TW202017433A - 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統 - Google Patents

車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統 Download PDF

Info

Publication number
TW202017433A
TW202017433A TW107136583A TW107136583A TW202017433A TW 202017433 A TW202017433 A TW 202017433A TW 107136583 A TW107136583 A TW 107136583A TW 107136583 A TW107136583 A TW 107136583A TW 202017433 A TW202017433 A TW 202017433A
Authority
TW
Taiwan
Prior art keywords
vehicle
area
light source
bright
image
Prior art date
Application number
TW107136583A
Other languages
English (en)
Other versions
TWI700017B (zh
Inventor
廖柏翔
林泓邦
張右龍
許立佑
Original Assignee
財團法人車輛研究測試中心
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 財團法人車輛研究測試中心 filed Critical 財團法人車輛研究測試中心
Priority to TW107136583A priority Critical patent/TWI700017B/zh
Priority to US16/198,896 priority patent/US10878259B2/en
Priority to JP2018221002A priority patent/JP6723328B2/ja
Priority to DE102018129993.1A priority patent/DE102018129993A1/de
Publication of TW202017433A publication Critical patent/TW202017433A/zh
Application granted granted Critical
Publication of TWI700017B publication Critical patent/TWI700017B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本發明提供一種基於光強度動態之夜間車輛偵測方法，其亮點偵測步驟係驅動運算單元針對影像運算而偵測出影像之亮點。車燈判斷步驟係驅動運算單元執行連通區域標記演算法而將相連通之亮點像素標記為連通區域值，然後依據亮點像素的面積大小或尺寸判斷是否為車輛光源。光流濾除步驟係驅動運算單元執行光流法而求得車輛光源的移動速度，並濾除移動速度小於預設速度之車輛光源。距離估算步驟係驅動運算單元執行座標轉換法而計算出未濾除之車輛光源與車輛之間的距離。藉此，不但可取得較準確的車燈位置，還可提升資料處理的速度。

Description

車輛偵測方法、基於光強度動態之夜間車輛偵 測方法及其系統
本發明是關於一種車輛偵測方法及其系統，特別是關於一種即時有效的車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統。
前方碰撞預警系統(Forward Collision Warning；FCW)係先利用車道線辨識方法辨識出影像中的車道線，再透過車輛辨識方法判斷駕駛車輛與前方車輛之相對距離是否有在安全範圍內。
一般常見的車輛辨識方法是以分類器進行訓練後，取得分類器之相關參數，再使用此組參數進行車輛偵測，例如類神經演算法、深度學習等等。雖然此種車輛辨識可辨識出前方車輛，但其演算法較為複雜，且因夜間光線昏暗，使得影像上車輛特徵較少，導致偵測效率較差。
由此可知，目前此領域上缺乏一種複雜度低、可即時偵測且高準確度的夜間車輛偵測方法及其系統，故相關研究者均在尋求其解決之道。
因此，本發明之目的在於提供一種車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統，其使用基礎影像處理方法偵測出車燈亮點，並結合光流法濾除非本車道之雜訊，不但可即時地取得較準確的車燈位置，還能解決習知車輛偵測技術中演算法較為複雜導致偵測效率較差之問題。
依據本發明的方法態樣之一實施方式提供一種基於光強度動態之夜間車輛偵測方法，其包含亮點偵測步驟、車燈判斷步驟、光流濾除步驟以及距離估算步驟。其中亮點偵測步驟係透過攝影機擷取影像，並驅動運算單元針對影像運算而偵測出影像之亮點，亮點包含複數個亮點像素，攝影機與運算單元設於駕駛車輛。車燈判斷步驟係驅動運算單元執行一連通區域標記演算法而將相連通之亮點像素標記為連通區域值，然後執行一面積篩選法而分析具有連通區域值之亮點像素的面積，並依據面積之大小判斷具有連通區域值之亮點像素是否為車輛光源。再者，光流濾除步驟係驅動運算單元執行一光流法而求得車輛光源的移動速度，並濾除移動速度小於預設速度之車輛光源。 距離估算步驟係驅動運算單元執行一座標轉換法而計算出未濾除之車輛光源與攝影機之間的距離。
藉此，本發明的基於光強度動態之夜間車輛偵測方法使用影像處理方法偵測出車燈亮點，並結合光流法濾除非本車道之雜訊，可即時地取得較準確的車燈位置。此外，本發明所偵測的前方車輛不僅限於汽車，可偵測機車或有發亮之光源載具。
前述實施方式之其他實施例如下：前述亮點偵測步驟可包含直方圖均值化步驟與亮度特徵擷取步驟，其中直方圖均值化步驟係依據影像之複數個灰階值統計出各灰階值的出現次數，並依據出現次數改變此些灰階值而產生複數個均值化灰階值。亮度特徵擷取步驟係設定一灰階亮度門檻值，並依據灰階亮度門檻值擷取出各亮點像素之亮度較灰階亮度門檻值大者。
前述實施方式之其他實施例如下：前述直方圖均值化步驟可包含一累積分配函數，此累積分配函數用以改變此些灰階值。累積分配函數包含灰階值、出現次數、灰階層次及均值化灰階值。灰階值表示為i，出現次數表示為n i ，灰階層次表示為L，均值化灰階值表示為T i ，累積分配函數符合下式：
Figure 107136583-A0101-12-0003-1
,n=n 1+n 2+...+n L-1。
前述實施方式之其他實施例如下：在前述亮點偵測步驟中，運算單元可依據此些亮點像素之一顏色判斷此些亮點像素是否為車輛光源。當顏色為紅色時，運算單 元判斷此些亮點像素為車輛光源，且車輛光源為車尾燈；當顏色為白色時，運算單元判斷此些亮點像素為車輛光源，且車輛光源為車頭燈。
前述實施方式之其他實施例如下：在前述車燈判斷步驟中，運算單元可執行連通區域標記演算法而將複數個各自相連通之亮點像素分別標記為複數個連通區域值，然後執行面積篩選法而分析具有各連通區域值之亮點像素的面積，並依據面積之大小判斷具有各連通區域值之亮點像素是否為車輛光源。
前述實施方式之其他實施例如下：在前述車燈判斷步驟中，運算單元可執行一面積比例分析法而分析具有連通區域值之亮點像素的一面積比例，然後依據面積比例判斷具有連通區域值之亮點像素是否為車輛光源。
依據本發明的結構態樣之一實施方式提供一種使用前述之基於光強度動態之夜間車輛偵測系統，其包含攝影機與運算單元。其中攝影機設於駕駛車輛，攝影機擷取影像。運算單元設於駕駛車輛，且運算單元包含亮點偵測模組、車燈判斷模組、光流濾除模組以及距離估算模組。亮點偵測模組訊號連接攝影機，亮點偵測模組係針對影像運算而偵測出影像之亮點，亮點包含複數個亮點像素。車燈判斷模組訊號連接亮點偵測模組，車燈判斷模組係執行一連通區域標記演算法而將相連通之亮點像素標記為一連通區域值，然後車燈判斷模組執行一面積篩選法而分析具有連通區域值之亮點像素的面積，並依據面積之大 小判斷具有連通區域值之亮點像素是否為車輛光源。此外，光流濾除模組訊號連接車燈判斷模組，光流濾除模組係執行一光流法而求得車輛光源的移動速度，並濾除移動速度小於預設速度之車輛光源。距離估算模組訊號連接光流濾除模組，距離估算模組係執行一座標轉換法而計算出未濾除之車輛光源與攝影機之間的距離。
藉此，本發明之夜間車輛偵測系統透過影像處理方法可大幅降低複雜度，其與習知的分類器相比較為簡單，可提升資料處理的速度。
前述實施方式之其他實施例如下：前述亮點偵測模組可依據影像之複數個灰階值統計出各灰階值的出現次數，並依據出現次數改變此些灰階值而產生複數個均值化灰階值。亮點偵測模組設定一灰階亮度門檻值，並依據灰階亮度門檻值擷取出各亮點像素之亮度較灰階亮度門檻值大者。
前述實施方式之其他實施例如下：前述亮點偵測模組可執行一累積分配函數，此累積分配函數用以改變灰階值。累積分配函數包含灰階值、出現次數、灰階層次及均值化灰階值，灰階值表示為i，出現次數表示為n i ，灰階層次表示為L，均值化灰階值表示為T i ，累積分配函數符合下式：
Figure 107136583-A0101-12-0005-2
,n=n 1+n 2+...+n L-1。
前述實施方式之其他實施例如下：前述運算單元可依據亮點像素之顏色判斷亮點像素是否為車輛光源。 當顏色為紅色時，運算單元判斷亮點像素為車輛光源，且車輛光源為車尾燈；當顏色為白色時，運算單元判斷亮點像素為車輛光源，且車輛光源為車頭燈。
前述實施方式之其他實施例如下：前述車燈判斷模組可執行連通區域標記演算法而將複數個各自相連通之亮點像素分別標記為複數個連通區域值，然後執行面積篩選法而分析具有各連通區域值之亮點像素的面積，並依據面積之大小判斷具有各連通區域值之亮點像素是否為車輛光源。
前述實施方式之其他實施例如下：前述車燈判斷模組可執行一面積比例分析法而分析具有連通區域值之亮點像素的一面積比例，然後依據面積比例判斷具有連通區域值之亮點像素是否為車輛光源。
依據本發明的方法態樣之另一實施方式提供一種車輛偵測方法，其用以偵測影像中的前方車輛。車輛偵測方法包含影像分析步驟與車輛偵測步驟，其中影像分析步驟係透過一攝影機擷取影像，並驅動一運算單元分析影像之一天空區域的一天空亮度值，並比對一預設亮度值與天空亮度值而判斷影像處於一日間時段或一夜間時段。攝影機與運算單元設於駕駛車輛。車輛偵測步驟係驅動運算單元執行一日間車輛偵測步驟或一夜間車輛偵測步驟。當影像處於日間時段，執行日間車輛偵測步驟；當影像處於夜間時段，執行夜間車輛偵測步驟。日間車輛偵測步驟係透過一前方碰撞預警演算法偵測前方車輛與攝影機之間的 距離。夜間車輛偵測步驟包含亮點偵測步驟、車燈判斷步驟、光流濾除步驟以及距離估算步驟。其中亮點偵測步驟係驅動運算單元針對影像運算而偵測出影像之亮點，亮點包含複數個亮點像素。車燈判斷步驟係驅動運算單元執行一連通區域標記演算法而將相連通之亮點像素標記為連通區域值，然後執行一面積篩選法而分析具有連通區域值之亮點像素的面積，並依據面積之大小判斷具有連通區域值之亮點像素是否為車輛光源。再者，光流濾除步驟係驅動運算單元執行一光流法而求得車輛光源的移動速度，並濾除移動速度小於預設速度之車輛光源。距離估算步驟係驅動運算單元執行一座標轉換法而計算出未濾除之車輛光源與攝影機之間的距離。
藉此，本發明之車輛偵測方法可依據影像的內容適應性地選擇車輛偵測步驟，因此無論日間或夜間均可即時地取得較準確的車燈位置。
前述實施方式之其他實施例如下：在前述影像分析步驟中，天空區域位於一預設天際線之上。當天空亮度值大於等於預設亮度值時，運算單元判斷影像處於日間時段。當天空亮度值小於預設亮度值時，運算單元判斷影像處於夜間時段。
前述實施方式之其他實施例如下：前述亮點偵測步驟可包含直方圖均值化步驟與亮度特徵擷取步驟，其中直方圖均值化步驟係依據影像之複數個灰階值統計出各灰階值的出現次數，並依據出現次數改變此些灰階值而產 生複數個均值化灰階值。亮度特徵擷取步驟係設定一灰階亮度門檻值，並依據灰階亮度門檻值擷取出各亮點像素之亮度較灰階亮度門檻值大者。
前述實施方式之其他實施例如下：前述直方圖均值化步驟可包含一累積分配函數，此累積分配函數用以改變此些灰階值。累積分配函數包含灰階值、出現次數、灰階層次及均值化灰階值。灰階值表示為i，出現次數表示為n i ，灰階層次表示為L，均值化灰階值表示為T i ，累積分配函數符合下式：
Figure 107136583-A0101-12-0008-3
,n=n 1+n 2+...+n L-1。
前述實施方式之其他實施例如下：在前述亮點偵測步驟中，運算單元可依據亮點像素之一顏色判斷亮點像素是否為車輛光源。當顏色為紅色時，運算單元判斷亮點像素為車輛光源，且此車輛光源為車尾燈。當顏色為白色時，運算單元判斷亮點像素為車輛光源，且此車輛光源為車頭燈。
前述實施方式之其他實施例如下：在前述車燈判斷步驟中，運算單元可執行連通區域標記演算法而將複數個各自相連通之亮點像素分別標記為複數個連通區域值，然後執行面積篩選法而分析具有各連通區域值之亮點像素的面積，並依據面積之大小判斷具有各連通區域值之亮點像素是否為車輛光源。
前述實施方式之其他實施例如下：在前述車燈判斷步驟中，運算單元可執行一面積比例分析法而分析具 有連通區域值之亮點像素的一面積比例，然後依據面積比例判斷具有連通區域值之亮點像素是否為車輛光源。
100、100a‧‧‧基於光強度動態之夜間車輛偵測方法
110a‧‧‧駕駛車輛
110b‧‧‧前方車輛
120‧‧‧影像
130‧‧‧灰階影像
140‧‧‧均值化影像
150‧‧‧亮度篩選影像
160‧‧‧連通區域標記影像
500‧‧‧車輛偵測方法
510‧‧‧影像分析步驟
520‧‧‧車輛偵測步驟
600‧‧‧日間車輛偵測步驟
610‧‧‧前方碰撞預警演算法
700‧‧‧夜間車輛偵測步驟
S12、S22‧‧‧亮點偵測步驟
S14、S24‧‧‧車燈判斷步驟
S16、S26‧‧‧光流濾除步驟
S18、S28‧‧‧距離估算步驟
170‧‧‧車燈候選影像
190‧‧‧距離估算影像
192‧‧‧左邊車輛光源
194‧‧‧右邊車輛光源
200‧‧‧基於光強度動態之 夜間車輛偵測系統
300‧‧‧攝影機
400‧‧‧運算單元
410‧‧‧亮點偵測模組
420‧‧‧車燈判斷模組
430‧‧‧光流濾除模組
440‧‧‧距離估算模組
S222‧‧‧直方圖均值化步驟
S224‧‧‧亮度特徵擷取步驟
S242‧‧‧連通區域標記演算法
S244‧‧‧面積篩選法
S246‧‧‧面積比例分析法
S262‧‧‧光流法
S264‧‧‧動態光源確認步驟
Va、Vb‧‧‧移動速度
X、Y‧‧‧距離
第1圖係繪示本發明一實施例之基於光強度動態之夜間車輛偵測方法的流程示意圖；第2圖係繪示第1圖實施例中駕駛車輛與前方車輛行駛間的示意圖；第3圖係繪示本發明另一實施例之基於光強度動態之夜間車輛偵測方法的流程示意圖；第4圖係繪示第3圖實施例中直方圖均值化步驟的示意圖；第5圖係繪示第3圖實施例中連通區域標記演算法的示意圖；第6圖係繪示第3圖實施例中面積篩選法的示意圖；第7圖係繪示第3圖的基於光強度動態之夜間車輛偵測方法中攝影機擷取之影像；第8圖係繪示第7圖的影像轉成灰階影像；第9圖係繪示第8圖的灰階影像經由直方圖均值化步驟所得到的均值化影像；第10圖係繪示第9圖的均值化影像經由亮度特徵擷取步驟所得到的亮度篩選影像；第11圖係繪示第10圖的亮度篩選影像經由連通區域標 記演算法所得到的連通區域標記影像；第12圖係繪示第11圖的連通區域標記影像經由面積篩選法與面積比例分析法所得到的車燈候選影像；第13A圖係繪示第12圖的車燈候選影像經由光流濾除步驟與距離估算步驟所得到的距離估算影像；第13B圖係繪示第13A圖的距離估算影像之左邊車輛光源的距離深度；第13C圖係繪示第13A圖的距離估算影像之右邊車輛光源的距離深度；第14圖係繪示本發明又一實施例之基於光強度動態之夜間車輛偵測系統的方塊示意圖；以及第15圖係繪示本發明再一實施例之車輛偵測方法的流程示意圖。
以下將參照圖式說明本發明之複數個實施例。為明確說明起見，許多實務上的細節將在以下敘述中一併說明。然而，應瞭解到，這些實務上的細節不應用以限制本發明。也就是說，在本發明部分實施例中，這些實務上的細節是非必要的。此外，為簡化圖式起見，一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之；並且重複之元件將可能使用相同的編號表示之。
此外，本文中當某一元件(或單元或模組等)「連接」於另一元件，可指所述元件是直接連接於另一元 件，亦可指某一元件是間接連接於另一元件，意即，有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時，才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件，而對元件本身並無限制，因此，第一元件亦可改稱為第二元件。且本文中之元件/單元/模組之組合非此領域中之一般周知、常規或習知之組合，不能以元件/單元/模組本身是否為習知，來判定其組合關係是否容易被技術領域中之通常知識者輕易完成。
請一併參閱第1圖與第2圖，第1圖係繪示本發明一實施例之基於光強度動態之夜間車輛偵測方法100的流程示意圖。第2圖係繪示第1圖實施例中駕駛車輛110a與前方車輛110b行駛間的示意圖。如圖所示，此基於光強度動態之夜間車輛偵測方法100用以偵測夜間中駕駛車輛110a之攝影機300與前方車輛110b之間的距離Y，基於光強度動態之夜間車輛偵測方法100包含亮點偵測步驟S12、車燈判斷步驟S14、光流濾除步驟S16以及距離估算步驟S18。
亮點偵測步驟S12係透過一攝影機300擷取一影像，並驅動一運算單元400針對影像運算而偵測出影像之亮點。亮點包含複數個亮點像素，攝影機300與運算單元400均設於駕駛車輛110a。車燈判斷步驟S14係驅動運算單元400執行一連通區域標記演算法而將相連通之亮點像素標記為連通區域值，然後執行一面積篩選法而分析具 有連通區域值之亮點像素的面積，並依據面積之大小判斷具有連通區域值之亮點像素是否為車輛光源。此外，光流濾除步驟S16係驅動運算單元400執行一光流法而求得車輛光源的移動速度Vb，並濾除移動速度Vb小於預設速度之車輛光源。駕駛車輛110a與前方車輛110b分別具有移動速度Va與移動速度Vb。而距離估算步驟S18係驅動運算單元400執行一座標轉換法而計算出未濾除之車輛光源(即車尾燈)與攝影機300之間的距離Y。藉此，本發明的基於光強度動態之夜間車輛偵測方法100使用影像處理方法偵測出車燈亮點，並結合光流法濾除非本車道之雜訊，可即時地取得較準確的車燈位置。此外，本發明透過影像處理方法可大幅降低複雜度，其與習知的分類器(如：Radial Basis Function(RBF)或Support Vector Machine(SVM))相比較為簡單，可提升資料處理的速度。另外，本發明所偵測的前方車輛110b不僅限於汽車，可偵測機車或有發亮之光源載具。以下將透過另一實施例詳細說明各步驟之細節。
請一併參閱第1圖、第2圖、第3圖及第4圖、第5圖、第6圖、第7圖、第8圖、第9圖、第10圖、第11圖、第12圖、第13A圖、第13B圖以及第13C圖。其中第3圖係繪示本發明另一實施例之基於光強度動態之夜間車輛偵測方法100a的流程示意圖；第4圖係繪示第3圖實施例中直方圖均值化步驟S222的示意圖；第5圖係繪示第3圖實施例中連通區域標記演算法S242的示意圖；第6圖係繪示第3圖實施例中面積篩選法S244的示意圖；第7圖係繪示第3圖 的基於光強度動態之夜間車輛偵測方法100a中攝影機300擷取之影像120；第8圖係繪示第7圖的影像120轉成之灰階影像130；第9圖係繪示第8圖的灰階影像130經由直方圖均值化步驟S222所得到的均值化影像140；第10圖係繪示第9圖的均值化影像140經由亮度特徵擷取步驟S224所得到的亮度篩選影像150；第11圖係繪示第10圖的亮度篩選影像150經由連通區域標記演算法S242所得到的連通區域標記影像160；第12圖係繪示第11圖的連通區域標記影像160經由面積篩選法S244與面積比例分析法S246所得到的車燈候選影像170；第13A圖係繪示第12圖的車燈候選影像170經由光流濾除步驟S26與距離估算步驟S28所得到的距離估算影像190；第13B圖係繪示第13A圖的距離估算影像190之左邊車輛光源192的距離深度(X,Y)；以及第13C圖係繪示第13A圖的距離估算影像190之右邊車輛光源194的距離深度(X,Y)。如圖所示，基於光強度動態之夜間車輛偵測方法100a用以偵測夜間中駕駛車輛110a之攝影機300與前方車輛110b之間的距離Y，基於光強度動態之夜間車輛偵測方法100a包含亮點偵測步驟S22、車燈判斷步驟S24、光流濾除步驟S26以及距離估算步驟S28。
亮點偵測步驟S22係透過攝影機300擷取影像120，並驅動運算單元400針對影像120運算而偵測出影像120之亮點。亮點包含複數個亮點像素，攝影機300與運算單元400均設於駕駛車輛110a。詳細地說，亮點偵測步驟S22包含直方圖均值化步驟S222與亮度特徵擷取步驟 S224，其中直方圖均值化步驟S222係依據影像120之複數個灰階值i統計出各灰階值的一出現次數n i ，並依據出現次數n i 改變灰階值而產生複數個均值化灰階值T i 。而亮度特徵擷取步驟S224係設定一灰階亮度門檻值T 1，並依據灰階亮度門檻值T 1擷取出各亮點像素之亮度較灰階亮度門檻值T 1大者。再者，直方圖均值化步驟S222包含一統計直方分布、一機率密度函數、一累積分配函數以及一查找表(Lookup Table)映射。其中統計直方分布係統計灰階影像130中灰階值i的出現次數n i 。機率密度函數係計算出現次數n i 的機率密度n i /n。累積分配函數係用以改變灰階值而輸出均值化灰階值T i 。查找表映射係將均值化灰階值T i 四捨五入。累積分配函數包含灰階值i、出現次數n i 、灰階層次L及均值化灰階值T i ，且累積分配函數符合下列式(1)：
Figure 107136583-A0101-12-0014-4
 舉例說明如下，表一顯示4位元灰階影像130分別經統計直方分布、機率密度函數、累積分配函數以及查找表映射所得到之數值，而第4圖則繪示影像灰階值於直方圖均值化步驟S222前後的分布示意圖。由表一與第4圖可知，本發明之直方圖均值化步驟S222可以讓原本集中於同一區段之灰階值i的分布變成較為分散的分布。
Figure 107136583-A0101-12-0015-5
 另外，在亮點偵測步驟S22中，運算單元400依據亮點像素之顏色判斷亮點像素是否為車輛光源，甚至可用以判斷車輛光源是車頭燈或車尾燈。當亮點像素的顏色為紅色時，運算單元400判斷這些亮點像素為車輛光源，且車輛光源為車尾燈。當亮點像素的顏色為白色時，運算單元400判斷這些亮點像素為車輛光源，且車輛光源為車頭燈。
車燈判斷步驟S24係驅動運算單元400執行一連通區域標記演算法S242而將相連通之亮點像素標記為連通區域值，然後執行一面積篩選法S244而分析具有連通區域值之亮點像素的面積，並依據面積之大小判斷具有連通 區域值之亮點像素是否為車輛光源。其中連通區域標記演算法S242係將亮度篩選影像150中具有相連通之亮點像素標記為同一個連通區域值而視為同一連通區域，然後產生連通區域標記影像160，如第5圖所示。而面積篩選法S244係篩選連通區域標記影像160中各連通區域之面積小於預設面積閥值者。若具有連通區域值之亮點像素的面積大於等於一預設面積閥值，則運算單元400判斷具有連通區域值之亮點像素是車輛光源，並將之保留；反之，若具有連通區域值之亮點像素的面積小於預設面積閥值，則運算單元400判斷具有連通區域值之亮點像素不是車輛光源，並將之剔除，如第6圖所示。
此外，在車燈判斷步驟S24中，運算單元400可執行連通區域標記演算法S242而將複數個各自相連通之亮點像素分別標記為複數個連通區域值，然後執行面積篩選法S244而分析具有各連通區域值之亮點像素的面積，並依據面積之大小判斷具有各連通區域值之亮點像素是否為車輛光源。藉此，本發明可分別判斷多個不同區域之亮點。
另外，在車燈判斷步驟S24中，運算單元400可執行一面積比例分析法S246而分析具有連通區域值之亮點像素的一面積比例，然後依據面積比例判斷具有連通區域值之亮點像素是否為車輛光源。詳細地說，若具有連通區域值之亮點像素的長寬比例小於等於一預設面積比例，則運算單元400判斷具有連通區域值之亮點像素是車輛光 源，並將之保留；反之，若具有連通區域值之亮點像素的長寬比例大於預設面積比例，則運算單元400判斷具有連通區域值之亮點像素不是車輛光源，並將之剔除。
光流濾除步驟S26係驅動運算單元400執行一光流法S262而求得車輛光源的移動速度Vb，並濾除移動速度Vb小於預設速度之車輛光源。詳細地說，光流濾除步驟S26包含光流法S262與動態光源確認步驟S264，其中光流法S262定義為連續影像平面中各個像素之亮度梯度變化。在空間中車輛光源投影於影像平面上，其像素之亮度會基於亮度守恆；也就是說，一個像素(Pi,Pj)在相鄰兩張影像中，其雖移動至不同的位置，但亮度仍是固定的，如下列式(2)所示：I(i,j,t)=I(i+δi,j+δj,t+δt) (2)。其中，I代表亮度，i、j代表像素(Pi,Pj)的位置座標，δi、δj代表像素(Pi,Pj)的移動向量，δt代表時間變化。在亮度守恆的條件下，光流(即車輛光源的移動速度Vb)可透過泰勒展開式與微分求解而得知，如下列式(3)所示：
Figure 107136583-A0101-12-0017-6
 其中，u、v分別代表像素(Pi,Pj)於水平方向與垂直方向的移動速度，至於泰勒展開式與微分求解之計算細節屬習知技術，故不再贅述。再者，動態光源確認步驟S264係依據移動速度Vb與一預設靜態速度值判斷車輛光源是否 為動態光源。若移動速度Vb小於等於預設靜態速度，則運算單元400判斷車輛光源不是動態光源而是雜訊，並將之剔除；反之，若移動速度Vb大於預設靜態速度，則運算單元400判斷車輛光源是動態光源，並將之保留。另外值得一提的是，駕駛車輛110a與前方車輛110b分別具有移動速度Va與移動速度Vb。本發明是利用駕駛車輛110a上裝設之攝影機300與運算單元400來偵測前方車輛110b的車輛光源。假設移動速度Va為已知，且移動速度Vb透過上述之光流濾除步驟S26得知，則運算單元400可依據移動速度Va與移動速度Vb之間的相對速度來判斷車輛光源是車頭燈或車尾燈。若相對速度大於一預設同向移動速度，運算單元400判斷車輛光源是車頭燈；反之，若相對速度小於等於預設同向移動速度，則運算單元400判斷車輛光源是車尾燈。
距離估算步驟S28係驅動運算單元400執行一座標轉換法而計算出未濾除之車輛光源與攝影機300之間的距離Y。其中座標轉換法係透過攝影機300的高度、道路平行線消失點座標、攝影機300之焦距的x軸比例係數以及攝影機300之焦距的y軸比例係數，將影像中屬於動態光源的車輛光源之位置座標轉換而計算出前方車輛110b之車輛光源的距離深度(X,Y)，其中距離X代表車輛光源相對於攝影機300正前方之左右相隔間距，距離Y代表車輛光源相對於攝影機300正前方之前後相隔間距。至於座標轉換法的計算細節屬習知技術，故不再贅述。
請一併參閱第1圖、第2圖、第3圖、第7圖及第14圖，其中第14圖係繪示本發明又一實施例之基於光強度動態之夜間車輛偵測系統200的方塊示意圖。如圖所示，基於光強度動態之夜間車輛偵測系統200使用前述基於光強度動態之夜間車輛偵測方法100、100a，且基於光強度動態之夜間車輛偵測系統200包含攝影機300及運算單元400。
攝影機300設於駕駛車輛110a，攝影機300擷取影像120。攝影機300可依據環境參數調整角度及收光效果，環境參數包含環境亮度、日夜間偵測等。
運算單元400設於駕駛車輛110a，且運算單元400包含亮點偵測模組410、車燈判斷模組420、光流濾除模組430以及距離估算模組440。其中亮點偵測模組410訊號連接攝影機300，亮點偵測模組410係針對影像120運算而偵測出影像120之一亮點，亮點包含複數個亮點像素。亮點偵測模組410用以執行亮點偵測步驟S12、S22。車燈判斷模組420訊號連接亮點偵測模組410，車燈判斷模組420係執行一連通區域標記演算法S242而將相連通之亮點像素標記為一連通區域值，然後車燈判斷模組420執行一面積篩選法S244而分析具有連通區域值之亮點像素的一面積，並依據面積之大小判斷具有連通區域值之亮點像素是否為一車輛光源。車燈判斷模組420用以執行車燈判斷步驟S14、S24。再者，光流濾除模組430訊號連接車燈判斷模組420，光流濾除模組430係執行一光流法S262而求得 車輛光源的移動速度Vb，並濾除移動速度Vb小於一預設速度之車輛光源。光流濾除模組430用以執行光流濾除步驟S16、S26。距離估算模組440訊號連接光流濾除模組430，距離估算模組440係執行一座標轉換法而計算出未濾除之車輛光源與攝影機300之間的距離Y。距離估算模組440用以執行距離估算步驟S18、S28。此外，運算單元400可為個人電腦、電子控制單元(Electronic Control Unit；ECU)、微處理器或其他電子運算處理器。而本實施例之運算單元400係使用電子控制單元作為運算平台。藉此，本發明之基於光強度動態之夜間車輛偵測系統200透過影像處理方法可大幅降低複雜度，其與習知的分類器相比較為簡單，可提升資料處理的速度。
請一併參閱第1圖、第2圖、第3圖、第7圖及第15圖，其中第15圖係繪示本發明再一實施例之車輛偵測方法500的流程示意圖。車輛偵測方法500用以偵測影像中的前方車輛110b，車輛偵測方法500包含影像分析步驟510與車輛偵測步驟520。
影像分析步驟510係透過攝影機300擷取影像，並驅動運算單元400分析影像之一天空區域的一天空亮度值，並比對一預設亮度值與天空亮度值而判斷影像處於一日間時段或一夜間時段。攝影機300與運算單元400均設於駕駛車輛110a。
車輛偵測步驟520係驅動運算單元400執行一日間車輛偵測步驟600或一夜間車輛偵測步驟700。當影像 處於日間時段，執行日間車輛偵測步驟600；當影像處於夜間時段，執行夜間車輛偵測步驟700。詳細地說，日間車輛偵測步驟600係透過一前方碰撞預警演算法610(Forward Collision Warning；FCW)偵測前方車輛110b與攝影機300之間的距離Y。前方碰撞預警演算法610係先利用車道線辨識方法辨識出影像中的車道線，再透過前方車輛辨識方法判斷駕駛車輛110a與前方車輛110b之相對距離是否有在安全範圍內。前方車輛辨識方法係利用邊緣偵測從影像中找出前方車輛110b之特徵，例如：車輛陰影(水平邊緣)、車輛的對稱邊(垂直邊緣)。經由邊緣偵測可將車輛特徵找出來歸類為一物件，再針對此物件進行車寬及車高的判斷，以確定是否為車輛，找出前方車輛110b於畫面上之像素位置。最後，經由前方車距估測模型，可估算出駕駛車輛110a與前方車輛110b之距離。至於前方車距估測模型之細節屬習知技術，故不再贅述。此外，夜間車輛偵測步驟700包含亮點偵測步驟S12、車燈判斷步驟S14、光流濾除步驟S16及距離估算步驟S18，其分別對應第1圖之亮點偵測步驟S12、車燈判斷步驟S14、光流濾除步驟S16及距離估算步驟S18，其細節不再贅述。藉此，本發明之車輛偵測方法500可依據影像的內容適應性地選擇車輛偵測步驟，因此無論日間或夜間均可即時地取得較準確的車燈位置。
由上述實施方式可知，本發明具有下列優點：其一，本發明的基於光強度動態之夜間車輛偵測方法使用 影像處理方法偵測出車燈亮點，並結合光流法濾除非本車道之雜訊，可即時地取得較準確的車燈位置。其二，本發明之夜間車輛偵測系統透過影像處理方法可大幅降低複雜度，其與習知的分類器相比較為簡單，可提升資料處理的速度。其三，本發明之車輛偵測方法可依據影像的內容適應性地選擇車輛偵測步驟，因此無論日間或夜間均可即時地取得較準確的車燈位置。其四、本發明所偵測的前方車輛不僅限於汽車，可偵測機車或有發亮之光源載具。
雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此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。
100‧‧‧基於光強度動態之夜間車輛偵測方法
S12‧‧‧亮點偵測步驟
S14‧‧‧車燈判斷步驟
S16‧‧‧光流濾除步驟
S18‧‧‧距離估算步驟

Claims (19)

  1. 一種基於光強度動態之夜間車輛偵測方法，包含以下步驟：一亮點偵測步驟，係透過一攝影機擷取一影像，並驅動一運算單元針對該影像運算而偵測出該影像之一亮點，該亮點包含複數亮點像素，該攝影機與該運算單元設於一駕駛車輛；一車燈判斷步驟，係驅動該運算單元執行一連通區域標記演算法而將相連通之該些亮點像素標記為一連通區域值，然後執行一面積篩選法而分析具有該連通區域值之該些亮點像素的一面積，並依據該面積之大小判斷具有該連通區域值之該些亮點像素是否為一車輛光源；一光流濾除步驟，係驅動該運算單元執行一光流法而求得該車輛光源的一移動速度，並濾除該移動速度小於一預設速度之該車輛光源；以及一距離估算步驟，係驅動該運算單元執行一座標轉換法而計算出未濾除之該車輛光源與該攝影機之間的一距離。
  2. 如申請專利範圍第1項所述之基於光強度動態之夜間車輛偵測方法，其中該亮點偵測步驟包含： 一直方圖均值化步驟，係依據該影像之複數個灰階值統計出各該灰階值的一出現次數，並依據該些出現次數改變該些灰階值而產生複數個均值化灰階值；及一亮度特徵擷取步驟，係設定一灰階亮度門檻值，並依據該灰階亮度門檻值擷取出各該亮點像素之亮度較該灰階亮度門檻值大者。
  3. 如申請專利範圍第2項所述之基於光強度動態之夜間車輛偵測方法，其中該直方圖均值化步驟包含：一累積分配函數，用以改變該些灰階值，該累積分配函數包含該些灰階值、該些出現次數、一灰階層次及該些均值化灰階值，該些灰階值表示為i，該些出現次數表示為n i ，該灰階層次表示為L，該些均值化灰階值表示為T i ，該累積分配函數符合下式：
    Figure 107136583-A0101-13-0002-7
    ,n=n 1+n 2+...+n L-1。
  4. 如申請專利範圍第1項所述之基於光強度動態之夜間車輛偵測方法，其中，在該亮點偵測步驟中，該運算單元依據該些亮點像素之一顏色判斷該些亮點像素是否為該車輛光源； 當該顏色為紅色時，該運算單元判斷該些亮點像素為該車輛光源，且該車輛光源為車尾燈；當該顏色為白色時，該運算單元判斷該些亮點像素為該車輛光源，且該車輛光源為車頭燈。
  5. 如申請專利範圍第1項所述之基於光強度動態之夜間車輛偵測方法，其中，在該車燈判斷步驟中，該運算單元執行該連通區域標記演算法而將複數個各自相連通之該些亮點像素分別標記為複數該連通區域值，然後執行該面積篩選法而分析具有各該連通區域值之該些亮點像素的該面積，並依據該面積之大小判斷具有各該連通區域值之該些亮點像素是否為該車輛光源。
  6. 如申請專利範圍第1項所述之基於光強度動態之夜間車輛偵測方法，其中，在該車燈判斷步驟中，該運算單元執行一面積比例分析法而分析具有該連通區域值之該些亮點像素的一面積比例，然後依據該面積比例判斷具有該連通區域值之該些亮點像素是否為該車輛光源。
  7. 一種基於光強度動態之夜間車輛偵測系統，包含：一攝影機，設於一駕駛車輛，該攝影機擷取一影像；以及一運算單元，設於該駕駛車輛，且該運算單元包含：一亮點偵測模組，訊號連接該攝影機，該亮點偵測模組係針對該影像運算而偵測出該影像之一亮點，該亮點包含複數亮點像素；一車燈判斷模組，訊號連接該亮點偵測模組，該車燈判斷模組係執行一連通區域標記演算法而將相連通之該些亮點像素標記為一連通區域值，然後該車燈判斷模組執行一面積篩選法而分析具有該連通區域值之該些亮點像素的一面積，並依據該面積之大小判斷具有該連通區域值之該些亮點像素是否為一車輛光源；一光流濾除模組，訊號連接該車燈判斷模組，該光流濾除模組係執行一光流法而求得該車輛光源的一移動速度，並濾除該移動速度小於一預設速度之該車輛光源；及一距離估算模組，訊號連接該光流濾除模組，該距離估算模組係執行一座標轉換法而計算出未濾除之該車輛光源與該攝影機之間的一距離。
  8. 如申請專利範圍第7項所述之夜間車輛偵測系統，其中，該亮點偵測模組依據該影像之複數個灰階值統計出各該灰階值的一出現次數，並依據該些出現次數改變該些灰階值而產生複數個均值化灰階值；及該亮點偵測模組設定一灰階亮度門檻值，並依據該灰階亮度門檻值擷取出各該亮點像素之亮度較該灰階亮度門檻值大者。
  9. 如申請專利範圍第8項所述之夜間車輛偵測系統，其中，該亮點偵測模組執行一累積分配函數，該累積分配函數用以改變該些灰階值，該累積分配函數包含該些灰階值、該些出現次數、一灰階層次及該些均值化灰階值，該些灰階值表示為i，該些出現次數表示為n i ，該灰階層次表示為L，該些均值化灰階值表示為T i ，該累積分配函數符合下式：
    Figure 107136583-A0101-13-0005-8
    ，n=n 1+n 2+...+n L-1。
  10. 如申請專利範圍第7項所述之夜間車輛偵測系統，其中，該運算單元依據該些亮點像素之一顏色判斷該些亮點像素是否為該車輛光源；當該顏色為紅色時，該運算單元判斷該些亮點像素為該車輛光源，且該車輛光源為車尾燈；當該顏色為白色時，該運算單元判斷該些亮點像素為該車輛光源，且該車輛光源為車頭燈。
  11. 如申請專利範圍第7項所述之夜間車輛偵測系統，其中，該車燈判斷模組執行該連通區域標記演算法而將複數個各自相連通之該些亮點像素分別標記為複數該連通區域值，然後執行該面積篩選法而分析具有各該連通區域值之該些亮點像素的該面積，並依據該面積之大小判斷具有各該連通區域值之該些亮點像素是否為該車輛光源。
  12. 如申請專利範圍第7項所述之夜間車輛偵測系統，其中，該車燈判斷模組執行一面積比例分析法而分析具有該連通區域值之該些亮點像素的一面積比例，然後依據該面 積比例判斷具有該連通區域值之該些亮點像素是否為該車輛光源。
  13. 一種車輛偵測方法，用以偵測一影像中的一前方車輛，該車輛偵測方法包含以下步驟：一影像分析步驟，係透過一攝影機擷取該影像，並驅動一運算單元分析該影像之一天空區域的一天空亮度值，並比對一預設亮度值與該天空亮度值而判斷該影像處於一日間時段或一夜間時段，該攝影機與該運算單元設於一駕駛車輛；以及一車輛偵測步驟，係驅動該運算單元執行一日間車輛偵測步驟或一夜間車輛偵測步驟，其中當該影像處於該日間時段，執行該日間車輛偵測步驟，當該影像處於該夜間時段，執行該夜間車輛偵測步驟；其中，該日間車輛偵測步驟係透過一前方碰撞預警演算法偵測該前方車輛與該攝影機之間的距離；其中，該夜間車輛偵測步驟包含：一亮點偵測步驟，係驅動該運算單元針對該影像運算而偵測出該影像之一亮點，該亮點包含複數亮點像素；一車燈判斷步驟，係驅動該運算單元執行一連通區域標記演算法而將相連通之該些亮點像素標記為一連通區域值，然後執行一面積篩選法而分析具有該連 通區域值之該些亮點像素的一面積，並依據該面積之大小判斷具有該連通區域值之該些亮點像素是否為一車輛光源；一光流濾除步驟，係驅動該運算單元執行一光流法而求得該車輛光源的一移動速度，並濾除該移動速度小於一預設速度之該車輛光源；及一距離估算步驟，係驅動該運算單元執行一座標轉換法而計算出未濾除之該車輛光源與該攝影機之間的距離。
  14. 如申請專利範圍第13項所述之車輛偵測方法，其中，在該影像分析步驟中，該天空區域位於一預設天際線之上；其中，當該天空亮度值大於等於該預設亮度值時，該運算單元判斷該影像處於該日間時段；其中，當該天空亮度值小於該預設亮度值時，該運算單元判斷該影像處於該夜間時段。
  15. 如申請專利範圍第13項所述之車輛偵測方法，其中該亮點偵測步驟包含： 一直方圖均值化步驟，係依據該影像之複數個灰階值統計出各該灰階值的一出現次數，並依據該些出現次數改變該些灰階值而產生複數個均值化灰階值；及一亮度特徵擷取步驟，係設定一灰階亮度門檻值，並依據該灰階亮度門檻值擷取出各該亮點像素之亮度較該灰階亮度門檻值大者。
  16. 如申請專利範圍第15項所述之車輛偵測方法，其中該直方圖均值化步驟包含：一累積分配函數，用以改變該些灰階值，該累積分配函數包含該些灰階值、該些出現次數、一灰階層次及該些均值化灰階值，該些灰階值表示為i，該些出現次數表示為n i ，該灰階層次表示為L，該些均值化灰階值表示為T i ，該累積分配函數符合下式：
    Figure 107136583-A0101-13-0009-9
    ,n=n 1+n 2+...+n L-1。
  17. 如申請專利範圍第13項所述之車輛偵測方法，其中，在該亮點偵測步驟中，該運算單元依據該些亮點像素之一顏色判斷該些亮點像素是否為該車輛光源； 其中，當該顏色為紅色時，該運算單元判斷該些亮點像素為該車輛光源，且該車輛光源為車尾燈；其中，當該顏色為白色時，該運算單元判斷該些亮點像素為該車輛光源，且該車輛光源為車頭燈。
  18. 如申請專利範圍第13項所述之車輛偵測方法，其中，在該車燈判斷步驟中，該運算單元執行該連通區域標記演算法而將複數個各自相連通之該些亮點像素分別標記為複數該連通區域值，然後執行該面積篩選法而分析具有各該連通區域值之該些亮點像素的該面積，並依據該面積之大小判斷具有各該連通區域值之該些亮點像素是否為該車輛光源。
  19. 如申請專利範圍第13項所述之車輛偵測方法，其中，在該車燈判斷步驟中，該運算單元執行一面積比例分析法而分析具有該連通區域值之該些亮點像素的一面積比例，然後依據該面積比例判斷具有該連通區域值之該些亮點像素是否為該車輛光源。
TW107136583A 2018-10-17 2018-10-17 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統 TWI700017B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
TW107136583A TWI700017B (zh) 2018-10-17 2018-10-17 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統
US16/198,896 US10878259B2 (en) 2018-10-17 2018-11-23 Vehicle detecting method, nighttime vehicle detecting method based on dynamic light intensity and system thereof
JP2018221002A JP6723328B2 (ja) 2018-10-17 2018-11-27 車両検出方法、動的光強度に基づく夜間の車両検出方法及びそのシステム
DE102018129993.1A DE102018129993A1 (de) 2018-10-17 2018-11-27 Verfahren zur fahrzeugdetektion, verfahren zur fahrzeugdetektion bei nacht auf basis von dynamischer lichtintensität und system dafür

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107136583A TWI700017B (zh) 2018-10-17 2018-10-17 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統

Publications (2)

Publication Number Publication Date
TW202017433A true TW202017433A (zh) 2020-05-01
TWI700017B TWI700017B (zh) 2020-07-21

Family

ID=70279563

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107136583A TWI700017B (zh) 2018-10-17 2018-10-17 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統

Country Status (4)

Country Link
US (1) US10878259B2 (zh)
JP (1) JP6723328B2 (zh)
DE (1) DE102018129993A1 (zh)
TW (1) TWI700017B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7163817B2 (ja) * 2019-02-20 2022-11-01 トヨタ自動車株式会社 車両、表示方法及びプログラム
KR102339011B1 (ko) * 2020-04-27 2021-12-14 계명대학교 산학협력단 자율차량에서 주야간 보행자 감지를 위한 적응적 스위처 및 이를 이용한 보행자 감지 장치
CN111539973B (zh) * 2020-04-28 2021-10-01 北京百度网讯科技有限公司 用于检测车辆位姿的方法及装置
CN111611930B (zh) * 2020-05-22 2023-10-31 华域汽车系统股份有限公司 一种基于光照一致的车位线检测方法
TWI735336B (zh) * 2020-09-10 2021-08-01 財團法人車輛研究測試中心 定位製圖方法及移動裝置
CN112348813A (zh) * 2020-12-03 2021-02-09 苏州挚途科技有限公司 雷达与车灯检测融合的夜晚车辆检测方法及装置
JP7571862B2 (ja) * 2021-03-30 2024-10-23 日本電気株式会社 画像処理装置、画像処理方法、プログラム
TWI807561B (zh) * 2021-12-28 2023-07-01 國立陽明交通大學 嵌入式深度學習多尺度物件偵測暨即時遠方區域定位裝置及其方法
CN115082860A (zh) * 2022-06-30 2022-09-20 中用科技有限公司 一种基于图像处理和uwb技术的工厂区域车辆管理方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3485135B2 (ja) * 1995-09-27 2004-01-13 矢崎総業株式会社 車両用後側方監視装置
KR100630088B1 (ko) 2004-12-28 2006-09-27 삼성전자주식회사 옵티컬 플로우를 이용한 차량 감시 장치 및 방법
EP1837803A3 (en) 2006-03-24 2008-05-14 MobilEye Technologies, Ltd. Headlight, taillight and streetlight detection
TWI302879B (en) * 2006-05-12 2008-11-11 Univ Nat Chiao Tung Real-time nighttime vehicle detection and recognition system based on computer vision
DE102006055904A1 (de) * 2006-11-27 2008-05-29 Adc Automotive Distance Control Systems Gmbh Erkennung und Kategorisierung von Lichtpunkten mit einer Kamera in einer Fahrzeugumgebung
DE102006055903A1 (de) * 2006-11-27 2008-05-29 Adc Automotive Distance Control Systems Gmbh Erkennung von Fahrzeuglichtern mit einer Kamera
DE102008048309A1 (de) * 2008-09-22 2010-04-01 Volkswagen Ag Verfahren und Vorrichtung zum Detektieren von Fahrzeugen bei Dunkelheit
CN101770571B (zh) * 2009-12-29 2013-02-13 北京世纪高通科技有限公司 夜间车辆检测的方法和装置
TWI452540B (zh) 2010-12-09 2014-09-11 Ind Tech Res Inst 影像式之交通參數偵測系統與方法及電腦程式產品
JP5760635B2 (ja) * 2011-04-20 2015-08-12 日産自動車株式会社 走行支援装置
US20120287276A1 (en) * 2011-05-12 2012-11-15 Delphi Technologies, Inc. Vision based night-time rear collision warning system, controller, and method of operating the same
JP5272042B2 (ja) * 2011-05-12 2013-08-28 富士重工業株式会社 環境認識装置および環境認識方法
JP6310899B2 (ja) * 2015-11-25 2018-04-11 株式会社Ｓｕｂａｒｕ 車外環境認識装置
CN105740835B (zh) * 2016-02-05 2018-11-02 广西科技大学 夜视环境下基于车载相机的前方车辆检测方法
DE102017104957A1 (de) * 2017-03-09 2018-09-13 Connaught Electronics Ltd. Verfahren zum Bestimmen einer Bewegung von zueinander korrespondierenden Bildpunkten in einer Bildsequenz aus einem Umgebungsbereich eines Kraftfahrzeugs, Auswerteeinrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug
CN107316002A (zh) * 2017-06-02 2017-11-03 武汉理工大学 一种基于主动学习的夜间前方车辆识别方法
CN107507245A (zh) 2017-08-18 2017-12-22 南京阿尔特交通科技有限公司 一种车辆跟驰轨迹的动态采集方法及系统

Also Published As

Publication number Publication date
DE102018129993A1 (de) 2020-04-23
JP2020064583A (ja) 2020-04-23
TWI700017B (zh) 2020-07-21
US20200125869A1 (en) 2020-04-23
JP6723328B2 (ja) 2020-07-15
US10878259B2 (en) 2020-12-29

Similar Documents

Publication Publication Date Title
TWI700017B (zh) 車輛偵測方法、基於光強度動態之夜間車輛偵測方法及其系統
US7566851B2 (en) Headlight, taillight and streetlight detection
CN102963294B (zh) 一种夜间行驶车辆远光灯开启状态的判别方法
CN106934808B (zh) 一种视觉感知下汽车前灯尾灯识别跟踪方法
EP2815383B1 (en) Time to collision using a camera
US7949190B2 (en) Real-time nighttime vehicle detection and recognition system based on computer vision
Li et al. Nighttime lane markings recognition based on Canny detection and Hough transform
Wu et al. Applying a functional neurofuzzy network to real-time lane detection and front-vehicle distance measurement
O'Malley et al. Vehicle detection at night based on tail-light detection
US10565438B2 (en) Vehicle periphery monitor device
CN103871079A (zh) 基于机器学习和光流的车辆跟踪方法
CN110450706A (zh) 一种自适应远光灯控制系统及图像处理算法
CN105303160A (zh) 一种夜间车辆检测和跟踪的方法
TWI401473B (zh) 影像式夜間行人偵測系統及方法
CN104036246A (zh) 一种基于多特征融合及多态均值的车道线定位方法
CN108357418A (zh) 一种基于尾灯识别的前车驾驶意图分析方法
CN102610104B (zh) 一种车载的前方车辆检测方法
CN103914701A (zh) 一种基于图像的夜间车辆检测方法
CN109887276B (zh) 基于前景提取与深度学习融合的夜间交通拥堵检测方法
CN103927548A (zh) 一种新的避免车辆碰撞的刹车行为检测方法
Pradeep et al. An improved technique for night-time vehicle detection
CN104463170A (zh) 一种卡口系统下基于多重检测的无牌车辆检测方法
Ku et al. Visual motorcycle detection and tracking algorithms
CN111062231B (zh) 车辆侦测方法、基于光强度动态的夜间车辆侦测方法及其系统
Boumediene et al. Vehicle detection algorithm based on horizontal/vertical edges