本論文是基於.NET Framework 4.0為開發平台，並以Visual C#為使用語言，對行車紀錄器的畫面做車道線偵測及前車偵測與追蹤，並使用不同種的方法對前處理時間進行加速，並對程式碼優化，減少執行時間。本文偵測部分分為兩種，一種是針對車道線偵測，另一種則是基於車道線範圍內的前車偵測，而追蹤是採用三步搜尋法進行畫面比對。前處理部分使用不同種方法運算，如單純C#的指標運算、OPENCV及OPENCL等方法加速軟體執行，並對程式碼進行加速及優化。在i7-2600 3.4Ghz下單張偵測最快可以達到每秒30張以上。除了OPENCV每秒18張外，其餘前處理方法的單張偵測皆可達到每秒28張以上，大多數加速方法皆能夠達到即時計算，並加入車輛輔助資訊，如前車車距、距離標線及車輛偏移警告。

Based on .Net Framework4.0 development platform and Visual C# language, this thesis presents various methods of performing lane detection and preceding vehicle detection/tracking with code optimization and acceleration to reduce the execution time. The thesis consists of two major parts: vehicle detection and tracking. In the part of detection, driving lanes are identified first and then the preceding vehicles between the left lane and right lane are detected using the shadow information beneath vehicles. In vehicle tracking, three-pass search method is used to find the matched vehicles based on the detection results in the previous frames. According to our experiments, the preprocessing (including color-intensity conversion) takes a significant portion of total execution time. We propose different methods to optimize the code and speed up the software execution using pure C # pointers, OPENCV, and OPENCL etc. Experimental results show that the fastest detection/tracking speed can reach more than 30 frames per second (fps) using PC with i7-2600 3.4Ghz CPU. Except for OPENCV with execution rate of 18 fps, the rest of methods have up to 28 fps processing rate of almost the real-time speed. We also add the auxiliary vehicle information, such as preceding vehicle distance and vehicle offset warning.

Abstract V
第1章 緒論 - 1 -
1.1 研究動機 - 1 -
1.2 研究方法簡介 - 2 -
1.3論文章節說明 - 3 -
第2章 相關研究和軟體開發工具 - 4 -
2.1 文獻回顧 - 4 -
2.1.1 感測器 - 4 -
2.1.2道路線偵測 - 4 -
2.1.3 前車偵測[6] - 5 -
2.2 相關知識 - 7 -
2.2.1 RGB色彩模型[14] - 7 -
2.2.2 HSL和HSV色彩空間[14] - 8 -
2.2.3灰階化 - 10 -
2.2.4 均值濾波 - 10 -
2.2.5 Sobel邊緣偵測[14] - 11 -
2.3 軟體程式設計輔助工具 - 11 -
2.3.1 C# Bitmap類別 - 11 -
2.3.2 C# Bitmap指標存取 - 12 -
2.3.3 OPENCV(Open Source Computer Vision Library) - 13 -
2.3.4 OPENCL(Open Computing Language) - 13 -
2.3.5 多執行緒 - 18 -
2.3.6 TPL(Task Parallel Library) - 18 -
2.3.7 Profile - 19 -
第三章 前處理與道路偵測 - 20 -
3.1 前處理 - 20 -
3.1.1 均值濾波 - 21 -
3.1.2邊緣偵測 - 21 -
3.1.3 C#指標運算 - 22 -
3.1.4 OpenCV - 22 -
3.1.5 OpenCL - 23 -
3.1.6 圖片旋轉 - 23 -
3.2 道路線偵測 - 24 -
3.2.1 道路線掃描 - 26 -
3.2.2 回歸直線 - 28 -
第四章 前車偵測 - 31 -
4.1 前車偵測 - 31 -
4.1.1 近車偵測 - 32 -
4.1.2 自動陰影臨界值 - 33 -
4.1.3 陰影偵測 - 38 -
4.1.4 陰影資訊排序 - 40 -
4.1.5 車輛左右邊緣偵測 - 40 -
4.1.6 車輛頂部偵測 - 46 -
4.1.7 車輛驗證 - 47 -
4.2 連續圖片偵測 - 48 -
4.2.1 車輛追蹤 - 49 -
4.2.2 三種偵測模式 - 50 -
4.2.3 車輛偵測資訊 - 52 -
4.3 前車距離、距離標線及車輛偏移警告 - 53 -
4.3.1 回歸曲線 - 54 -
4.3.2 前車距離與距離標線 - 55 -
4.3.4 車輛偏移警告 - 56 -
第五章 執行加速與GUI介面設計 - 57 -
5.1 執行加速 - 57 -
5.1.1 C# TPL加速 - 57 -
5.1.2 OPENCL優化 - 58 -
5.1.3 多執行緒及多執行緒載入圖片 - 60 -
5.1.4程式碼優化 - 60 -
5.2 GUI介面設計 - 62 -
5.2.1 介面設計 - 63 -
5.2.2 功能介紹 - 64 -
5.2.3 程式碼參數化 - 66 -
5.2.4 影片參數設定 - 68 -
第六章 實驗數據及分析 - 70 -
6.1 單張偵測時間 - 71 -
6.2 同影片不同偵測方法連續1000張運算結果 - 72 -
6.3不同影片連續1000張運算結果 - 73 -
第七章 結論、未來研究方向 - 76 -
7.1 結論 - 76 -
7.2 未來研究方向 - 76 -
參考文獻 (References) - 78 -
附錄一 (前處理未優化程式碼) - 80 -
附錄二(OpenCL kernel code) - 87 -

[1]. M. Herbert, “Active and Passive Range Sensing for Robotics,” Proc. IEEE Int’l Conf. Robotics and Automation, vol. 1, pp. 102-110, 2000.
[2]. S. Park, T. Kim, S. Kang, and K. Heon, “A Novel Signal Processing Technique for Vehicle Detection Radar,” 2003 IEEE MTT-S Int’l Microwave Symp. Digest, pp. 607-610, 2003.
[3]. C. Wang, C. Thorpe, and A. Suppe, “Ladar-Based Detection and Tracking of Moving Objects from a Ground Vehicle at High Speeds,” Proc. IEEE Intelligent Vehicles Symp., 2003.
[4]. J. Hancock, E. Hoffman, R. Sullivan, D. Ingimarson, D. Langer, and M. Hebert, “High-Performance Laser Ranger Scanner,” Proc. SPIE Int’l Conf. Intelligent Transportation Systems, 1997.
[5]. R. Chellappa, G. Qian, and Q. Zheng, “Vehicle Detection and Tracking Using Acoustic and Video Sensors,” Proc. IEEE Int’l Conf. Acoustics, Speech, and Signal Processing, pp. 793-796, 2004.
[6]. Zehang Sun, George Bebis and Ronald Miller, “On-Road Vehicle Detection: A Review“, IEEE Transactions On Pattern Analysis And Machine Intelligence, Vol. 28, No. 5, MAY 2006.
[7]. M. Bertozzi, A. Broggi, M. Cellario, A. Fascioli, P. Lombardi, and M. Porta, “Artifical Vision in Road Vehicles,” Proc. IEEE, vol. 90, no. 7, pp. 1258-1271, 2002.
[8]. 張毅，” 即時路面標線、車輛偵測與距離估計”，淡江大學資訊工程研究所，碩士論文，2002
[9]. 沈信良，”先進安全車輛的道路線及前車視覺偵測技術”，國立中央大學資訊工程研究所，碩士論文，2007
[10]. 石博宇，”駕駛助理視覺系統之日間高速公路前車及鄰接車輛偵測”，國立中正大學電機工程研究所，碩士論文，2003
[11]. 孫宗瀛，”結合慣性道路線標記與車輛陰影之前車偵測演算法”，國立東華大學電機工程研究所，碩士論文，2011
[12]. 鄭凌軒，”DSP-Based之車路視覺系統之研究”，國立中山大學電機工程研究所，碩士論文，2005
[13]. 林全財，”影像處理與電腦視覺技術應用於駕駛輔助系統之研究”，國立交通大學電機與控制工程研究所，碩士論文，2009
[14]. 維基百科，http://zh.wikipedia.org/wiki/Wikipedia:%E9%A6%96%E9%A1%B5
[15]. 逍遙文工作室， http://cg2010studio.wordpress.com/2011/06/06/transform-image-to-gray-level/
[16]. 中央大學資訊工程學系MIAT(機器智慧與自動化技術)實驗室網頁，http://140.115.11.235/~chen/course/vision/ch5/ch5.htm
[17]. 微軟msdn，http://msdn.microsoft.com/
[18]. [C#] 將影像轉為Byte Array - 個人新聞台- PChome，http://mypaper.pchome.com.tw/middlehuang/post/1321779350
[19]. 撰寫影像處理程式難不倒我!! - 簡單的數位影像處理( C# 篇)，http://debut.cis.nctu.edu.tw/~ching/Course/AdvancedC++Course/__Page/Advanced_PChome/03%20ImageProcessing%20using%20C%20sharp/ImageProcessing_Using_C_Sharp.pdf
[20]. Heresy’s Space，http://kheresy.wordpress.com/2008/08/18/opencl-%e7%b0%a1%e4%bb%8b/
[21]. 邊克老狼2012，http://www.cnblogs.com/mikewolf2002/archive/2011/12/17/2291239.html
[22]. OpenCL.NET，http://www.hoopoe-cloud.com/Solutions/OpenCL.NET/Default.aspx
[23]. http://www.mindfiresolutions.com/Coalescing-Global-Memory-Access.htm
[24]. OpenCL規範1.0版 - 出自Khronos OPENCL Working Group