TWM518378U - 影像除霧系統以及行車輔助系統 - Google Patents
影像除霧系統以及行車輔助系統 Download PDFInfo
- Publication number
- TWM518378U TWM518378U TW104219148U TW104219148U TWM518378U TW M518378 U TWM518378 U TW M518378U TW 104219148 U TW104219148 U TW 104219148U TW 104219148 U TW104219148 U TW 104219148U TW M518378 U TWM518378 U TW M518378U
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- unit
- neural network
- network computing
- driving assistance
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Description
本新型係有關於影像處理系統,尤指一種處理有霧影像之系統及其運用於行車輔助系統。
由於科技進步與經濟發展,使得開車人口日益劇增,雖然提昇生活方便性,但亦造成不少問題,如:廢棄排放、交通壅塞、資源浪費及交通意外事故等。因此歐、美、日等先進國家的交通管理單位和車廠均紛紛投入大量資源以改善交通運輸效率及安全性。
智慧型運輸系統(Intelligent Transportation System,ITS)整合電子、通訊、控制和感測技術於道路、車輛等智慧化通訊平台達到即時資訊傳輸,其中安全駕駛為各國發展重點項目。例如:日本速霸路(Subaru)的駕駛輔助系統(New EyeSight),其使用立體攝影機偵測道路上的行人和移動物體,當物體靠近車前方時,系統將自動發出警告並預警式煞停來協助系統降低車速以防止碰撞;瑞典富豪汽車行車系統(Volvo
Safety System),當車速低於30公里以下自動啟動,並在車輛碰撞前預先煞車。
因此,目前智慧型運輸系統大多採用攝影鏡頭做為影像取得之配備,但於下雨天、晚上或起霧等光線微弱情況下,如何取得清晰影像為智慧型運輸系統中一重要議題。近來許多研究紛紛提出一些演算法解決天候(起霧)所造成的影像問題。其一,為計算整張影像對比統計然後針對每個區塊做對比最大化,但由於沒有考慮光線的影響,經常導致影像過度增強或光暈現象的產生。其二,提出假定相同顏色的區域具有相似的深度,但影像深度差異過大時則效益變差。其三,把影像劃分數個區塊,並於每個區塊中重新計算直方圖均化,進而改善影像清晰度,但是其計算時間過長,使其影像處理效率仍然未達需求。
因此,本新型之目的是在提供一種影像除霧系統及其運用於行車輔助系統,期待能解決上述之影像清晰度及影像處理效率不佳的問題。
依據本新型一系統態樣之一種實施方式,利用前述之影像除霧方法專門延伸出一種影像除霧系統,其包含:一光學感應單元、一類神經網路運算單元及一輸出單元。其中光學感應單元係用以擷取一影像。類神經網路運算單元與光學感應單元電性連接,將所接收的影像利用一遮罩取得影像之像素值,接著利用像素值計算影像之一大
氣光估測值,最後利用大氣光估測值平衡影像之顏色。輸出單元與類神經網路運算單元電性連接,輸出單元像外輸出已平衡顏色之影像。
藉此系統實施方式,本新型利用類神經網路運算單元平衡影像之顏色,使輸出單元所輸出的影像較光學感應單元所擷取影像更為清晰。
前述系統態樣實施方式中的其他實施例如下:前述之類神經網路運算單元可採用一模糊小腦模型運算。前述之類神經網路運算單元可採用一互動式遞迴自我進化模糊小腦模型運算。
依據本新型另一系統態樣之一實施方式,利用前述之行車輔助方法,專門提出一種行車輔助系統,其包含:一光學感應單元、一類神經網路運算單元、一精煉透射單元(refined transmission map unit)、一影像處理單元、一輸出單元及一警示單元。其中光學感應單元係用以擷取一影像。類神經網路運算單元與光學感應單元電性連接,將所接收的影像利用一遮罩取得影像之像素值,接著利用像素值計算影像之一大氣光估測值,最後利用大氣光估測值平衡影像之顏色。精煉透射單元與類神經網路運算單元電性連接,其用以消除影像之光暈及強化影像對比度,最後得到高清晰度之影像。影像處理單元接收高清晰度之影像後進行車道標線辨識與解析前車距離,再輸出一行車資訊影像,其中當出現一行車狀況,影像處理單元則另輸出一警示訊號。顯示單元與影像處理單元連接且顯示
行車資訊影像。警示單元與影像處理單元連接,當接收到警示訊號後產生一警報。
藉此系統實施方式,本新型利用類神經網路運算單元平衡影像之顏色及精煉透射單元消除影像之光暈及強化影像對比度,使影像處理單元接收高清晰度之影像,提高影像處理單元辨識車道標線與解析前車距離的精確性,使所判斷之行車資訊正確率提高。
前述實施方式的其他實施例如下:前述之警報可對駕駛發出聲、光或振動。前述之類神經網路運算單元可採用一模糊小腦模型運算。前述之類神經網路運算單元可採用一互動式遞迴自我進化模糊小腦模型運算。前述之互動式遞迴自我進化模糊小腦模型運算係可利用一倒傳遞學習法來進行自我調整。
200‧‧‧行車輔助系統
210‧‧‧光學感應單元
220‧‧‧類神經網路運算單元
230‧‧‧精煉透射單元
240‧‧‧影像處理單元
250‧‧‧輸出單元
251‧‧‧距離資訊
252‧‧‧警示資訊
260‧‧‧警示單元
A‧‧‧行車狀況
B‧‧‧警報
第1A圖繪示本新型之行車輔助系統安裝於車輛上之示意圖。
第1B圖繪示第1A圖之行車輔助系統示意圖。
第2圖繪示本新型類神經網路運算單元採一互動式遞迴自我進化模糊小腦模型的架構圖。
第3圖繪示第1圖中輸出單元所顯示之行車資訊影像示意圖。
請同時參照第1A圖及第1B圖,其繪示本新型之行車輔助系統安裝於車輛上之示意圖及行車輔助系統示意圖。
由第1A圖可知,行車輔助系統200之實施方式係安裝於車輛擋風玻璃上,其用以擷取前方行車影像,當行車輔助系統200判斷發生一行車狀況A時,則行車輔助系統200發出一警報B提醒駕駛注意。由第2B圖可知行車輔助系統200包含:一光學感應單元210、一類神經網路運算單元220、一精煉透射單元230、一影像處理單元240、一輸出單元250及一警示單元260。其中光學感應單元210係用以於行車狀態下擷取一影像,類神經網路運算單元220接收光學感應單元210所擷取的影像,首先將影像透過遮罩將影像分割成複數個區塊,其後取得每一個區塊內的RGB像素值,接著將影像的RGB像素值輸入類神經網路運算單元220,類神經網路運算單元220計算出大氣光估測值,其後利用大氣光估測值平衡影像的顏色。類神經網路運算單元220將經過顏色平衡之影像傳送給精煉透射單元230,精煉透射單元230透過一引導濾波器消除影像之光暈及利用自適應性對比法強化方法強化影像之對比,藉以提高影像清晰度。影像處理單元240利用已提高清晰度之影像進行車道標線辨識與解析前車距離,再輸出一行車資訊影像,其中當行車偏離車道標線或與前車距離小於一安全車距,影像處理單元240則另輸出一警示訊號。輸出單元
250與影像處理單元240連接,且輸出單元250顯示行車資訊影像。警示單元260與影像處理單元240連接,當接收到警示訊號後產生一警報,其中警報可對駕駛發出聲、光或振動等警示。
第1A圖中,行車輔助系統200利用提高清晰度之影像進行辨識車道標線中,須先將影像從RGB空間轉換至YIQ空間,使用車道傾斜的特性找出影像中車道線邊緣像素,經扇形掃描後,判斷像素間的距離是否接近,當距離符合定義之門檻值及合併為同一線段,如果新的像素距離較遠則建立新的線段。
第1A圖中,行車輔助系統200利用提高清晰度之影像解析前車距離中,利用影像陰影和車尾燈在感興趣的區域中尋找前方車輛,定位完成後利用車身底部或車尾燈底部的像素距離,輸入至類神經網路運算單元計算與前車實際距離。
請參照第2圖,其繪示本新型採一互動式遞迴自我進化模糊小腦模型架構圖。由第2圖可知,整個模型架構可區分六層,以下對此六層進行說明:
第一層為輸入層,這一層每個節點稱為輸入項節點(input term node),其對應一輸入訊號,接著將輸入訊號傳遞至下一層。
第二層為模糊化層,這一層每個節點稱為輸入語意識節點(input linguistic node),其利用高斯歸屬函數(Gaussian membership function)模糊化輸入值。
第三層為空間激發層,這一層每個節點代表一個模糊規則計算激發強度,利用代數乘積運算執行模糊相遇操作。
第四層為時序激發層,這一層每個節點為一個遞迴法則節點,負責制定內部反饋和外部交互反饋迴路。遞迴法則節點的輸出為一目前空間之時間激發強度前一個時間激發強度之間的妥協比例。
第五層為模糊權重層,藉由每一節點相對應的關聯記憶選擇向量值做為匹配程度,進而推斷出一局部模糊輸出。
第六層為輸出層,每一節點完成解模糊化後輸出。
上述互動式遞迴自我進化模糊小腦模型為習知技術,在此不予贅述。
經過上述互動式遞迴自我進化小腦模型運算後,最後利用誤差倒傳傳遞學習演算法(Back-propagation algorithm)調整上述網路節點運算。
因此影像經由上述運算後,利用得到之大氣光估測值平衡每一區塊影像之顏色,接著透過引導濾波器消除光暈之現象並使用自適應性對比強化方法得到最後平衡之影像,其目的為移除影像之大氣光,提高影像能見清晰度。
請參照第3圖,其繪示第1圖中輸出單元250所顯示之行車資訊影像示意圖。由第3圖可知,輸出單元250
之輸出界面上顯示一距離資訊251及一警示資訊252。其中警示資訊252於行車偏離車道標線或與前車距離是小於安全車距時於輸出單元250之輸出界面上顯示危險。
雖然本新型已以實施方式揭露如上,然其並非用以限定本新型,任何熟習此技藝者,在不脫離本新型之精神和範圍內,當可作各種之更動與潤飾,因此本新型之保護範圍當視後附之申請專利範圍所界定者為準。
200‧‧‧行車輔助系統
210‧‧‧光學感應單元
220‧‧‧類神經網路運算單元
230‧‧‧精煉透射單元
240‧‧‧影像處理單元
250‧‧‧輸出單元
260‧‧‧警示單元
Claims (6)
- 一種影像除霧系統,包含有:一光學感應單元,係用擷取一影像;一類神經網路運算單元,其與該光學感應單元電性連接,該類神經網路運算單元利用一遮罩取得該影像之一像素值,利用該像素值計算該影像之一大氣光估測值,利用該大氣光估測值平衡該影像之顏色;以及一輸出單元,其與該類神經網路運算單元電性連接,該輸出單元向外輸出經該大氣光估測值平衡之該影像。
- 如申請專利範圍第1項之影像除霧系統,其中該類神經網路運算單元採用一模糊小腦模型運算。
- 如申請專利範圍第1項之影像除霧系統,其中該類神經網路運算單元採用一互動式遞迴自我進化模糊小腦模型運算。
- 一種行車輔助系統,包含有:一光學感應單元,係用擷取一影像;一類神經網路運算單元,其與該光學感應單元電性連接,該類神經網路運算單元利用一遮罩取得該影像之一像素值,利用該像素值計算該影像之一大氣光估測值,利用該大氣光估測值平衡該影像之顏色; 一精煉透射單元,其與該類神經網路運算單元電性連接,該精煉透射單元消除該影像光暈後,強化該影像對比,藉以提高該影像之清晰度;一影像處理單元,其係接收已提高清晰度之該影像後進行車道標線辨識與解析前車距離,再以該影像處理單元輸出一行車資訊影像,其中當出現一行車狀況,該影像處理單元則輸出一警示訊號;一顯示單元,其與該影像處理單元連接,該顯示單元顯示該行車資訊影像;以及一警示單元,其與該影像處理單元連接,該警示單元接收該警示訊號以產生一警報。
- 如申請專利範圍第4項之行車輔助系統,其中該警報可對駕駛發出聲、光或振動。
- 如申請專利範圍第4項之行車輔助系統,其中該類神經網路運算單元採一模糊小腦模型運算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104219148U TWM518378U (zh) | 2014-03-14 | 2014-03-14 | 影像除霧系統以及行車輔助系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104219148U TWM518378U (zh) | 2014-03-14 | 2014-03-14 | 影像除霧系統以及行車輔助系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM518378U true TWM518378U (zh) | 2016-03-01 |
Family
ID=56085910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104219148U TWM518378U (zh) | 2014-03-14 | 2014-03-14 | 影像除霧系統以及行車輔助系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM518378U (zh) |
-
2014
- 2014-03-14 TW TW104219148U patent/TWM518378U/zh not_active IP Right Cessation
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11386673B2 (en) | Brake light detection | |
CN107392103B (zh) | 路面车道线的检测方法及装置、电子设备 | |
CN108875603B (zh) | 基于车道线的智能驾驶控制方法和装置、电子设备 | |
US10504214B2 (en) | System and method for image presentation by a vehicle driver assist module | |
RU2573110C1 (ru) | Бортовое устройство распознавания изображений | |
JP2021185548A (ja) | 物体検出装置、物体検出方法およびプログラム | |
US11315026B2 (en) | Systems and methods for classifying driver behavior | |
CN106647776B (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
KR101240499B1 (ko) | 실시간 차선 인식 및 차량 검출 장치 및 방법 | |
JP2019008460A (ja) | 物体検出装置、物体検出方法およびプログラム | |
CN107590470B (zh) | 一种车道线检测方法及装置 | |
JP4775123B2 (ja) | 車両用監視装置 | |
CN104335244A (zh) | 对象物识别装置 | |
CN112101272A (zh) | 交通灯检测的方法、装置、计算机存储介质和路侧设备 | |
Wongsaree et al. | Distance detection technique using enhancing inverse perspective mapping | |
TW201535323A (zh) | 影像除霧系統及其方法、以及行車輔助系統及其方法 | |
JP6617610B2 (ja) | 車両用表示装置 | |
Premachandra et al. | Road intersection moving object detection by 360-degree view camera | |
JP6847709B2 (ja) | カメラ装置、検出装置、検出システムおよび移動体 | |
Habib et al. | Lane departure detection and transmission using Hough transform method | |
Kavya et al. | Night-time vehicle detection based on brake/tail light color | |
JP6789151B2 (ja) | カメラ装置、検出装置、検出システムおよび移動体 | |
KR101865958B1 (ko) | 속도 제한 표지판 인식 장치 및 방법 | |
Schleusner et al. | Deep learning based classification of pedestrian vulnerability trained on synthetic datasets | |
TWM518378U (zh) | 影像除霧系統以及行車輔助系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4K | Annulment or lapse of a utility model due to non-payment of fees |