Tải bản đầy đủ - 0 (trang)
Hình 1.2: Những ví dụ về các tình huống trong bài toán phát hiện làn đường

Hình 1.2: Những ví dụ về các tình huống trong bài toán phát hiện làn đường

Tải bản đầy đủ - 0trang

-



Độ cong của làn đường: Độ cong của làn đường là một phần rất quan trọng

cho việc giải quyết bài toán. Một số nghiên cứu giả định làn đường chỉ là

những đoạn thẳng như ở [8], hay là những đường cong B-spline như ở [2].

Một số khác, chỉ xét làn đường như những đường cong có độ cong rất nhỏ

như [9] và [10]. Để đạt được giả định này, các nghiên cứu đã tiến hành

chuyển ảnh sang chiều nhìn từ trên xuống (top-down view hay còn được gọi



-



là bird’s eye view) như ở [10], [5], [7], và [8].

Các tình huống phức tạp: khi gặp giao lộ, hoặc khi làn đường thay đổi độ

lớn, hay làn đường phân đôi hoặp ghép lại… cho tới thời điểm thực hiện đề

tài, vẫn chưa thấy có nghiên cứu nào tiếp cận đến việc giải quyết các tình

huống này.

Vì những lý do khó khăn kể trên cũng như tầm quan trọng của bài toán, vấn



đề đặt ra cho đề tài là tìm ra phương pháp hiệu quả để có thể một mặt thực thi được

trong thời gian thực, mặt khác giải quyết được phần lớn các khó khăn kể trên, đặc

biệt hỗ trợ được cho mục tiêu ứng dụng vào hệ thống điều khiển xe tự động.

Mơ hình tởng quát giải qút vấn đề.



Hình 1.3: Mơ hình tổng qt giải quyết bài tốn phát hiện làn đường. [9]



4



1.1.2. Ứng dụng phát hiện làn đường trên các hãng xe.



Hình 1.4: Hệ thống hỗ trợ làn đường. [28]

Hệ thống hổ trợ làn đường có thể hổ trợ và cảnh báo khi người lái xe vô ý rời

khỏi làn đường hoặc chuyển làn đường mà khơng có tín hiệu. Trên các tuyến đường

dài, người lái có thể vơ tình để chiếc xe trơi ra lề đường hoặc qua làn đường khác.

Điều này dễ gây nên tai nạn bởi khi người lái phát hiện ra, họ thường hoảng hốt.

Một số nhà sản xuất đã phát triển công nghệ cảnh báo người lái xe khi xe di

chuyển gần tới vạch kẻ đường bằng âm thanh hoặc rung tay lái, hoặc hổ trợ điều

khiển tay lái để giữ cho xe đi đúng làn đường. Các nhà sản xuất rất quan tâm tới

người lái trong cảnh báo, nên một vài hãng xe chỉ cảnh báo ở tốc độ cao.

Hệ thống được thực hiện bởi các camera gắn trước gương chiếu hậu để theo

dỏi làn dường được đánh dấu bởi các vạch chỉ đường. Hiệu quả của hệ thống này sẽ

giảm nếu thời tiết xấu, ví dụ như trời mưa hoặc có tuyết.

Một số hãng xe sử dụng Lane Support Systems điển hình:

-



Skoda: Skoda Lane Assistant (2013) trên xe Skoda Octavia 2013.

Audi: Audi Active Lane Assist (2012) trên xe Audi A3.

Ford: Ford Lane Keeping Aid (2011) trên xe Ford Focus 2012, Ford Lane



-



Keeping Alert (2012) trên xe Ford Transit Custom 2012.

Seat: Seat Lane Assist (2012) trên xe Seat Leon 2012.

Infiniti: Infiniti Lane Departure Prevention (LDP) (2011) trên xe Infiniti FX

2009.



5



-



Opel: Opel Eye (2010) trên xe Opel/Vauxhall Astra GTC 2011, insignia,



-



Zafiratourer.

Volkswagen: Volkwagen Lane Assist (2010) trên xe Golf, Passat 2005.



Và gần đây nhất là hai hãng xe nỗi tiếng là Mercedes-Benz và Nissan đã thử

nghiệm xe tự lái trên S500 Intelligent Drive và Nissan Leaf. Dự kiến sẽ tung ra thị

trường trong thời gian sớm nhất. [30]

1.2. Các kết quả nghiên cứu trong và ngồi nước đã cơng bố.

1.2.1. Các kế quả nghiên cứu trong nước.

Ở nước ta, nền công nghiệp ô tô phát triển chưa mạnh so với sự phát triển

ngành này ở nước trong khu vực và trên thế giới. Điều kiện đường sá cũng như các

hệ thống giao thông thông minh phát triển chưa đúng tầm thời đại. Do đó, cho tới

thờ điểm này chưa có một cơng trình nghiên cứu nào về nhận dạng làn đường cho ô

tô chạy tự động ở Việt Nam được công bố.

1.2.2. Các kết quả nghiên cứu ngồi nước.

Trên thế giới đã có nhiều nghiên cứu về nhận dạng làn đường cho ô tô với

nhiều mục đích cũng như sử dụng các phương pháp tiếp cận khác nhau. Trong đó,

điển hình là các nghiên cứu của Nicholas Apostoloff và Alexander Zelinsky với đề

tài “Robust vision based lane tracking using multiple cues and particle filtering"

năm 2003. Nichlas và Alexande đã sử dụng hai phương pháp đó là Particle filtering

và Multiple cues để phát hiện biên cũng như theo dỏi làn đường. [3]

Nghiên cứu của M. Bertozzi và A. Broggi về đề tài "GOLD: A parallel realtime stereo vision system for generic obs a le and lane detection" năm 1998. Thu

thập dữ liệu song song của camera để phát hiện làn đường cũng như chướng ngại

vật dựa trên hàng loạt bộ lọc hình thái học để đưa ra cảnh báo cho người lái xe.[4]

Nghiên cứu của ZuWhan Kim về đề tài "Realtime Lane Tracking of Curved

Local Road" công bố năm 2006 sử dụng kỹ thuật Particle Filtering và thuật toán

RANSAC (RANdom SAmple Concensus) để phát hiện làn đường.[5]

Nghiên cứu của Stephan Sehestedt, Sarath Kodagoda, Alen Alempijevic và

Gamini Dissanayake về đề tài "Robust Lane Detection in Urban Environments"



6



năm 2007 cũng sử dụng kỹ thuật Particle Filtering bằng công cụ Ora2/C++ để phát

hiện làn đường.[8]

Nghiên cứu của Jiang Ruyi, Klette Reinhard và Vaudrey Tobi, Wang Shigang

đã sử dụng kỹ thuật Particle Filtering và Phép Biến đổi khoảng cách Euclidean để

phát hiện và theo dỏi làn đường trong đề tài “Lane detection and tracking using a

new lane model and distance transform ” năm 2011.[11]

“Real-time lane tracking using Rao-Blackwellized particle filter” là đề tài

được công bố năm 2012 của Marcos Nieto, Andoni Corte’s, Oihana Otaegui, Jon

Arro’spide và Luis Salgado. Nghiên cứ đã sử dụng phương pháp Rao-Blackwellized

particle filter (RBPF) để phát hiện làn đường và xử lý trong thời gian thực.[12]

1.3. Mục đích của đề tài.

Cơng nghệ xe tự lái được cho là an tồn hơn, đơn giản vì máy móc hoạt động

nhanh hơn con người. Số khung hình mỗi giây mà mắt thường chúng ta nắm bắt ít

hơn một máy quay tốc độ cao, não chúng ta xử lý dữ liệu và phản ứng chậm hơn

CPU máy tính. Và chân tay con người thua xa về tốc độ làm việc so với những cơ

cấu điện tử.

Ở Việt Nam, cơ sở hạ tầng giao thông đang dần được cải thiện. Việc xây

dựng một hệ thống giao thông thông minh là vấn đề cấp thiết trong cơng cuộc cơng

nghiệp hóa, hiện đại hóa đất nước. Nghiên cứu, xây dựng các cơng cụ hổ trợ cho hệ

thống giao thơng thơng minh trong đó có phương tiện giao thơng thơng minh là u

cầu của thời đại. Ứng dụng xử lý ảnh để nhận dạng làn đường cho ơ tơ chạy tự động

nhằm mục đích đó.

1.4. Nhiệm vụ của đề tài và giới hạn đề tài.

1.4.1. Nhiệm vụ.

Sử dụng các công cụ xử lý ảnh để xây dựng chương trình nhận dàng làn

đường cho ơ tô chạy tự động.

1.4.2. Giới hạn đề tài.

-



Nghiên cứu trên mơ hình đường nhựa có dấu phân cách làn đường.

Các dấu phân cách làn dường là cách vạch sơn thẳng.



7



1.5. Phương pháp nghiên cứu.

Để thực hiện việc ứng dụng xử lý ảnh để nhận diện làn đường cho ô tô chạy

tự động, hướng tiếp cận của đề tài được đề xuất các bước như sau:

1. Nghiên cứu các cơ sở lý thuyết: Lý thuyết về xử lý ảnh, xe chạy tự động,

tham khảo và ứng dụng các phương pháp của các cơng trình nghiên cứu

đã cơng bố để xây dựng một phương mang tính đổi mới.

2. Tìm hiểu các loại camera và xác định các tham số của camera: Đây là

một bước rất quan trọng bởi đề tài xây dựng trên cơ sở ứng dụng xử lý

ảnh.

3. Nghiên cứu các công cụ xử lý ảnh phù hợp để thu thập và xử lý:

LabVIEW, Matlab, OpenCV…

4. Thu nhận hình ảnh và xử lý dựa trên các ảnh thu nhận được: Viết chương

trình thu thập dữ liệu là hình ảnh từ các camera để nhận biết các dấu hiệu

phân cách đường trên cơ sở ứng dụng các phần mềm xử lý ảnh.

5. Theo vết làn đường: Dựa trên kết quả của bước 4 xây dựng chương trình

bám theo vết làn đường thơng qua bám biên của làn đường.

6. Xây dựng thuật toán điều khiển, mơ hình thực nghiệm và đánh giá kết

quả.



8



Chương 2



CƠ SỞ LÝ THUYẾT

2.1. Lý thuyết tổng quan về xử lý ảnh.

Ứng dụng của xử lý ảnh rất rộng trong cuộc sống. Tác động mạnh mẽ nhất là

trong lĩnh vực y tế, anh ninh. Gần gũi với cuộc sống gia đình là cải tiến ảnh tivi, xử

lý ảnh số có tác động quyết định đến việc cải thiện chất lượng hình ảnh của hệ

truyền hình có độ phân giải cao (HDTV).

Người máy càng ngày càng đóng vai trò quan trọng trong cơng nghiệp và gia

đình. Chúng sẽ thực hành những công việc nhàm chán hoặc nguy hiểm, và những

công việc mà tốc độ và độ chính xác vượt quá khả năng của con người. Khi người

máy trở nên tinh vi hơn, thị giác máy tính (Computer Vision) sẽ đóng vai trò ngày

càng quan trọng. Người ta sẽ đòi hỏi người máy không những phát hiện và nhận

dạng các bộ phận cơng nghiệp, mà còn “hiểu” được những gì chúng “thấy” và đưa

ra những hành động phù hợp. Xử lý ảnh sẽ có tác động lớn đến thị giác máy tính.

Nhìn chung, những ứng dụng của xử lý ảnh số là vô hạn.

2.1.1. Xử lý ảnh số là gì?

Xử lý ảnh số sử dụng các máy tính số, chúng được phát triển để đáp ứng ba

vấn đề chính liên quan đến các bức ảnh là :

-



Số hóa và mã hóa các bức ảnh để đơn giản hóa q các q trình truyền



-



thông, in ấn và lưu giữ ảnh.

Cải thiện chất lượng và khôi phục ảnh để hiểu biết nhiều hơn nội dung thông

tin chứa trong mỗi bức ảnh, chẳng hạn như các bức ảnh chụp bề mặt các

hành tinh xa xôi do vệ tinh gửi về hoặc các ảnh nội soi, công hưởng từ trong



-



khảo sát y học.

Phân đoạn và mô tả ảnh, nhằm tạo nên các ảnh như một tín hiệu lối vào cho

một hệ thống nhìn nhân tạo hoặc để tách các thông tin chứa trong một ảnh

thu được [13]. Phân đoạn và mơ tả ảnh còn được gọi là lý giải ảnh.



9



Những ứng dụng của lý giải ảnh bao gồm thị giác máy tính, rơbốt và nhận

dạng mục tiêu. Lý giải ảnh khác với các lĩnh vực khác của xử lý ảnh ở một khía

cạnh chính. Trong cải tiến, phục hồi và số hóa, mã hóa ảnh cả đầu vào và đầu ra đều

là ảnh, và khâu xử lý tín hiệu là phần then chốt trong các hệ thống đã thành cơng

trên lĩnh vực đó. Trong lý giải ảnh, đầu vào là ảnh nhưng đầu ra là một biểu diễn

bằng một ký hiệu nội dung của ảnh đầu vào. Sự phát triển thành công của hệ thống

trong lĩnh vực này cần đến cả xử lý tín hiệu và những khái niệm trí tuệ nhân tạo.

Trong hệ lý giải ảnh điển hình, xử lý ảnh được dùng cho cơng việc ở mức thấp như

làm giảm sự xuống cấp và trích ra những đường biên (extraction of edges) hoặc các

đặc tính ảnh khác, còn trí tuệ nhân tạo được dùng cho những công việc xử lý ở mức

cao như thao tác ký hiệu và quản lý tri thức [14].

Phân đoạn và mô tả ảnh là lý thuyết quan trọng trong việc thực hiện đề tài

‘Ứng dụng xử lý ảnh để nhận dạng làn đường cho ô tô chạy tự động’

2.1.2. Biểu diễn một ảnh số.

2.1.2.1. Ảnh là gì ?

Một bức ảnh là hình ảnh tượng trưng (hình ảnh ảo) của một đối tượng, người

hoặc phong cảnh được tạo bởi một thiết bị quang học như một tấm gương, một ống

kính hoặc một máy ảnh. Hình ảnh tượng trưng đó là hai chiều (2D) phản ánh thế

giới thực ba chiều (3D) của đối tượng hay cảnh vật.



Hình 2.1: Ảnh tương tự và ảnh số hóa [15]



10



2.1.2.2. Ảnh số là gì ?

Một ảnh kỹ thuật số (Ảnh số) là một biểu diễn hai chiều của một hình ảnh sử

dụng một số hữu hạn các điểm điểm ảnh, hay còn gọi là phần tử ảnh, pels hoặc

pixels.

Thông thường, ảnh số được biểu diễn bởi ma trận hai chiều (2D) của các số

thực. Các phần tử của nó là biểu diễn cho các pixel số hóa. Ta qui ước một ảnh số

hóa là f(x,y) cho một ảnh đơn sắc có kích thước MxN, trong đó x là số hàng (từ 0

đến M-1) và y là số cột (từ 0 đến N-1).

(2.1)



Hình 2.2: Điểm qui chiếu không gian của điểm ảnh (0,0).

Giá trị của hàm f(x,y) tại tọa độ (xo,yo) là f(xo,yo) được gọi là cường độ hay

mức xám của ảnh tại điểm ảnh đó. Giá trị cực đại và cực tiểu của mỗi điểm ảnh phụ

thuộc vào kiểu dữ liệu và qui ước được sử dụng. Phạm vi thông thường từ 0.0 (đen)

đến 1.0 (trắng) cho kiểu double và 0 (đen) đến 255 (trắng) cho kiểu dữ liệu

uint8.



11



Một ảnh số có 3 thuộc tính cơ bản: Độ phân giải của ảnh, độ nét và số lượng

lớp. Trong đó, số lớp trong ảnh tương ứng với số mảng điểm ảnh chứa trong ảnh.

Một ảnh đen trắng có một lớp.

Trong Matlab, và các cơng cụ xử lý ảnh của nó định nghĩa các điểm ảnh bắt

đầu từ chỉ số 1. Ta qui ước f(p,q) để chỉ ảnh f(x,y) trong Matlab, biểu diễn ảnh trên

trở thành:

2.1.2.3. Ảnh nhị phân (1-Bit).

Ảnh nhị phân được mã hóa như một mảng hai chiều (2D), thường sử dụng

1bit trên mỗi pixel, trong đó 0 là đen và 1 là trắng.



Hình 2.3: Ảnh nhị phân [16]

2.1.2.4. Ảnh xám .

Ảnh xám cũng được mã hóa như một mảng 2D của các điểm ảnh. Thường sử

dụng 8 bít cho mỗi pixel, trong đó điểm ảnh có giá trị 0 thể hiện màu đen và 255 thể

hiện màu trắng và các giá trị trung gian hiển thị các sắc thái khác nhau của màu

xám.



12



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Hình 1.2: Những ví dụ về các tình huống trong bài toán phát hiện làn đường

Tải bản đầy đủ ngay(0 tr)

×