影像侦测算法瓶颈突破　汽车ADAS效能再进化

结合快速影像分割结果车道线侦测算法效能稳健

LDWS为ADAS中较早被开发的功能，车道偏移警示系统的研发，主要包含「车道线侦测」以及「车道偏移侦测」两个项目。虽然这个研究已经有十几年的历史，同时也有许多知名学者投入此领域的研究，但是其研究成果还有许多须要改进之处；如在车道线侦测方面，因为无法预测车道线与道路的颜色差距(梯度(Gradient))程度。因此，算法中默认的参数便无法侦测出所有类型的车道线。此外，为强化车道线的特性，往往须要重迭多张连续的画面，以加长车道线的长度。

最后，由于使用的直线侦测算法，无法提供直线是否属于车道线或是非车道线等信息，因此传统的车道偏移系统，需要一个手动设定的画面，标示出可能的车道线区域，藉此过滤掉非车道路线。

在车道偏移侦测方面，须要分析连续画面的变化，才能判断车子是否偏移，如此一来，系统便无法实时通知驾驶有关车道偏移的信息。有鉴于此，工研院已经自行开发出一种快速且强健的车道偏移警示系统；藉由结合「快速影像分割」的结果，所开发的车道线侦测算法，可以侦测出各种类型的车道线，不须要分析连续画面的变化，可以仅由一张画面，便判断出车辆是否偏移。

该算法的执行流程(图2)主要有五个步骤。


图2　LDWS算法流程图

．影像分割(Image Segmentation)

首先，对原始影像进行「区域化」的步骤，将影像分成若干区域。

．车道线区域侦测(Road Line Region Detection)

然后结合「影像分割后的结果」以及「梯度分析」，以完成车道线区域侦测。

．车道线候选区域(Road Candidate Determination)

使用区域标记(Connected Component Labeling)的方式，标记每个连通区域(Connected Component)，进而分析各区域的特性，去除「非车道线区域」，以完成工作。

．车道线判定(Road Line Determination)

接着进行车道线判定步骤。

．车道偏移警示(Lane Departure Warning)

最后，藉由判断左右车道线的角度，以完成警示的功能。

该算法的执行结果可参考图4。


图3　FCWS算法流程图

以纯水平线为依据　前车侦测算法更精确

保持安全车距是驾车的基本守则，尤其是在高速公路上，当前方车辆有任何状况发生时，保持安全车距才有足够的时间进行防御驾驶。所以，工研院开发FCWS的目标为，当前方车辆与本身车辆距离30公尺时，则实时发出警示讯号。

前方碰撞警示系统的研发，主要包含「前方车辆侦测」以及「车距计算」两大项目。目前的前方车辆侦测研究中，有许多方法是使用「车底阴影」来当作特征值。但是，阴影容易受到外在光线的影响，造成侦测正确率不稳定的困扰。此外，为克服夜间、阴雨等天候问题，有许多方法是以「后车灯」为侦测的特征值。这种做法虽然可在夜间获得良好的成果，但是仅适用于夜间。

有鉴于此，工研院自行研发适用于嵌入式系统，快速且稳定之前方车辆侦测算法；藉由Sobel滤波器取得前方车辆的水平、垂直边缘，并且透过梯度方向(Gradient Orientation)将「纯水平边缘」撷取出来。

「纯水平边缘」是很重要的特征，因为从很多测试影片中可以观察到，前方车辆必定有「纯水平边缘」，例如保险杆、后挡风玻璃、行李箱等，然而有时候场景中亦可能出现一些非车辆的纯水平边缘。为避免误判，可以使用标记(Labeling)、角点侦测(Corner Detection)、区域二元图(Local Binary Pattern, LBP)纹理分析(Texture Analysis)将前方车辆准确的侦测出来。如同LDWS算法一样，该算法的前方车辆侦测系统，亦不须要分析连续画面的变化，可以仅由一张画面便判断出前方车辆。本算法的执行流程如图3所示，而执行结果如图4所示。


图4　FCWS与LDWS之执行结果

在车距计算方面，由于仅有单一摄影机，所以无法使用双摄影机的算法来计算距离；但透过固定摄影机的方式，于静止状态预先量测距离，建立对应表格(Table)方式进行计算(图5)。将摄影机固定架设完毕后，透过实际量测可知，5公尺线对应至该影像的第162列(Row)、10公尺对应至第137列、15公尺对应至第126列、20公尺为第123列。


图5　单一摄影机之前方距离量测

藉由实际距离与影像坐标的对应产生对应表，当行进间前方车辆被侦测时，再利用查表的方式换算出前车距离。利用影像坐标对应的方法，其误差值将会随着距离增加而增加，不过在控制摄影机镜头条件下，在实际距离小于30公尺时，其误差值仍在公尺级的接受范围内。

最后，将ADAS于嵌入式平台进行验证且程序优化之后，即可安装于车辆上做实车测试。在此使用的嵌入式平台为Cortex-A15的双核心处理器与其他相关的周边配备；测试场景为新竹68号快速道路，并且于上午、中午、傍晚进行数次的实车测试；天候状况已包含晴天、阴天、大雨。FCWS与LDWS的正确率至少皆有90%以上，且执行速度可达25FPS。