以電腦視覺為基礎的速限與偏移車道偵測

Speed Limit Detection and Lane Departure Warning Based on Computer Vision

張盛唐(Sheng-Tang Chang)

指導教授 ： 吳章銘

中原大學/電機資訊學院/電子工程研究所/碩士(2017年)

https://doi.org/10.6840/cycu201700812

摘要

先進駕駛輔助系統在車輛電子化中，為各廠商著重的研發方向。輔助系
統中通常需要量測距離及速度的感測器，若使用雷達及光達等車規的感測
器，成本高且不易取得。本論文基於此點，採用攝影機之影像，應用電腦
視覺方法，研究最高速限標誌辨識及偏移車道偵測警示系統，速限標誌辨
識可提醒駕駛前方行駛道路速度之最高限制，防止超速；偏移車道偵測警
示系統，在駕駛未打方向燈的情況下，若車輛偏移行進之車道，對駕駛警
示。透過兩者來輔助駕駛者，達到行車更安全之目的。速限標誌的偵測方
法先以邊緣梯度做霍夫圓轉換法，找到整張影像中圓形輪廓的興趣區間，
再對此興趣區間內，進行判斷及數字辨識，將提取正確數字的方向梯度直
方圖特徵，給支援向量機做分類訓練，再用經訓練過的支援向量機判別興
趣區間是否為速限標誌，並以多組支援向量機判別速限之讀數。偏移車道
偵測方法使用霍夫直線轉換法來偵測標線位置，並依其所在的區域判斷是
否發生偏移車道。
本論文測試白天與夜晚環境，辨識結果相差不大，速限標誌符號的偵測
約有92％正確率，辨識數值則有87％的正確率，從輸入影像到辨識出結果
需耗時約為0.1秒；而偏移車道偵測需耗時約為0.04秒。

關鍵字

速限標誌辨識 ； 車道標線偵測 ； 支援向量機

並列摘要

Advanced driver assistance system is focused on the process of the
electronic vehicle. It is a very important research direction of the organisms. We
use the RADAR and LiDAR to measure the distance between the obstacles and
the speed of the vehicle in the high speed driving situations. The sensors are
high price and impermissible. In our thesis, we study and develop the speed
limit sign identifying system and lane departure warning system based on the
methodologies of the computer vision. In the speed limit sign identifying system,
we use the edge gradient to find the Hough circle contours of the picture. We get
the histograms of oriented gradients in the circle area, and extract the features
from the histograms. The features can be used to train and classify the support
vector machines. We determine the speed sign and the speed number from the
trained support vector machines. We find the straight line by the Hough
transform in the picture. We can determine the lane departure of the vehicle.
We tested the identifying system and warning system in the day and night.
The results of the identification almost are the same. It takes about 0.1 seconds
from getting image to the results. The correction of the speed sign detection is
about 92%. The correction of the speed number recognition is 87%. And it takes
about 0.04 seconds to detect lane offset.

並列關鍵字

Speed Limit Detection ； Lane Departure Warning ； Support Vector Machine

參考文獻

[10] 溫添盛，「一個用於交通速限標誌偵測與辨識的自適性方法」，碩士論文，中原大學電子工程，2015年7月。

[17] 王文慶，「以類神經網路為基礎之交通速限標誌辨識」，碩士論文，國立台北科技大學電機工程，2009年7月。

[26] 朱浩，「利用機器視覺完成車道標線偵測與偏移警示系統之研究」，碩士論文，國立台北教育大學資訊科學，2012年7月。

[18] 陳致民，「認知色彩的交通號誌與標誌偵測與辨識」，碩士論文，國立中央大學資訊工程，2011年6月。

[20] 李惠萍，「不同天候狀況的交通標誌偵測與辨識」，碩士論文，國立中央大學資訊工程，2008 年6月。