TWI604979B

TWI604979B - 車距偵測方法

Info

Publication number: TWI604979B
Application number: TW106107318A
Authority: TW
Inventors: 何岡峯; 潘信全; 陳瑞和
Original assignee: 和碩聯合科技股份有限公司
Priority date: 2017-03-07
Filing date: 2017-03-07
Publication date: 2017-11-11
Also published as: TW201832961A

Description

車距偵測方法

本發明是有關於一種距離偵測方法，且特別是有關於一種車距偵測方法。

在先進駕駛輔助系統中(ADAS, Advanced Driver Assistance System)，前車碰撞偵測是一個很重要的技術。而判斷前車碰撞的一個關鍵資訊是目前駕駛車輛與前車的距離。而一般以電腦視覺為基礎之前車距離偵測（亦稱，車距偵測），主要都會利用駕駛車輛的影像擷取裝置去擷取駕駛車輛前方包含前車的影像，並且去偵測影像中前車的車高、車寬、車牌…等資訊去推估出駕駛車輛與前車之間的距離（亦稱，車距）。

然而，當前車距離駕駛車輛較近時，車高、車寬、或是車牌也很有可能超出所擷取的影像（如，所擷取的影像沒有包含完整的前車車高、車寬或是車牌影像），以致於會因為無法取得此時的車高、車寬、或是車牌而導致無法估測駕駛車輛與前車之間的車距。

本發明提供一種車距偵測方法，可在欲估測距離的車輛的影像不完全時，還可以偵測與該車輛之間的距離。

本發明的一實施例提供一種車距偵測方法，所述方法包括：經由朝行進方向移動的第一車輛的影像擷取裝置，持續取得對應所述第一車輛於所述行進方向所擷取的外部空間的多個影像；判斷所述多個影像中在第一時間點所擷取的第一影像是否具有目標影像，並根據所述目標影像判斷所述第一影像的第一類型數值，其中所述目標影像為第二車輛的影像；判斷是否具有第二影像的第二偵測框，其中所述多個影像中在所述第一時間點之前的第二時間點所擷取的影像為所述第二影像，其中若具有所述第二偵測框，根據所述第二影像的所述第二偵測框辨識所述第二影像中對應所述目標影像的多個第二特徵點，以計算於所述第一時間點與所述第二時間點之間的所述目標影像之變化率，並且根據所述變化率與所述第二影像的第一類型數值來計算出所述第一影像的第二類型數值；設定所述第一影像的第一偵測框，其中所述第一偵測框對應所述目標影像；根據所述第一影像的所述第一偵測框辨識所述第一影像中對應所述目標影像的多個第一特徵點；以及根據所述第一影像的所述第一類型數值與所述第二類型數值計算出所述第一影像的估計車距，其中所述第一影像的所述估計車距用以表示在所述第一時間點所述第一車輛與所述第二車輛之間的距離。

基於上述，本發明的一實施例所提供的車距偵測方法，除了對目標車輛的影像直接進行距離估測，也利用前後時間的影像變化來偵測車距，以在僅擷取到部份目標車輛的影像時，還可去估計車距。此外，本車距偵測方法還對經由多種方式所偵測到的車距進行最佳化，以讓估測到的車距能更穩定準確且增加可靠度。

為讓本發明的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。

圖1A是根據本發明的一實施例所繪示的車距測量方法的示意圖。請參照圖1A，為了方便說明，在本實施例中，假設駕駛車輛10設置有車距偵測裝置200，在駕駛車輛10的行進方向DR具有車輛20（亦稱，前車20），其中車距偵測裝置200具有影像擷取裝置100，並且所述影像擷取裝置100朝向駕駛車輛10的行進方向DR持續進行影像擷取的操作。影像擷取裝置100例如是包括鏡頭、感光元件以及光圈等的電子裝置（例如，具有鏡頭之攝影機或行動裝置/手機）。鏡頭例如是標準鏡頭、廣角鏡頭及變焦鏡頭等。感光元件例如是電荷耦合元件（Charge Coupled Device，CCD）、互補性氧化金屬半導體（Complementary Metal-Oxide Semiconductor，CMOS）元件或其他元件，鏡頭與感光元件或其組合在此皆不設限。影像擷取裝置100可根據所接收的控制訊號來連續擷取多個影像。在此，影像擷取裝置所連續擷取的多個影像之間的間隔為一影像擷取間隔時間，此影像擷取間隔時間隨廠商而定義。所述影像擷取間隔時間的長度可以是固定或不固定的。

圖2是根據本發明的一實施例所繪示的車距偵測裝置的方塊圖。請參照圖2，在本實施例中，車距偵測裝置200包括車距判斷模組210、影像辨識模組220、影像擷取模組230、儲存單元240以及警示模組250。影像辨識模組220、儲存單元240與警示模組250分別耦接車距判斷模組210，並且影像擷取模組230耦接影像辨識模組220。

在本實施例中，車距判斷模組210、影像辨識模組220、影像擷取模組230、儲存單元240以及警示模組250是以硬體（如，電路單元）的形式來實施，以實現本發明所提供的車距偵測方法。但，本發明不限於此，本發明所提供的車距偵測方法亦可以軟體或是韌體的方式來實施。例如，在另一實施例中，車距偵測裝置具有處理器/處理單元，可載入且執行記錄在儲存單元240中的多個程式碼模組（如，車距判斷程式碼模組、影像辨識程式碼模組、影像擷取程式碼模組以及警示程式碼模組），以實施本發明所提供的車距偵測方法。

在本實施例中，影像擷取模組230與影像擷取裝置100整合在一起，並且用以根據車距判斷模組的指示來操控影像擷取裝置100以擷取影像(亦可視為，車距偵測裝置內建影像擷取裝置)。在另一實施例中，影像擷取裝置100可以是外接式的，經由耦接至影像擷取模組230的介面插槽來連接至影像擷取模組230。如此一來，使用者可使用其他非內建的影像擷取裝置（如，手機）來配合車距偵測裝置以進行車距的偵測，進而增進了使用的彈性。

所述車距判斷模組210為具有運算能力之硬體（如，處理器、電路單元或晶片組），負責車距偵測裝置200的整體運作，並且用以根據所接收到的資訊來判斷駕駛車輛10與前車20之間的距離。

儲存單元240可經由車距判斷模組210的指示來暫存資料，所述資料包括用以管理車距偵測裝置200的資料（如，管理車距偵測裝置200的軔體或是軟體）或是用以判斷車距用的多種資料庫。值得一提的是，在另一範例實施例中，儲存單元240也可以包含於車距判斷模組210中。

圖1B是根據本發明的一實施例所繪示的車距測量方法的示意圖。在本實施例中，車輛20的車寬、車高D _T1或是車牌大小（如，車牌寬度或車牌高度D _T2）可以是預定值。舉例來說，廠商可根據駕駛車輛所行駛的地區來預先設定對應的車牌的固定高度（或寬度）。又例如，廠商可預先記錄不同車型/車款的車高與車寬的資料於上述儲存單元240的所述多種資料庫中的車輛資訊資料庫中，並且車距判斷模組210可根據影像辨識模組220所判斷的車輛20的車型/車款來從所述車輛資訊資料庫找到車輛20的對應的車高或車寬。

在另一實施例中，車輛20的車寬D _T4可以經由其他方式來估計。舉例來說，車距判斷模組210還可根據影像辨識模組220所判斷的車輛20的影像與所擷取影像中出現的道路分隔線的間距L _w或是駕駛車輛10的車頭影像來進行比對長度的比對，以估算出車輛20的車寬D _T4。

在本實施例中，也可藉由影像擷取裝置100（或車距偵測裝置200）於車輛10的架設高度H _C以及擷取影像中車底線與地平線之間的成像距離來計算出估計車距D ₃。詳細的計算方式會說明如後。

所述影像辨識模組220用以從影像擷取模組230接收所擷取的影像，並且對所擷取的影像進行影像辨識操作，以獲得不同的用以進行車距偵測方法的資訊。例如，辨識駕駛車輛10前方是否存在有車輛20；辨識車輛20的車牌的影像；或是辨識於車輛20的影像中的多個特徵影像等等。

所述警示模組250由車距判斷模組210來控制其運作。具體而言，警示模組250例如是以光源或喇叭等裝置來實現。當警示模組250為光源時，車距判斷模組210可以利用警示模組250來發出閃爍光以作為警示。當警示模組250為喇叭時，車距判斷模組210則可利用警示模組250來發出警示音或是語音訊息以作為警示。更詳細來說，車距判斷模組210更可根據當前駕駛車輛10的加速度、速度以及所估算出與前車20之間的車距來判斷是否即將會與前車20發生碰撞，進而指示警示模組250來發出警示或是直接控制駕駛車輛10的煞車系統來進行減速。

以下配合圖1A、圖1B、圖2與圖3來說明如何利用本實施例所提供的車距偵測方法來偵測駕駛車輛10與車輛20之間的距離（亦稱，車距）。

圖3是根據本發明的一實施例所繪示的車距偵測方法的流程圖。請同時參照圖1A、圖1B、圖2與圖3，在步驟S301中，車距判斷模組210指示影像擷取模組230經由朝行進方向移動的第一車輛10的影像擷取裝置100，持續取得對應所述第一車輛10的行進方向DR的外部空間的多個影像。具體來說，影像擷取裝置100例如是經由錄影的方式來對第一車輛10的前方的空間來進行影像的擷取（在此，為了方便說明，假設第一車輛10正往前方行駛，其中前方即為第一車輛10的行進方向DR）。此外，影像擷取裝置100會將所擷取的影像傳輸至影像擷取模組230，並且影像擷取模組230會將所接收的影像傳輸至影像辨識模組220來進行相關的影像辨識操作。

在步驟S303中，影像辨識模組220判斷所述多個影像中的在第一時間點所擷取的第一影像是否具有目標影像，其中所述目標影像為第二車輛的影像。所述第二車輛例如是第一車輛10的所述行進方向DR的所述外部空間中的車輛20。所述多個影像為在不同的時間點所擷取的不同的影像。每個時間點的間隔，如上所述，為影像擷取間隔時間。

具體來說，在本實施例中，影像辨識模組220可經由與儲存單元的多種資料庫中的目標影像資料庫中的多個車輛影像進行比對，來辨識所擷取的影像中（第一車輛10的前方的空間的影像）是否具有一個車輛的背後影像（如，車尾影像）或是前方影像（如，車頭影像）。又例如，在另一實施例中，影像辨識模組220所使用的影像辨識的方法例如是經由機器學習的方式，從大量的不同車輛的車尾/車頭影像來學習特定的可被辨識為車尾/車頭影像的影像特徵，進而可從所擷取的影像中來辨識車尾/車頭影像。舉例來說，若影像辨識模組220辨識到第一影像所擷取的影像中具有車輛20（亦稱，第二車輛）的車尾影像，影像辨識模組220會將車輛20的車尾影像作為目標影像，並且判定所述多個影像中的在第一時間點所擷取的第一影像具有目標影像。應注意的是，在另一實施例中，影像辨識模組220更會根據駕駛車輛10的車頭影像或是駕駛車輛前方的道路分隔線來判斷位於影像中的車輛的車尾/車頭影像是否為駕駛車輛10正前方之車輛的影像。換句話說，若是有一前車被判定並不在駕駛車輛10的行進路徑上，影像辨識模組220並不會將此前車之車尾/車頭影像作為目標影像。即，在此情境下，即使第一影像中出現了一個車輛的車尾/車頭影像，影像辨識模組220還是會判定第一影像不具有目標影像。

圖6為根據本發明的一實施例所繪示的目標影像的示意圖。請參照圖6，所述影像60就是經由影像擷取裝置100所擷取到的對應駕駛車輛10（裝設幀具偵測裝置的車輛）行進方向（前方）的外部空間的影像。影像辨識模組220會對所擷取的影像60來進行影像辨識，並且根據道路分隔線來辨識車輛30為目標影像。但是，影像辨識模組220不會將車輛40辨識為目標影像（根據道路分隔線與車輛40的相對位置，影像辨識模組220判定車輛40不會與駕駛車輛10在同一個車道上，進而車輛40不會被辨識為目標影像）。

若在步驟S303中，判定所述多個影像中的在第一時間點所擷取的第一影像不具有目標影像，整個流程回到步驟S301。

若在步驟S303中，判定所述多個影像中的在第一時間點所擷取的第一影像具有目標影像，接續至步驟S305。在步驟S305中，車距判斷模組210根據所述第一影像的所述目標影像判斷對應所述第一影像的第一類型數值。所述第一類型數據用以表示根據目標影像中的車輛20的預定目標的已知的長度的資訊所計算出來的駕駛車輛10與車輛20之間的車距。

具體來說，在判定第一影像具有目標影像後，影像辨識模組220會通知車距判斷模組210開始對所述目標影像（對車輛20）進行車距監控。接著，如上所述，影像辨識模組220會對目標影像進行影像辨識，以獲得多個用以判斷車距的資訊。更詳細來說，影像辨識模組220會辨識目標影像是否具有預定目標。在本實施例中，所述預定目標可以是目標影像中的車輛20的車高/車寬、車底車輛20的車牌大小（如，車牌高度或寬度）。廠商可設定不同的預定目標。

舉例來說，假設預定目標為目標影像中的車輛20的車高與車輛20的車牌高度。影像辨識模組220會利用前述的方式，藉由判斷車輛20的車型/車款，以從所述車輛資訊資料庫找到對應車輛20的車高與車牌高度的數值，進而獲得車輛20的真實高度D _T1以及車輛20的車牌的真實高度D _T2。在本實施例中，所述車輛20的真實高度D _T1以及車輛20的車牌的真實高度D _T2（即預定目標的真實長度）亦可稱為第一預定值。

接著，影像辨識模組220可經由影像擷取模組230或是影像擷取裝置100來獲得所述車輛20成像於影像擷取裝置100的感光元件上的長度（亦稱，成像長度D _C）。預定目標的成像長度亦稱為第一比對值。舉例來說，影像辨識模組220可辨識出車輛20的車輛高度的影像佔據了整體所擷取的影像的比例，來對應地計算出對應車輛20的車輛高度的成像長度D _C1。例如，假設感光元件的高度為0.004公尺，並且感光元件的寬度為0.006公尺。若目標影像的高度（即，車輛20的車尾影像的高度）佔據了所擷取影像的50%，則可以計算出目標影像的高度的成像長度D _C1為0.002公尺。值得一提的是，上述之真實長度與成像長度是為了區分預定目標於真實世界中的長度以及於感光元件上成像的長度。應注意的是，本發明並不限於上述的獲得成像長度的方式。

接著，車距判斷模組210會根據第一比對值、第一預定值與第一焦距來計算出該第一類型數據。換句話說，若是無法獲得對應預定目標的真實長度或是成像長度，則無法計算出第一類型數據。

在本實施例中，所述第一焦距為影像擷取裝置100的焦距。更詳細來說，影像擷取裝置100的焦距為影像擷取裝置100的感光元件與影像擷取裝置100的鏡頭中心C ₁之間的距離D _F。在本實施例中，車距判斷模組210會根據下列公式(A)來計算第一類型數據： (A)

其中，D為第一類型數據；D _F為第一焦距；D _T為對應該預定目標的第一預定值；D _C為對應該預定目標的第一比對值。

舉例來說，請參照圖1A，假設預定目標為車輛20的車高；預定目標的真實長度（第一預定值）D _T1為2公尺；預定目標的成像長度（第一比對值）D _C1為0.002公尺；焦距D _F為0.002公尺。根據公式(A)，車距判斷模組210所計算出的第一類型數據D ₁為2公尺（即，0.002*(2/0.002)=2）。所述第一類型數據D ₁是對應預定目標為車輛20的高度的第一類型數據。以此類推，假設也獲得了車輛20的車牌高度的真實長度D _T2與車輛20的車牌高度的成像長度，車距判斷模組210亦可根據這些數據配合第一焦距來計算出對應預定目標為車輛20的車牌高度的第一類型數據。簡單來說，本實施例會利用相似三角形定理且根據第一比對值、第一預定值與第一焦距來計算出第一類型數據。

又例如，（可參照圖1B）假設預定目標為車底。車距判斷模組會辨識對應預定目標為車底的真實長度為影像擷取裝置100的架設高度H _C（所述架設高度可在裝置影像擷取高度100時被設定好），並且將所擷取影像中的目標影像的車底位置與水平線之間的距離辨識為對應預定目標的成像長度（第一比對值）。相似於上述的計算方式，影像辨識模組220會對應地根據影像擷取裝置100的焦距D _F、影像擷取裝置100的架設高度H _C、所擷取影像中的目標影像的車底位置與水平線之間的成像距離（如，成像長度D _C3）來估算車距D ₃（即，第一類型數據）。所述影像擷取裝置100的架設高度H _C可稱為第一預定值。舉例來說，假設預定目標為車底。此外，架設高度H _C為1.5公尺；所擷取影像中的目標影像的車底位置與水平線之間的成像距離D _C3為0.0015公尺；焦距D _F為0.002公尺。根據公式(A)，車距判斷模組210所計算出的第一類型數據D ₃為2公尺（即，0.002*(2/0.002)=2）。

應注意的是，車距判斷模組210除了根據目標影像中的預定目標來獲得第一類型數據之外（如步驟S303～S305），車距判斷模組210會同時嘗試去獲得第二類型數據。所述第二類型數據是根據目標影像的前後時間的變化來估計出來的駕駛車輛10與車輛20之間的車距（步驟S307～S311）。換句話說，車距判斷模組210可同步對第一影像來進行對應步驟S303～S305以及步驟S307～S311的操作。

具體來說，在步驟S307中，車距判斷模組210會判斷是否具有第二影像的第二偵測框，其中所述多個影像中在所述第一時間點之前的第二時間點所擷取的影像為所述第二影像，並且所述第二偵測框所圍繞的區域至少包含部份的所述目標影像。更詳細來說，儲存單元240中可儲存對應每個不同時間點的影像的偵測框。前述第一時間點所擷取的第一影像是代表最新擷取的影像，並且第二時間點所擷取的第二影像是代表第一影像之前一個所擷取的影像（第一時間點與第二時間點之間具有一個影像擷取間隔時間）。也就是說，對應目前正根據步驟S303～S305處理的第一影像，於步驟S307，車距判斷模組210可從儲存單元240中找尋第二影像的第二偵測框的資料。所述第二偵測框的資料記錄了第二偵測框在第二影像中的位置、形狀與大小。根據第二影像的第二偵測框的資料，車距判斷模組210或影像辨識模組220可辨識出所述第二偵測框所圍繞的區域，並且所述區域會至少包含部份的前車的車尾影像（即，部份的目標影像）。

若不具有第二影像的第二偵測框，則回到步驟S301，繼續擷取後續的影像（如，於緊鄰於第一時間點後的第三時間點擷取第三影像）。

若具有第二影像的第二偵測框，則接續至步驟S309，車距判斷模組210根據所述第二偵測框辨識所述第二影像中對應所述目標影像的多個第二特徵點，以計算於所述第一時間點與所述第二時間點之間的所述目標影像之變化率。以下會配合圖4來進行步驟S309的說明。

圖4是根據本發明的一實施例所繪示的計算目標影像的變化率的流程圖。

請參照圖4，在步驟S3091中，車距判斷模組210判斷是否可經由所述第一影像對應所述第二偵測框的區域中辨識出對應所述目標影像的所述多個第二特徵點。具體來說，若車距判斷模組210找到了第二影像的第二偵測框的資料，車距判斷模組210會根據第二偵測框的資料獲得第二偵測框的框線對應於所擷取的影像的座標。接著，車距判斷模組210會根據第二偵測框的框線的座標，在第一影像中定位第二偵測框所包含（圍繞）的區域，並且指示影像辨識模組220對第一影像的對應於第二偵測框的區域進行影像辨識，以在該區域的影像中辨識是否有第二影像的多個第二特徵點的影像。值得一提的是，所述偵測框是為了減少影像辨識模組220的負荷，藉由讓影像辨識模組220僅在第二偵測框所圍繞的區域中來進行影像辨識，以減少資源的耗費，進而增進影像辨識的效率以及特徵點比對的可靠度與穩定度（因為，影像辨識模組220不需要去比對不被第二偵測框所圍繞的影像是否具有特徵點）。

在本實施例中，在記錄第二影像的第二偵測框於儲存單元240中時，會一併記錄第二影像的第二偵測框於第二影像所包含（圍繞）的區域內的多個第二特徵點，例如，記錄所述多個第二特徵點的影像特徵與所述多個第二特徵點於第二影像中的座標。其中，記錄第二影像的第二偵測框（或第一影像的第一偵測框）與對應的多個第二特徵點（或對應的第一影像的多個第一特徵點）的方法會於之後說明步驟S313、S315的操作時一併說明。

若影像辨識模組220辨識出在第一影像中被所述第二偵測框所圍繞的區域中具有第二影像的所述多個第二特徵點的影像，則視為在步驟S3091中判定可經由所述第一影像對應所述第二偵測框的區域中辨識出對應所述目標影像的所述多個第二特徵點，並且接續至步驟S3093。在S3093中，車距判斷模組210根據第一影像中的所述多個第二特徵點來計算第一距離集合，其中所述第一距離集合為所述第一影像的所述多個第二特徵點中每兩個第二特徵點之間的距離的集合。上述對於辨識特徵點的影像辨識方法，主要可用光流法(可辨識第一影像的第二特徵點，並且比對第一影像與第二影像中的第二特徵點)、加速穩健特徵法（Speeded Up Robust Features，SURF）或尺度不變特徵轉換法（Scale-Invariant Feature Transform，SIFT）。此外，上述的特徵點的辨識方法還可搭配多種演算法，如Brute-Force Matcher、FLANN (Fast Library for Approximate Nearest Neighbors) based Matcher。上述的影像辨識方法的細節不為本發明的實施例所欲闡述的重點，不贅述於此。以下會配合圖7A與圖7B來進行說明。

圖7A是根據本發明的一實施例所繪示的目標影像、偵測框與特徵點的示意圖。圖7B是根據本發明的一實施例所繪示的計算特徵點的距離集合的示意圖。

請先參照圖7A，假設在第二時間點所擷取的第二影像70中具有目標影像700，並且第二影像70的第二偵測框710如圖7A所示將目標影像700包含在內。在第二偵測框710所包含（圍繞）的第二影像的區域中已辨識出對應第二影像的第二特徵點P ₁、P ₂、P ₃。例如，第二特徵點P ₁是根據左後照鏡的影像來被辨識與設定的；第二特徵點P2是根據左車尾燈的影像來被辨識與設定的；第二特徵點P ₃是根據車標的影像來被辨識與設定的。

請參照圖7B，假設第一時間點為緊鄰在第二時間點之後的時間點，並且在第一時間點所擷取的第一影像71也具有目標影像700。車距判斷模組210判定具有第二影像70的第二偵測框710，並且根據第二偵測框710的座標，將第二偵測框710設定在第一影像71中，以取得被第二偵測框710所包含的區域。接著，車距判斷模組210指示影像辨識模組220對第一影像71中被第二偵測框710所包含的區域進行影像辨識，以判斷是否可從第一影像71中辨識出對應第二影像70的第二特徵點P ₁、P ₂、P ₃的多個特徵點（如，第二特徵點Q ₁、Q ₂、Q ₃）。更具體來說，影像辨識模組220會根據車距判斷模組210的指示，在第一影像71中被第二偵測框710所包含的區域內找尋相似於第二影像71的第二特徵點P ₁、P ₂、P ₃的影像。

在此例子中，影像辨識模組220辨識出第一影像具有相似於第二特徵點P ₁、P ₂、P ₃的影像，並且將被辨識出的該些影像的中心點設定為第一影像71的第二特徵點Q ₁、Q ₂、Q ₃的座標。例如，第二特徵點Q ₁是根據對應第二特徵點P ₁的左後照鏡的影像來被辨識與設定的；第二特徵點Q ₂是根據對應第二特徵點P ₂的左車尾燈的影像來被辨識與設定的；第二特徵點Q ₃是根據對應第二特徵點P ₃的車標的影像來被辨識與設定的。

接著，車距判斷模組210會根據第一影像71的第二特徵點Q ₁、Q ₂、Q ₃的座標來計算每兩個第二特徵點Q ₁、Q ₂、Q ₃之間的距離的集合為第一距離集合。例如，車距判斷模組210會計算線段L _Q1Q2、線段L _Q2Q3、線段L _Q1Q3的長度，並且將所述線段L _Q1Q2、線段L _Q2Q3、線段L _Q1Q3的長度集合作為第一距離集合（如，{ L _Q1Q2、L _Q2Q3、L _Q1Q3}）。

在步驟S3095中，車距判斷模組210會辨識對應所述多個第二特徵點的第二距離集合，其中所述第二距離集合為所述第二影像的所述多個第二特徵點中每兩個第二特徵點之間的距離的集合。具體來說，相似於計算第一距離集合的方法，由於在記錄第二影像70的第二偵測框710時，會一併記錄對應第二影像的第二特徵點P ₁、P ₂、P ₃的座標。因此，車距判斷模組210可根據第二特徵點P ₁、P ₂、P ₃的座標來計算出每兩個第二特徵點P ₁、P ₂、P ₃之間的距離的集合為第二距離集合。例如，車距判斷模組210會計算線段L _P1P2、線段L _P2P3、線段L _P1P3的長度，並且將所述線段L _P1P2、線段L _P2P3、線段L _P1P3的長度集合作為第二距離集合（如，{L _P1P2、L _P2P3、L _P1P3}）。

在另一實施例中，當設定第二影像的第二偵測框時，由於第二影像的第二特徵點的座標也被記錄了起來。因此，在此另一實施例中，設定第二影像的第二偵測框時，每兩個第二影像的第二特徵點之間的距離可先被計算，並且被儲存至儲存單元240。也就是說，在此另一實施例中，每兩個第二影像的第二特徵點之間的距離在執行步驟S3095之前就被記錄，並且當執行步驟S3095時，車距判斷模組210可根據要計算距離集合的多個第二特徵點直接至儲存單元240中找尋對應的每兩個所述多個第二特徵點之間的距離，以計算出對應所述多個第二特徵點的第二距離集合。

在步驟S3097中，車距判斷模組210根據所述第一距離集合與所述第二距離集合來計算變化率，其中所述變化率用以表示所述第一時間點與所述第二時間點時所述目標影像的大小（長度）的平均的變化比率。

具體來說，目標影像700從第二影像70至第一影像71的大小（長度）的變化率可以從相同的特徵點之間的距離的長度的變化率來推估出來。舉例來說，在第二時間點的第二影像的第二特徵點P ₁、P ₂分別對應在第一時間點的第一影像的第二特徵點Q ₁、Q ₂。即，對應第二影像的第二特徵點P ₁、P ₂之間的線段L _P1P2的長度會變化為第一影像的第二特徵點Q ₁、Q ₂之間的線段L _Q1Q2的長度。將線段L _Q1Q2的長度除以線段L _Q1Q2的長度便可獲得對應第二特徵點P ₁、P ₂(或第二特徵點Q ₁、Q ₂)的一組變化率。

然而，為了減少誤差且增加可靠度，本實施例會計算所有對應每兩個特徵點的多組變化率，並且對這些多組變化率取平均值以作為最後所使用的變化率（即，步驟S309所述之目標影像之變化率）。

更詳細來說，目標影像之變化率S可根據下方公式(B)來計算： (B)

其中，在第二時間點t具有N個特徵點，並且為其中特徵點與特徵點之間的距離；在第一時間點t+1具有N個特徵點。為其中特徵點與特徵點之間的距離； i、 j為任意兩個特徵點的編號（編號由1至N）。

應注意的是，若在步驟S3091中，判定不可經由第二偵測框從第一影像中辨識出第二影像的多個第二特徵點（如，不能從第一影像中辨識出第二影像的第二特徵點的影像）。則，接續至步驟S301。

請在回到圖3，在計算出目標影像之變化率後，在步驟S311中，車距判斷模組210根據所述變化率與所述第二影像的第一類型數值來計算出所述第一影像的第二類型數值。具體來說，如上所述，第二類型數據是根據目標影像的前後時間的變化來估計出來的駕駛車輛10與車輛20之間的車距。基此，在獲得目標影像的前後時間（相較於第一時間點與第二時間點）的變化率後，可據此配合經由第二影像計算出的第一類型數據來估算出第一影像的車距。舉例來說，假設目標影像從第二時間點至第一時間點的變化率為S ₃；車距判斷模組210對應第二時間點的第二影像，已計算且記錄第二影像的第一類型數據（如，車距D ₃）至儲存單元240中。車距判斷模組210可將車距D ₃除以變化率S ₃所獲得的值作為第一影像的第二類型數據。簡單來說，可視為若目標影像隨著時間而變大，則表示對應目標影像的車輛隨著時間而接近駕駛車輛（即，車距隨時間變小）。

在完成步驟S305或是步驟S311後，會接續至步驟S313。在步驟S313中，車距判斷模組210會設定所述第一影像的第一偵測框，其中所述第一偵測框對應所述目標影像，其中所述第一偵測框所圍繞的區域至少包含部份的所述目標影像。以下會配合圖5來說明步驟S313的細節。

圖5是根據本發明的一實施例所繪示的設定偵測框的流程圖。請參照圖5，在步驟S3131中，影像辨識模組220將所述第一影像中的所述目標影像與多個特徵影像進行比對，以判斷所述目標影像是否具有所述多個特徵影像中的至少兩類型特徵影像。具體來說，儲存單元240記錄有特徵影像資料庫，其儲存有多個不同的特徵影像。在本實施例中，所述特徵影像例如是各種車邊；各種輪胎；以及各種包括車底陰影的影像。（在另一實施例中，所述特徵影像可例如是各種車廠的商標；各種車燈的圖案；各種數字的圖案等等）。車距判斷模組210會指示影像辨識模組220藉由比對目標影像與特徵影像資料庫的所述多個特徵影像，來找出所述目標影像是否具有相似於特徵影像資料庫的所述多個特徵影像的至少兩類型特徵影像。所述至少兩類型特徵影像包括車邊類型特徵影像與車底類型特徵影像。若目標影像具有車邊類型特徵影像，則表示目標影像可被辨識出（左右兩個）車邊部份；若目標影像具有車邊類型特徵影像，則表示目標影像可被辨識出車底部份。所述目標影像的車底部份通常處於目標影像的下緣，並且會具備有輪胎的部份影像。換句話說，需要辨識出目標影像的車邊部份與車底部份，才會接續至下個步驟S3133。

若所述目標影像具有相似於特徵影像資料庫的所述多個特徵影像的至少兩類型特徵影像，接續至步驟S3133。在步驟S3133中，車距判斷模組210根據所述目標影像中的所述至少兩類型特徵影像決定所述第一偵測框的位置與大小，以使所述第一偵測框所圍繞的區域至少包含部分的所述目標影像。舉例來說，車距判斷模組210可根據目標影像位於第一影像中的區域來設定出一個例如是矩形的範圍來作為第一偵測框，以使所設定的第一影像的第一偵測框所圍繞的區域具有至少兩類型特徵影像。以下會藉由圖8B來詳細說明設定第一偵測框的方法。

圖8A是根據本發明的一實施例所繪示的偵測框的示意圖。圖8B是根據本發明的一實施例所繪示的設定偵測框的示意圖。

請參照圖8A，假設在第二時間點，對於所擷取的第二影像80已辨識出目標影像800。此外，也根據目標影像800設定了第二偵測框810，並且辨識出第二特徵點P ₁、P ₂、P ₃。

請參照圖8B，假設在第二時間點之後的第一時間點，影像辨識模組220對於所擷取的第一影像81已辨識出目標影像800。此外，影像辨識模組220根據第一影像81的目標影像800辨識出目標影像800具有至少兩類型特徵影像I ₁、I ₂（即，車底類型影像I ₁與車邊類型影像I ₂）。接著，車距判斷模組210會根據車邊類型影像I ₂決定偵測框寬度RW，並且根據偵測框寬度RW來決定偵測框高度RH。例如，根據目標影像800的車邊類型影像I ₂來判定出目標影像800的左右車邊，並且將左右車邊之間的距離作為偵測框寬度RW。

在本實施例中，偵測框高度RH的大小為偵測框寬度RW的大小乘以一常數（所述常數的範圍可為0.6至1）。接著，車距判斷模組210會根據車底類型影像I ₁，將目標影像800的車底部份的下邊界作為第一偵測框的下邊界，並且往上畫出一個矩形的偵測框820（如圖8B的虛線矩形），以使所述偵測框820的寬度為偵測框寬度RW且高度為偵測框高度RH。所述偵測框820的下邊界的中點通常會設定為目標影像的車底部份的下邊界的中點。所設定的偵測框820即為對應第一影像81的第一偵測框820。如此一來，第一偵測框820所圍繞的區域便可包含至少對應目標影像800的車輛的大部分的車尾影像，以讓影像辨識模組220可較有效率地辨識出特徵點。

應注意的是，在另一實施例中，所述第一偵測框820的寬度為偵測框寬度RW乘上小於1的常數且高度為偵測框高度RH乘上小於1的常數。也就是說，在此另一實施例中，第一偵測框820的範圍會在目標影像800的車邊部份與車底部份以內。此外，在此另一實施例中，第一偵測框820的中心點可被設置於目標影像800的左右車邊部份之間的中點。

在另一實施例中，步驟S3131為，影像辨識模組220判斷目標影像是否符合一預定條件，其中所述預定條件為目標影像是否完整。舉例來說，若影像辨識模組220判斷目標影像是一個完整的車尾影像，則影像辨識模組220會判定目標影像符合預定條件，並且接續至步驟S3133。

如上所述，車距判斷模組210還會將第一影像的所述第一偵測框的相關資訊（如，第一影像的第一偵測框的座標、大小、形狀等等的資訊）記錄至儲存單元240中。

在步驟S3131中，若判定所述目標影像不具有所述多個特徵影像中的至少兩類型特徵影像，接續至步驟S3135。在步驟S3135中，車距判斷模組210根據所述第一影像中的多個第二特徵點與所述第二影像中的多個第二特徵點計算位移量，並且根據所述位移量、變化率與所述第二影像的第二偵測框設定所述第一影像的所述第一偵測框。以下會配合圖8A、8C、8D來說明。

圖8C、8D是根據本發明的一實施例所繪示的根據位移量來設定偵測框的示意圖。請先參照圖8C，假設在第二時間點後的第一時間點所擷取的影像為第一影像82，並且第二時間點所擷取的影像為圖8A的第二影像80。此外，車距判斷模組210判定第一影像82中的所述目標影像不具有所述多個特徵影像中的至少兩類型特徵影像。接著，車距判斷模組210會嘗試利用第二影像80的第二偵測框810以及比對第一影像82與第二影像80之間的目標影像800的變化來移動第二偵測框810，並且使移動後的第二影像80的第二偵測框810成為第一影像82的第一偵測框。

更詳細來說，車距判斷模組210會根據第二影像80的第二特徵點P ₁、P ₂、P ₃的座標來求出第二影像80的第二特徵點P ₁、P ₂、P ₃的中心（幾何中心）P _C以及其座標。接著，車距判斷模組210會在第一影像82的目標影像800中辨識出對應第二影像的第二特徵點P ₁、P ₂、P ₃的第二特徵點Q ₄、Q ₅、Q ₆，並且求出第二特徵點Q ₄、Q ₅、Q ₆的中心Q _C以及其座標。接著，車距判斷模組210會計算中心P _C至中心Q _C的位移量S _C，並且根據所述位移量S _C來移動第二影像80的第二偵測框810。換句話說，所述位移量S _C可用以表示於第一時間點與第二時間點時該些第二特徵點的整體的位置變化（如，中心P _C與中心Q _C的位置變化）。

舉例來說，請同時參照圖8C與圖8D，車距判斷模組210可以根據位移量S _C與第二偵測框810的中心810C計算出中心821C，並且利用中心821C來設定新的偵測框821，以使所述偵測框821是以中心821C為中心。所設定的新的偵測框821即作為第一影像82的第一偵測框821。所述第一影像的第二偵測框821的大小縮放比例相等於目標影像之變化率。舉例來說，第一影像的第一偵測框821的上方邊界的長度是第二影像的第二偵測框810的上方邊界的長度乘上變化率。所述變化率的獲得方式已說明於上，不再贅述於此。如此一來，在處理於第一時間點後的第三時間點所擷取的第三影像時，影像辨識模組220可使用第一影像82的第一偵測框810。應提醒的是，當欲辨識偵測框內的影像時，影像辨識模組220僅會對所擷取的影像被偵測框包含的區域來進行影像辨識。換言之，超出的部份偵測框並不會影像本實施例的整體運作。

值得一提的是，在另一實施例中，第二偵測框810會再依據第一影像82的範圍作調整，以使第二偵測框810不超出第一影像82。例如，將第二偵測框810中超出第一影像82的一邊界的邊界設定為貼至第一影像的該邊界。此外，應注意的是，雖然上述於實施利中的偵測框是顯示於影像上。然而，上述所設定的第一偵測框或是第二偵測框（或對應其他影像的其他偵測框）可不被顯示（疊加）於第一偵測框或是第二偵測框所對應的第一影像或是第二影像上。換言之，偵測框的設定是為了去獲取在對應的影像中要進行影像辨識的區域，偵測框本身並不需要顯示於影像上。

請再回到圖3，在設定完第一影像的第二偵測框後，接續至步驟S315，車距判斷模組210會指示影像辨識模組220根據所述第一影像的所述第一偵測框來辨識對應所述第一影像的多個第一特徵點。舉例來說，請參照圖8D，車距判斷模組210會指示影像辨識模組220於第一影像中被第一偵測框821所包含的區域來辨識多個第一特徵點。所述第一特徵點可與第二特徵點相同或是不同。應提醒的是，所述第二特徵點Q ₄、Q ₅、Q ₆是依據第二影像的第二偵測框810來辨識的；所述第一特徵點會依據第一影像的第一偵測框821來辨識。此外，如上所述，車距判斷模組210亦會將所辨識出的第一影像的第一特徵點記錄至儲存單元240中。

在步驟S317中，車距判斷模組210會根據所述第一影像的所述第一類型數值與所述第二類型數值計算出所述第一影像的估計車距，其中所述第一影像的所述估計車距用以表示在所述第一時間點所述第一車輛與所述第二車輛之間的距離。

具體來說，車距判斷模組210會將該第一影像的該第一類型數值與該第二類型數值輸入至卡爾曼濾波器（Kalman Filter）以計算出該第一影像的該估計車距。

舉例來說，如上所述，假設車距判斷模組210已獲得了第一影像的第一類型數據D ₁、D ₂以及第二類型數據D ₃。車距判斷模組210會將第一類型數據D ₁、D ₂以及第二類型數據D ₃輸入至預設的卡爾曼濾波器，以輸出一個新的數值，並且將此新的數值作為估計車距。車距判斷模組210會將所獲得的所述估計車距作為當前駕駛車輛10與前車20之間的距離。所述預設的卡爾曼濾波器依據廠商自行設定並且為本領域人員熟知之技術，不贅述於此。

值得一提的是，如上所述，車距判斷模組210可根據當前駕駛車輛10的加速度、速度以及所獲得的估計車距來判斷是否即將會與前車20發生碰撞（如，判斷是否會在一預定時間內發生碰撞），進而指示警示模組250來發出警示或是直接控制駕駛車輛10的煞車系統來進行減速。

綜上所述，本發明的一實施例所提供的車距偵測方法，除了對目標車輛的影像直接進行距離估測，也利用前後時間的影像變化來偵測車距，以在僅擷取到部份目標車輛的影像時，還可去估計車距。此外，本車距偵測方法還對經由多種方式所偵測到的車距進行最佳化，以讓估測到的車距能更穩定準確且增加可靠度。

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，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當事後附的申請專利範圍所界定者為準。

10、20、30、40‧‧‧車輛
100‧‧‧影像擷取裝置
200‧‧‧車距偵測裝置
C₁‧‧‧鏡頭中心
D_F‧‧‧焦距
D_C1‧‧‧車輛20的高度的成像長度
D_C3‧‧‧車輛20的車底至水平線的距離的成像長度
D_T1‧‧‧車輛20的高度的真實長度
D_T2‧‧‧車牌21的高度的真實長度
D_T4‧‧‧車輛20的寬度的真實長度
L_W‧‧‧道路分隔線的寬度的真實長度
200‧‧‧車距偵測裝置
21‧‧‧車牌
DR‧‧‧行進方向
210‧‧‧車距判斷模組
220‧‧‧影像辨識模組
230‧‧‧影像擷取模組
240‧‧‧儲存單元
250‧‧‧警示模組
S301、S303、S305、S307、S309、S311、S313、S315、S317‧‧‧車距偵測方法的流程步驟
S3091、S3093、S3095、S3097‧‧‧步驟S309“根據所述第二偵測框辨識所述第二影像中對應所述目標影像的多個第二特徵點，以計算於所述第一時間點與所述第二時間點之間的所述目標影像之變化率”的詳細步驟
S3131、S3133、S3135‧‧‧步驟S313“設定所述第一影像的所述第一偵測框”的詳細步驟
60、70、71、80、81、82‧‧‧所擷取的影像
610、710、810、820、821‧‧‧偵測框
I₁、I₂‧‧‧特徵影像
RW‧‧‧偵測框寬度
RH‧‧‧偵測框高度
700、800‧‧‧目標影像
P₁、P₂、P₃、Q₁、Q₂、Q₃、Q₄、Q₅、Q₆‧‧‧特徵點
L_P1P2、L_P2P3、L_P1P3、L_Q1Q2、L_Q2Q3、L_Q1Q3‧‧‧線段
P_C、Q_C、810C、821C‧‧‧中心點
S_C‧‧‧位移量

圖1A是根據本發明的一實施例所繪示的車距測量方法的示意圖。圖1B是根據本發明的一實施例所繪示的車距測量方法的示意圖。圖2是根據本發明的一實施例所繪示的車距偵測裝置的方塊圖。圖3是根據本發明的一實施例所繪示的車距偵測方法的流程圖。圖4是根據本發明的一實施例所繪示的計算目標影像的變化率的流程圖。圖5是根據本發明的一實施例所繪示的設定偵測框的流程圖。圖6為根據本發明的一實施例所繪示的目標影像的示意圖。圖7A是根據本發明的一實施例所繪示的目標影像、偵測框與特徵點的示意圖。圖7B是根據本發明的一實施例所繪示的計算特徵點的距離集合的示意圖。圖8A是根據本發明的一實施例所繪示的偵測框的示意圖。圖8B是根據本發明的一實施例所繪示的設定偵測框的示意圖。圖8C、8D是根據本發明的一實施例所繪示的根據位移量來設定偵測框的示意圖。

S301、S303、S305、S307、S309、S311、S313、S315、S317‧‧‧車距偵測方法的流程步驟

Claims

一種車距偵測方法，包括：經由朝一行進方向移動的一第一車輛的一影像擷取裝置，持續取得對應該第一車輛於該行進方向所擷取的一外部空間的多個影像；判斷該些影像中在一第一時間點所擷取的一第一影像是否具有一目標影像，並根據該目標影像判斷該第一影像的一第一類型數值，其中該目標影像為一第二車輛的影像；判斷是否具有一第二影像的一第二偵測框，其中該些影像中在該第一時間點之前的一第二時間點所擷取的影像為該第二影像，並且該第二偵測框所圍繞的區域至少包含部份的該目標影像，其中若具有該第二偵測框，根據該第二偵測框辨識該第二影像中對應該目標影像的多個第二特徵點，以計算於該第一時間點與該第二時間點之間的該目標影像之變化率，並且根據該變化率與該第二影像的一第一類型數值來計算出該第一影像的一第二類型數值；設定該第一影像的一第一偵測框，其中該第一偵測框所圍繞的區域至少包含部份的該目標影像；根據該第一影像的該第一偵測框辨識該第一影像中對應該目標影像的多個第一特徵點；以及根據該第一影像的該第一類型數值與該第二類型數值計算出該第一影像的一估計車距，其中該第一影像的該估計車距用以表示在該第一時間點該第一車輛與該第二車輛之間的距離。
如申請專利範圍第1項所述的車距偵測方法，其中上述根據該目標影像判斷該第一類型數值的步驟包括：根據該目標影像辨識出一第一比對值；以及根據該第一比對值、一第一預定值與一第一焦距來計算出該第一類型數據，其中該第一焦距為該影像擷取裝置的焦距，該第一預定值為該目標影像中的一預定目標的真實長度，並且該第一比對值為該預定目標經由該影像擷取裝置所獲得的成像長度。
如申請專利範圍第2項所述的車距偵測方法，其中上述該預定目標包括：該第二車輛的一車牌的高度或寬度；或該第二車輛的寬度。
如申請專利範圍第1項所述的車距偵測方法，其中上述計算於該第一時間點與該第二時間點之間的該目標影像之該變化率的步驟包括：判斷是否可經由該第一影像對應該第二偵測框的區域中辨識出對應該目標影像的該些第二特徵點；若可經由該第一影像對應該第二偵測框的區域中辨識出對應該目標影像的該些第二特徵點，根據該第一影像中的該些第二特徵點來計算一第一距離集合，其中該第一距離集合為該第一影像的該些第二特徵點中每兩個第二特徵點之間的距離的集合；辨識對應該些第二特徵點的一第二距離集合，其中該第二距離集合為該第二影像的該些第二特徵點中每兩個第二特徵點之間的距離的集合；以及根據該第一距離集合與該第二距離集合來計算該變化率，其中該變化率用以表示於該第一時間點與該第二時間點時該目標影像的大小的一平均的變化比率。
如申請專利範圍第4項所述的車距偵測方法，其中上述根據該變化率與該第二影像的該第一類型數值來計算出該第一影像的該第二類型數值的步驟包括：該第一影像的該第二類型數值等於該第二影像的該第一類型數值除以該變化率。
如申請專利範圍第4項所述的車距偵測方法，其中上述設定該第一影像的該第一偵測框的步驟包括：將該第一影像中的該目標影像與多個特徵影像進行比對，以判斷該目標影像是否具有該些特徵影像中的至少兩類型特徵影像；以及若該目標影像不具有該些特徵影像中的該至少兩類型特徵影像，根據該第一影像中的該些第二特徵點與該第二影像中的該些第二特徵點計算一位移量，並且根據該位移量、該變化率與該第二影像的該第二偵測框設定該第一影像的該第一偵測框，其中該位移量用以表示於該第一時間點與該第二時間點時該些第二特徵點的整體的位置變化。
如申請專利範圍第6項所述的車距偵測方法，其中上述根據該位移量、該變化率與該第二影像的該第二偵測框設定該第一影像的該第一偵測框的步驟包括：根據該位移量移動該第二影像的該第二偵測框，並且根據該變化率縮放該第二影像的該第二偵測框；以及將移動且縮放後的該第二影像的該第二偵測框作為該第一影像的該第一偵測框。
如申請專利範圍第1項所述的車距偵測方法，其中上述設定該第一影像的該第一偵測框的步驟包括：將該第一影像中的該目標影像與多個特徵影像進行比對，以判斷該目標影像是否具有該些特徵影像中的至少兩類型特徵影像；以及若該目標影像具有該些特徵影像中的該至少兩類型特徵影像，根據該目標影像中的該至少兩類型特徵影像決定該第一偵測框的位置與大小，以使該第一偵測框所圍繞的區域至少包含部份的該目標影像。
如申請專利範圍第1項所述的車距偵測方法，其中上述根據該第一影像的該第一類型數值與該第二類型數值計算出該第一影像的該估計車距的步驟包括：將該第一影像的該第一類型數值與該第二類型數值輸入至卡爾曼濾波器（Kalman Filter）以計算出該第一影像的該估計車距。