DriveGuard AI Lite v2.8 - YOLOP Perfect Lane Built-in

建議橫向使用，HUD 與車道視圖會更完整

偵測設定

車道預設改為內建 YOLOP lane ONNX；OpenCV 只留作緊急備援。這版照 YOLOP 官方 letterbox + ImageNet normalization 流程，避免 OpenCV 虛線亂飄。

AI 與校正

AI 速度模式

順暢 224px

備援物體類型

車體模型

注意：這裡是「車體框」模型，不是車道模型。車道 YOLOP 可繼續用；車體 YOLO 若 WASM 爆記憶體會立刻退回 MediaPipe/TFJS。

ONNX 載入策略

ONNX 診斷等待中

校正焦距 focal_px

已知距離 D，單位 m

尚未校正

車道：YOLOP lane ONNX 內建 / OpenCV 只備援

預設直接使用內建 YOLOP 640×640 lane_line_seg，不再依賴 OpenCV。一般 YOLOv8n/YOLO-Pro 物件偵測模型只會輸出物件框，不會輸出車道線；車道必須用 YOLOP / YOLOPv2 / 自訓 lane segmentation。

車道模型路徑

內建 YOLOP：按開始偵測會自動載入；OpenCV 已不作預設。

車道模式

模型前處理

模型輸入寬 W

模型輸入高 H

Segmentation 類別

Mask 門檻：0.40

YOLO lane 推論間隔：450

這版車道主流程為 YOLOP lane_line_seg：先 letterbox 保持比例，再移除 padding，最後用最近左右車道線 + 二次曲線 + temporal hold。OpenCV 只作手動備援。

手動備援、警報與閥值

手動框寬 bbox：80 px 手動

手動速度：50 km/h

LDW 偏移警報門檻：0.18

車道點分數門檻：0.46

最少車道點數：3

側視抑制門檻：0.60

Lane rules: normal

曲線擬合: normal

用二次曲線追蹤彎道，但會限制不合理曲率。

車道濾波強度：85%

抑制 0.1～0.3 秒突然跳到隔壁線；值越高越穩、反應越慢。

ROI top: 56%

ROI bottom: 96%

ROI left: 6%

ROI right: 90%

只對車道內主目標觸發 FCW 音效警報顯示所有車輛細框顯示 3D 車體框顯示車道區域填色顯示 Tesla 風格 3D scene 顯示車道 ROI 顯示 CV 二值化 / 條件

音效音量：45%

即時狀態

GPS

尚未取得

AI 模型

尚未載入

AI 耗時

主目標

偵測目標數

車道狀態

NO LANE

估計前車距離

安全煞停距離

TTC

偏移 offset

視角估計

距離信心

目標車道

黑畫面問題已修正：canvas 改為透明。這版也加入角度修正與車道閥值。Tesla 風格 scene 仍屬示意視覺化，不是完整 3D 感知模型。