专利名称：障碍物感测方法
技术领域：
本发明有关于一种障碍物感测方法，尤其是一种应用于道路的车辆障碍物感测方法。
背景技术：
车辆已成为现代人生活中的重要代步工具，当车辆在道路行驶时，因视觉死角、疲劳驾驶或因路人不守法等因素，使得驾驶人或乘客的安全堪虑，以往，在车祸发生时以被动式的安全装置作为补救的方式，例如安全气囊或车身强化等，救了许多车祸受害人的性命。而现在，汽车制造厂及供应商已将焦点转移至主动式的安全功能，例如道路障碍物感测、碰撞警示或自动驾驶等，以避免车祸和翻覆意外的发生。现有技术的障碍物感测方法是在车辆设置至少一个信号发射器及至少一个信号接收器，例如雷达、超音波或激光信号等，该信号发射器向车辆周围发射信号，当该信号接收器收到周围物体反射的信号时，表示在车辆周围有障碍物存在，而显示于车内屏幕上。 惟，由雷达发射器发射信号时，会产生大量电磁波，若发射距离远则发射功率大，不仅有危害人体的虞，也容易相互干扰，且高架天桥常因反射信号，而被误判为障碍物；由超音波接收器感测障碍物，只感测某些角度及固定位置，距离太远时也有感测上的困难，价格也较贵；由激光接收器感测障碍物，因只在固定位置装设接收器，会有很多死角，若接收器装太多则提高成本。由于影像处理技术日益进步，遂逐渐发展出以影像处理技术为基础的感测方法， 如中国台湾公告第200517982号《以立体视觉感测障碍物的装置与方法》发明专利申请案， 揭示一种现有技术障碍物感测方法，是由数个摄影机，撷取数个原始影像，感测该原始影像内的边缘资讯，产生数个边缘物件及其物件资讯，依据该物件资讯，配合数个摄影机中二支摄影机的焦距与水平间距，产生该边缘物件的物件相对距离。比较该物件相对距离与一个门槛距离。将该物件相对距离小于该门槛距离的边缘物件设为一个障碍物，并取得该障碍物的相对距离。按，上述以立体视觉感测障碍物的装置与方法，是需二支摄影机的焦距与水平间距，产生该边缘物件的物件相对距离。因此，无法仅以单一摄影机所提供的资讯感测障碍物。
发明内容
本发明的目的乃改良上述缺点，以提供一种仅需单一摄影机的障碍物感测方法。一种障碍物感测方法，其程序是包含一个影像前处理程序、一个车道线感测程序及一个障碍物感测程序。该影像前处理程序是自一个待处理影像中设定一个感兴趣区域； 该车道线感测程序是于该感兴趣区域内感测一个边缘资讯，并以该边缘资讯感测一组车道线；该障碍物感测程序是将该组车道线范围内的像素与一个匹配样板进行比对，比对方式是以绝对误差和运算以及三步搜索演算法寻找一个最佳匹配点，并在该最佳匹配点周围以该边缘资讯感测一个障碍物。有益效果在于本发明的障碍物感测方法，是自单一摄影机取得连续影像，并以连续影像的阴影资讯感测该障碍物。因此，具有减少设置成本的功效。本发明的障碍物感测方法，是自单一摄影机取得连续影像，并以连续影像的阴影资讯感测该障碍物。因此，具有警示驾驶人碰撞该障碍物的功效。
图1 本发明的障碍物感测方法的较佳实施例的方块图。图2 本发明的障碍物感测方法的较佳实施例的流程图。图3a 本发明的障碍物感测方法的较佳实施例的低解析度影像示意图。图北本发明的障碍物感测方法的较佳实施例的感兴趣区域示意图。图3c 本发明的障碍物感测方法的较佳实施例的边缘影像示意图。图3d 本发明的障碍物感测方法的较佳实施例的连续边缘影像示意图。图3e 本发明的障碍物感测方法的较佳实施例的补线影像示意图。图3f 本发明的障碍物感测方法的较佳实施例的车道边线示意图。图3g 本发明的障碍物感测方法的较佳实施例的车道线及车道中心线示意图。图池本发明的障碍物感测方法的较佳实施例的感测区域示意图。图4 本发明的障碍物感测方法的较佳实施例的霍式转换参数定义示意图。图fe 本发明的障碍物感测方法的较佳实施例的一错误道路模型示意图。图恥本发明的障碍物感测方法的较佳实施例的另一错误道路模型示意图。图6 本发明的障碍物感测方法的较佳实施例的匹配演算法流程图。图7 本发明的障碍物感测方法的较佳实施例的匹配演算法示意图。图8 本发明的障碍物感测方法的较佳实施例的边缘扫描流程图。图9 本发明的障碍物感测方法的较佳实施例的水平扫描方式示意图。图10 本发明的障碍物感测方法的较佳实施例的垂直扫描方式示意图。主要元件符号说明1 第η张低解析度影像 11 感兴趣区域2 第η张边缘影像21 物件边缘2’第η-1张边缘影像 21’物件边缘3 第11张补线影像31 车道边线32 车道线32C 车道中心线33 感测区域34 预定感测区域34 最佳匹配点342第一搜索区域342a 中心点342b周围点342c周围点342d周围点342e周围点342f 周围点342g周围点342h周围点！M2i 周围点343 第二搜索区域 343a 中心点
346B周围点343c周围点343d周围点343e周围点343f周围点343g周围点343h周围点！M3i周围点344第三搜索区域344a中心点344b周围点；3Mc周围点344d周围点344e周围点344f周围点344g周围点344h周围点！M4i周围点345水平扫描点346水平扫描线段346B最佳水平扫描线段347垂直扫描点348垂直扫描线段348B最佳垂直扫描线段Pl坐标点P2坐标点P3坐标点
具体实施例方式为让本发明的上述及其他目的、特征及优点能更明显易懂，下文特举本发明的较佳实施例，并配合所附图式，作详细说明如下请参照图1所示，其是本发明的障碍物感测方法的较佳实施例的方块图，该障碍物感测方法的程序是包含一个影像前处理程序Si、一个车道线感测程序S2及一个障碍物感测程序S3。该影像前处理程序Sl是自一个待处理影像设定一个感兴趣区域；该车道线感测程序S2是于该感兴趣区域内感测一个边缘资讯，并以该边缘资讯感测一个车道线资讯；该障碍物感测程序S3是以该车道线资讯感测一个最佳匹配点，并于该最佳匹配点周围寻找该边缘资讯，以感测一个障碍物资讯。请参照图2所示，其是本发明的障碍物感测方法的流程图，该影像前处理程序Sl 是包含一个影像选取步骤S11、一个解析度降低步骤S12、一个范围缩小步骤S13及一个杂讯消除步骤S14。请参照图3a至池所示，其是本发明的障碍物感测方法的处理过程示意图。该影像选取步骤Sll是将一个取像装置取得的连续影像中，取其第η张(即欲处理的这一张)来源影像为该待处理影像；该第η张来源影像若为彩色，则转成灰阶，以降低该第 η张来源影像的资料量。一个彩色影像转换为一个灰阶影像的公式是如下所示，Y = O. 2989 X R+0. 5870 X G+0. 1140 X B其中，Y是该灰阶影像的像素灰阶值；R、G及B分别为该彩色影像的像素的红、绿及蓝色分量数值。如图3a所示，该解析度降低步骤S12是将该第η张来源影像的解析度降低，但仍使该第η张来源影像内的原有资讯不失真，而形成一个第η张低解析度影像1。其方式可选自一个近邻内插法(Nearest NeighborInterpolation)或一个双线性内插法(Bilinear Interpolation)，前者运算速度快，但效果普通，后者运算速度中等，但效果较佳，可视实际需求采用。在本实施例中，是采用该近邻内插法。如图北所示，范围缩小步骤S13是于该第η张低解析度影像1设定该感兴趣区域(Region of interest)，S卩如图3b中标号“11”的区域。借助只处理该感兴趣区域11范围内的影像资料，期望以较少的处理时间取得所需资讯。在本实施例中，设定该感兴趣区域11 的宽为该第η张低解析度影像1的宽，及该感兴趣区域11的高为该第η张低解析度影像1 的高的一半，且设定该感兴趣区域11为该第η张低解析度影像1的下半部。该杂讯消除步骤S14是将该感兴趣区域11内的影像杂讯滤除，避免影像杂讯影响后续影像处理的效果，另，该感兴趣区域11内的边缘线段由于降低解析度而呈锯齿状，可借助此杂讯消除步骤S14将该边缘线段平滑化(smoothing)。其作法可选自具有保持边缘资讯并滤除杂讯的影像滤波方法。在本实施例中，选自一个中值滤波运算，其是将相同大小 (例如3X3)的遮罩元素及影像像素作乘加运算，以运算结果排序的中间值取代影像中间位置的值。请再参照图2所示，该车道线感测程序S2是包含一个边缘感测步骤S21、一个补线步骤S22、一个边线感测步骤S23及一个车道线辨识步骤S24。如图北及3c所示，该边缘感测步骤S21是将该感兴趣区域11去除背景及物件内部等不需要的资讯，并将结果储存为一个第η张边缘影像2，该第η张边缘影像2仅有数个物件边缘21的资讯，进行方式可选自任一个可做边缘感测的运算方法。在本实施例中，采用索贝尔(Sobel)滤波器运算，如下列表1所示，借助to及Gy遮罩进行该感兴趣区域11内的中心与两侧像素的亮度差值运算， 再计算|Gx| + |Gy|以取得该数个物件边缘21的资讯。
遮罩GxGy
遮罩元 -IQ1-1 -2 -1-------
素 -2 O2OOO
-10 112 1表1索贝尔滤波器的to及Gy遮罩元素如图3c所示，该数个物件边缘21是呈现不完整或不连续的线段，故需要连续影像间的相关资讯来补强该数个物件边缘21。如图3d及!Be所示，该补线步骤S22是利用一个第n-1张边缘影像2’来补强该第η张边缘影像2的数个物件边缘21，由于该数个物件边缘21与该第n-1张边缘影像2’的数个物件边缘21’的相关性高。因此，采用该第η张边缘影像与该第n-1张边缘影像相加的方式，以得到一个第η张补线影像3。如图3f所示，该边线感测步骤S23是感测该第η张补线影像3内的车道边线31。 可在该补线影像3内采用具有该车道边线31的样板比对的方式，或者，将该补线影像3转换为其他形式，再取其线段特征的方式，例如霍式转换(Hough Transform)，在本实施例中，如图4所示，将同一线段的坐标点PI、P2或P3(依此类推)的χ及y坐标，以霍式转换转为P (rho)及θ (theta)坐标，其转换公式如下所示ρ = y X cos θ +χ X sin θ由于影像内同一方向线段经霍式转换后，在P及θ坐标图上，具有交会在同一点的特性，因此，可取出最大交叉量的点，并选取P与θ接近最佳值的线段为该车道边线31。
该车道线辨识步骤SM是辨识该车道边线31是否为一组正确的车道线32，可采用
7图形样板比对的方式来辨识。如图如及恥所示，在本实施例中，是采用一个预设的错误道路模型来判断该车道边线31是否为正确的车道线32，再判断没被辨识出的线段是否可能为该组车道线32。如图3g所示，若已辨识出该组车道线32，则划出一个车道中心线32C。请再参照图2所示，该障碍物感测程序S3是包含一个范围界定步骤S31、一个目标搜索步骤S32及一个边缘扫描步骤S33。如图池所示，该范围界定步骤S31是以该组车道线32界定数个感测区域33。在本实施例中，是以该组车道线32界定三个感测区域33。请再参照图池所示，该目标搜索步骤S32是于一个预定感测区域34内进行一个匹配演算法比对，若比对结果小于一个门槛值则表示存在该最佳匹配点，即如图池中标号“341”的点。请参照图6及7所示，其是该匹配演算法的流程图及示意图，该匹配演算法是以三步搜索演算法(Three Step Search Algorithm)搭配绝对误差和运算(Sum of AbsoluteDifference, SAD)寻找该最佳匹配点；341，该匹配演算法包含七动作S321、S322、 S323,S324,S325,S326及S327。该动作S321是设定一个搜索区域的中心点。若为第一步搜索，则设定该搜索区域为一个第一搜索区域342，该第一搜索区域342的中心点34 是设定为该预定感测区域34的中央位置点；若为第二步搜索，则设定该搜索区域为一个第二搜索区域343，该第二搜索区域343的中心点343a是设定为第一步搜索的最佳比对结果的位置；若为第三步搜索，则设定该搜索区域为一个第三搜索区域344，该第三搜索区域344的中心点34 是设定为第二步搜索的最佳比对结果的位置。该动作S322是设定该搜索区域的范围。若为第一步搜索，则以四个像素点为间距，于该中心点；34加周围设定八个范围点:342b、342c、;342d、342e、!M2f、342g、!M2h及；342i， 该搜索区域的范围为9X9个像素；若为第二步搜索，则以二个像素点为间距，于该中心点 :343a周围设定八个范围点34北、343(；、；343(1、3436、；343厂3438、；34；311及343丨，该搜索区域的范围为5X5个像素；若为第三步搜索，则以一个像素点为间距，于该中心点34 周围设定八个范围点；34牝、344(；、；344(1、3446、；344厂3448、；34411及；34乜，该搜索区域的范围为3X3个像素。该动作S323是于该搜索区域内，以一个匹配样板进行比对，记录比对结果并正规化。在此实施例中，该匹配样板为30X5的像素区块，该匹配样板的像素灰阶值为180至 200的间。比对方式是以该匹配样板的中心点对齐该搜索区域左上角的范围点(即该范围点342b、34 或344b)；该匹配样板与该搜索区域内欲匹配的图形像素以全域搜寻(Full SearchAlgorithm)方式，从左而右及由上而下进行每一像素的绝对误差和运算，并记录运算结果以供排序及正规化，绝对误差和运算公式如下所示
权利要求
1.一种障碍物感测方法，其特征是包含一个影像前处理程序，自待处理影像中设定感兴趣区域；一个车道线感测程序，于该感兴趣区域内感测边缘资讯，并以该边缘资讯感测一组车道线；及一个障碍物感测程序，将该组车道线范围内的像素与匹配样板进行比对，比对方式以绝对误差和运算以及三步搜索演算法寻找最佳匹配点，并在该最佳匹配点周围以该边缘资讯感测障碍物。
2.如权利要求1所述的障碍物感测方法，其特征在于，该影像前处理程序包含 一个影像选取步骤，于取像装置取得的连续影像中，取一个第η张来源影像为该待处理影像，该第η张来源影像若为彩色，则转成灰阶；一个解析度降低步骤，将该第η张来源影像的解析度不失真地降低，以形成一个第η张低解析度影像；一个范围缩小步骤，于该第η张低解析度影像内设定该感兴趣区域；及一个杂讯消除步骤，于该感兴趣区域内进行中值滤波运算。
3.如权利要求1所述的障碍物感测方法，其特征在于，该车道线感测程序包含 一个边缘感测步骤，于该感兴趣区域内感测数个物件边缘，并储存为一个第η张边缘影像；一个补线步骤，利用一个第η-1张边缘影像来补强该第η张边缘影像的数个物件边缘， 并储存为一个第η张补线影像；一个边线感测步骤，感测该第η张补线影像内的车道边线；及一个车道线辨识步骤，以一个错误道路模型辨识该车道边线是否为该组车道线。
4.如权利要求1所述的障碍物感测方法，其特征在于，该障碍物感测程序包含 一个范围界定步骤，以该组车道线界定数个感测区域；一个目标搜索步骤，将预定感测区域内的像素与该匹配样板进行绝对误差和运算以及三步搜索演算法比对，若比对结果小于一个门槛值则表示存在该最佳匹配点；及一个边缘扫描步骤，于该最佳匹配点的周围沿垂直方向及水平方向寻找该边缘资讯， 以感测该障碍物。
5.如权利要求4所述的障碍物感测方法，其特征在于，该目标搜索步骤包含 设定一个搜索区域的中心点；设定该搜索区域的范围；于该搜索区域内，以该匹配样板进行比对，记录比对结果并正规化； 设定一个最佳比对结果的值及位置；及判断是否已执行第三步搜索，若已执行第三步搜索，则判断该最佳比对结果是否小于该门槛值，若小于该门槛值，则找到该最佳匹配点，若未小于该门槛值，则设定该预定感测区域为另一个感测区域，若未执行第三步搜索，则进行上述设定搜索区域中心点的动作。
6.如权利要求4所述的障碍物感测方法，其特征在于，该边缘扫描步骤包含 以该最佳匹配点设定数个水平扫描点，并以该数个水平扫描点设定数个水平扫描线段；于各该水平扫描线段中，计算该边缘资讯的边缘像素数量，以设定一个最佳水平匹配线段；判断该最佳水平匹配线段的边缘像素数量是否大于该最佳水平匹配线段的像素数量的一半，若判断结果为是，则设定该障碍物的底部宽度为该最佳水平匹配线段的边缘像素数量，若判断结果为否，则不存在该障碍物；若存在该障碍物，则以该最佳水平匹配线段的各像素设定数个垂直扫描点，并以该数个垂直扫描点设定数个垂直扫描线段；于各该垂直扫描线段中，计算含有该边缘资讯的边缘像素的长度差距，以设定一个最佳垂直匹配线段；及设定该障碍物的高度为该最佳垂直匹配线段的长度差距。
7.如权利要求4所述的障碍物感测方法，其特征在于，该门槛值为0.1。
8.如权利要求5所述的障碍物感测方法，其特征在于，该另一个感测区域于一个第n+1 张边缘影像选择不同于该感测区域的感测区域。
9.如权利要求6所述的障碍物感测方法，其特征在于，该数个水平扫描点的数量为5 点，且该数个水平扫描点包含该最佳匹配点。
10.如权利要求3所述的障碍物感测方法，其特征在于，该补强方式以该第η张边缘影像与该第η-1张边缘影像进行加法运算。
全文摘要
一种障碍物感测方法，其程序是包含一个影像前处理程序、一个车道线感测程序及一个障碍物感测程序。该影像前处理程序是自一个待处理影像中设定一个感兴趣区域；该车道线感测程序是于该感兴趣区域内感测一个边缘资讯，并以该边缘资讯感测一组车道线；该障碍物感测程序是将该组车道线范围内的像素与一个匹配样板进行比对，比对方式是以绝对误差和运算以及三步搜索演算法寻找一个最佳匹配点，并在该最佳匹配点周围以该边缘资讯感测一个障碍物。
文档编号G06K9/36GK102456131SQ20101052809
公开日2012年5月16日 申请日期2010年11月2日 优先权日2010年11月2日
发明者林家平, 林秋丰 申请人:屏东科技大学