mark}}_{\mathrm{real}}}=\frac{{\mathrm{Road}}_{\mathrm{image}}}{{\mathrm{Road}}_{\mathrm{real}}}\&DoubleRightArrow;{\mathrm{Road}}_{\mathrm{image}}={\mathrm{Road}}_{\mathrm{real}}\frac{{\mathrm{Mark}}_{\mathrm{image}}}{{\mathrm{Mark}}_{\mathrm{real}}},$

Road_real：标准两侧道路线的车道宽度，标准约为370公分、Mark_real：真实道路线宽，标准为15公分、Road_image：影像画面数据两侧道路线的车道宽度、Mark_image：影像画面数据道路线宽。

9.根据权利要求1所述的车辆偏移的检知方法，其特征在于：所述车道线辨识步骤所得到的车道线预测模型两侧车道线是于远程交会形成消失点，利用连续数张影像画面数据判定消失点位置是否邻近或相同，若消失点位置差异甚大则代表误判或不稳定。

10.一种车辆偏移的检知方法，其特征在于：其主要是利用已获得的车道线模型，并将车道线模型输入一偏离估算处理程序进行处理，其中该偏离估算处理步骤包括下列步骤：

运算处理步骤：将车道线模型利用二次曲线拟合方程式，估算出目前车辆横向位移量、车道斜率以及车道曲率；

判断预警步骤：将车辆横向位移量与车道线模型进行比对，得知车辆与车道线距离，若偏离过于靠近车道线，则发出讯号警示；

借由上述步骤，可确认行车路径轨迹是否位于两侧车道线内，当行车路径欲偏离车道线时发出警讯。

11.根据权利要求10所述的车辆偏移的检知方法，其特征在于：所述二次曲线拟合方程式的公式是为y＝k2·x²+m2·x+b2，x、y分别为实际平面空间的纵轴及横轴，k2、m2、b2为参数而由更新后的车道线模型求得。

12.根据权利要求11所述的车辆偏移的检知方法，其特征在于：所述二次曲线拟合方程式所求得车道线轨迹，可推算求得车道斜率，该车道斜率的公式为：ε_L＝2·k·x+m。

13.根据权利要求11所述的车辆偏移的检知方法，其特征在于：所述二次曲线拟合方程式所求得实际行车路径轨迹，可推算求得车道曲率，该车道曲率的公式为： ${\mathrm{\&rho;}}_L=\frac{2\&CenterDot;k}{{(1+{(2\&CenterDot;k\&CenterDot;x+m)}^2)}^{3/2}}.$

14.根据权利要求10所述的车辆偏移的检知方法，其特征在于：所述运算处理步骤的车辆横向位移量，公式如下：

Δ＝y_L-L×ε_L，Δ：车辆横向位移量，y_L：参考点的车辆偏移量、L：预视距离、ε_L：行进路线斜率。

15.根据权利要求10所述的车辆偏移的检知方法，其特征在于：所述运算处理步骤的车辆与车道线距离，公式如下：

$\mathrm{\&Delta;y}=\left\{\begin{array}{c}\frac{b_R}{2}-(\frac{b_V}{2}+y_L-L\&times;{\mathrm{\&epsiv;}}_L)\\ \frac{b_R}{2}-(\frac{b_V}{2}-y_L+L\&times;{\mathrm{\&epsiv;}}_L)\end{array}\right.,$ 其中b_R：车道宽度、b_V：车辆宽度、y_L：参考点的车辆偏移量、L：预视距离、ε_L：行进路线斜率。

16.一种车辆偏移的检知装置，其特征在于：其主要包括一摄像单元、一运算平台、一信号输出单元，其中：

该摄像单元是用以撷取道路影像信息，并将所撷取的道路影像信息传达至运算平台；

该运算平台是将摄像单元所撷取的道路影像信息予以分析，并判断目前车辆及道路的相对关系，若达到预设的警戒范围时，该运算平台发送信号至信号输出单元；

该信号输出单元是提供光源、或影像、或音讯的装置，当运算平台发送信号至信号输出单元，该信号输出单元是利用光线、视觉变化、或声音达到警示的功效；

借由上述结构，当车辆行驶不正常时，是可发出警讯提示驾驶者注意，达到预警的功效。

17.根据权利要求16所述的车辆偏移的检知装置，其特征在于：所述摄像单元为CCD或CMOS摄像装置。

Images