Tải bản đầy đủ - 0 (trang)
Chương 5 THỰC NGHIỆM VÀ ĐÁNH GIÁ

Chương 5 THỰC NGHIỆM VÀ ĐÁNH GIÁ

Tải bản đầy đủ - 0trang

5.2. Các hình ảnh chạy thử nghiệm chương trình.



Hình 5.1: Vị trí khi đi đúng làn đường



Hình 5.2: Lệch trái.



71



Hình 5.3: Lệch phải

5.3. Phương pháp đánh giá và tiêu chí đánh giá.

Bài tốn nhận dạng đường đi có nhiều hạn chế trong việc đánh giá kết quả.

Bởi chưa có một tiêu chí chung nào cho việc đánh giá, so sánh kết quả giữa các

nghiên cứu. Đồng thời mục tiêu đưa ra của mỗi nghiên cứu cũng không giống nhau

nên việc đánh giá cũng còn nhiều hạn chế.

Tuy nhiên, trong các bài toán thu thập và xử lý dữ liệu phục vụ cho ơ tơ chạy

tự động thì tiêu chí về tốc độ và độ chính xác ln được xem xét trước tiên. Tiếp đó

là tiêu chí về sự đổi mới so với các nghiên cứu trước đó.

Trong luận văn này, người thực hiện đánh giá kết quả chủ yếu dựa trên tiêu

chí về tốc độ và độ chính xác.

5.4. Tiêu chí về tốc độ.

Tốc độ xử lý của chương trình là khá tốt. Chương trình có thể xử lý trong

thời gian thực dựa trên hình ảnh thu thập từ webcam với tốc độ ghi hình là 30fps.

Với độ phân giải là 640x480. Đây là tốc độ xử lý khá cao so với các nghiên cứu

trước đây.

Bảng 5.1: So sánh về tốc độ xử lý của các nghiên cứu.



72



Nghiên cứu

M.Bertozzi và A.Broggi [4]

ZuWhan Kim [5]



Khả năng xử lý

128x128, 5fps

176x120, 2-3fps



Y. Wang, E.K.Teoh, and 128x128, 4spf

D.Shen [2]

Luận văn

640x480, 30fps



Cấu hình

CPU 1.7GHz, sử dụng Matlab

P4 3GHz, C++ sử dụng

OpenCV

128MB Ram

Core 2 Duo, 2.0GHz, Ram

2GB. Sử dụng Matlab.



Như vậy, nếu xét về tốc độ xử lý thì chương trình của luận văn khá hiệu quả

so với các nghiên cứu trước đó.

5.5. Đánh giá về độ chính xác.

Về độ chính xác của chương trình, người thực hiện đã tiến hành đánh giá dựa

trên tiêu chí: Khả năng xuất tín hiệu nhận dạng đường đi và số lần sai lệch trên một

quảng đường thực nghiệm dài 5km, trên các tốc độ xe khác nhau.

Qua thời gian thử nghiệm và điều kiện thử nghiệm như ở mục 5.1. Các kết

quả cho thấy chương trình thực thi khá chính xác trong thời gian thực. Kết quả cho

thấy ở bảng 5.2.

Bảng 5.2: Độ chính xác của chương trình.

Tốc độ xe



Số lần sai lệch Số lần sai lệch Số lần sai lệch

(ban ngày)

(ban đêm)

(trời mưa)



20km/h

30km/h

40km/h

5.6. Đánh giá về sự sai lệch:



73



Ghi chú



Chương 6



KẾT LUẬN

Qua khoảng thời gian qui định thực hiện đề tài, tuy gặp nhiều khó khăn

khách quan nhưng người thực hiện đề tài đã cố gắng rất nhiều, mặt dù đề tài đáp

ứng yêu cầu đặt ra ban đầu nhưng kết quả đạt được vẫn chưa như kỳ vọng. Sauk khi

hoàn thành, đề tài thể hiện những kết quả đạt được và chưa được như sau:

6.1. Kết quả đạt được của đề tài.

Ứng dụng được phần mềm Matlab để thu thập, nhận diện và xử lý ảnh ở mức

cơ bản dựa vào hình ảnh thu thập được thơng qua webcam.

Xuất được tín hiệu điều khiển và cảnh bào cho người lái biết vị trí của xe so

với vị trí mục tiêu.

Làm cơ sở để thực hiện các đề tài tiếp theo có liên quan đến xử lý ảnh và

nhận dạng làn đường, điều khiển xe tự động.

Người thực hiện đề tài đã lĩnh hội được một lượng lớn kiến thức hồn tồn

mới và bổ ích.

6.2. Những vấn đề còn tồn tại.

Do thời gian thực hiện đề tài, điều kiện thí nghiệm, thử nghiệm có hạn và là

lĩnh vực mới nên đề tài chưa thể hiện hết chức năng của một hệ thống thu thập tín

hiệu cho ơ tơ chạy tự động. Do đó vẫn còn nhiều vấn đề còn tồn tại và cần được

nghiên cứu và phát triển tiếp như:

Đề tài chỉ thực hiện ở mức độ cơ bản nên chưa thể ứng dụng vào thực tiễn.

Nhận dạng làn đường trên những đoạn đường cong nghiêm ngặc, có chướng

ngại vật.

Nhận dạng và xử lý làn đường có nhiều tín hiệu giao thơng cảnh báo: Đường

cấm, biển báo bắt buộc rẽ phải, rẽ trái…

Nhận dạng và xử lý trên những làn đường khơng có vạch kẻ đường.



74



6.3. Hướng phát triển đề tài.

Do đề tài chỉ thực hiện ở mức độ cơ bản nên chưa thể đưa vào ứng dụng thực

tế trên xe. Để có thể thực nghiệm ở trên xe thực tế cần thực hiện tiếp những nội

dung sau:

Nhận dạng và xử lý một đối tượng trong ảnh đa vật thể cho ô tô chạy tự

động.

Kết hợp xử lý ảnh và các cảm biến va chạm để nhận dạng các tín hiệu điều

khiển giao thơng kết hợp với cảnh báo va chạm.

Kết hợp xử lý ảnh với điều khiển hệ thống lái để điều khiển xe chạy tự động.



75



TÀI LIỆU THAM KHẢO

[1] Joel C. McCall and Mohan M. Trivedi, "Video-based Lane Estimation and

Tracking for Driver Assistance: Survey, System, and Evaluation," IEEE

Transaction on Intelligent Transportation Systems, vol. 7, no. 1, 2006, pp. 20

- 37.

[2] Y. Wang, E.K.Teoh, and D.Shen, "Lane detection and tracking using

BSnake," Image and Vision Computing, vol. 22, no.4, 2004, pp. 269-280.

[3] Nicholas Apostoloff and Alexander Zelinsky, "Robust vision based lane

tracking using multiple cues and particle filtering", in IEEE Intelligent

Vehicles Symposium, Columbus, OH, 2003.

[4] M.Bertozzi and A.Broggi, “GOLD: A parallel real-time stereo vision system

for generic obstacle and lane detection”, IEEE Transaction on Image

Processing, 1998, pp.199-213.

[5] ZuWhan Kim, “Realtime Lane Tracking of Curved Local Road”, in IEEE

Intelligent Transporation Systems, Toronto, Canada, 2006, pp.1149-1155.

[6] ZuWhan Kim, “Robust lane detection and tracking in challenging

scenarios”, IEEE Trans. Intelligent Transporation System, vol. 9, no.1, 2008,

pp.16-26.

[7] S. Sehestedt, S. Kodagoda, A. Alempijevic, and G. Dissanayake, "Efficient

Lane Detection and Tracking in Urban Environments", in Third European

Conference on Mobile Robots, Freiburg, 2007, pp. 126-131.

[8] Stephan Sehestedt, Sarath Kodagoda, Alen Alempijevic, and Gamini

Dissanayake, "Robust Lane Detection in Urban Environments," in IEEE on

Intelligent Robots and Systems, San Diego, CA, USA, 2007, pp. 123-128.

[9] John Leonard, “A Perception-Driven Autonomous Urban Vehicle", Journal of

Field Robotics, vol. 25, no.10, 2008, p. 727–774.

[10] M.Bertozzi and A.Broggin and A.Fascioli, “Vision-based intelligent

vehicles: State of the art and perspectives”, Robostics and Autonomuous

Systems, vol.32, 2000, pp.1-16.



76



[11] Jiang Ruyi, Klette Reinhard, Vaudrey Tobi, Wang Shigang, “Lane detection

and tracking using a new lane model and distance transform” Machine

Vision and Applications 22:721–737, Springer-Verlag 2011.

[12] Marcos Nieto, Andoni Corte´s, Oihana Otaegui, Jon Arro´spide, Luis

Salgado, “Real-time lane tracking using Rao-Blackwellized particle filter”, J

Real-Time Image Proc, Springer-Verlag 2012.

[13] TS.Hồ Văn Sung, Xử lý ảnh số - Lý thuyết và thực hành với Matlab, Nxb

Khoa học kỹ thuật, 2013.

[14] JAE S.LIM, GS.Nguyễn Văn Ngọ, Giáo trình xử lý ảnh, Đại học Quốc Gia

Hà Nội, 2001.

[15] TS.Đỗ năng Tồn, TS.Phạm Việt Bình, Giáo trình Xử lý ảnh, Đại học Thái

Nguyên, 2007.

[16] Oge Marques, Practical Image and video processing using Matlab, Wiley,

2011.

[17] PGS.TS. Nguyễn Quang Hoan, Xử lý ảnh, Học Viện Cơng Nghệ Bưu Chính

Viễn Thơng, 2006.

[18] Ths.Võ Đức Khánh, GS.TSKH.Hồng Kiếm, Giáo trình xử lý ảnh, Nxb Đại

học Quốc Gia TP Hồ Chí Minh, 2010.

[19] Trần Quang Khánh, Matlab ứng dụng, Nxb Khoa học kỹ thuật, 2010.

[20] La Văn Hiển, Nhập môn Matlab, Nxb Đại Học Quốc Gia TP Hồ Chí Minh,

2003.

[21] National Instruments Corporation, NI Vision Assistant Tutorial, NI, 2005.

[22] Jea S.Lim, Two-Dimensional Signal and Image Processing, Prentice Hall,

New Jersey, 1990.

[23] Holly Moore, MATLAB for Engineering, Pearson, 2011.

[24] The mathWork Inc, Image Processing Toolbox, 2013.

[25] The MathWorks Inc, Computer Vision System Toolbox User’s Guide, 2013.

[26] The MathWorks Inc, Image Acquisition Toolbox User’s Guide, 2013.

[27] The MathWorks Inc, Data Acquisition Toolbox User’s Guide, 2013.

Các trang Web.

[28] http://www.euroncap.com

[29] http://www.mathworks.com

[30] http://autocarvietnam.vn

[31] http://www.wikipedia.org

[32] http://www.ieee.org

[33] http://www.sae.org

[34] http://www.ieev.org



77



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Chương 5 THỰC NGHIỆM VÀ ĐÁNH GIÁ

Tải bản đầy đủ ngay(0 tr)

×