Luận văn Phát hiện làn đường thời gian thực cho hệ thống điều khiển xe tự động

<p> 1.1. Đặt vấn đề Phát hiện làn đường (lane detection) là một trong những vấn đề rất quan trọng trong nhiều ứng dụng về các hệ thống hỗ trợ giao thông tự động, đặc biệt trong các hệ thống điều khiển xe tự động. Trong khoảng từ năm 1998 đến nay, cùng với sự phát triển vượt bậc về tốc độ xử lý của máy tính, giá thành của các thiết bị hỗ trợ ngày càng giảm thì các nghiên cứu về hệ thống điều khiển xe tự động ngày càng được phát triển. Đã có nhiều nghiên cứu tập trung vào bài toán phát hiện làn đường và một số kết quả bước đầu đạt được đã cho thấy những tín hiệu khả quan. Trong bài toán phát hiện làn đường có 3 loại mục tiêu chính là: (i) cảnh báo khi chuyển làn đường, (ii) hỗ trợ người trong quá trình lái xe, và (iii) điều khiển xe tự động. Trong đó, mục tiêu phục vụ cho hệ thống điều khiển xe tự động được đánh giá là khó nhất. Có khá nhiều nghiên cứu trong thời gian gần đây tập trung ở mục tiêu hỗ trợ hệ thống điều khiển xe tự động, tuy vậy vẫn còn nhiều khó khăn tồn tại trong việc giải quyết bài toán với mục tiêu này nói riêng cũng như toàn bộ bài toán phát hiện làn đường nói chung. Các khó khăn có thể chỉ ra như sau: Phần lớn yêu cầu đòi hỏi ứng dụng phải xử lý ở thời gian thực. Trong rất nhiều nghiên cứu, như ở [21], [22] các kết quả đạt được khá tốt, tuy nhiên các nghiên cứu này vẫn chưa thực thi được trong thời gian thực. Sự khó khăn do các dấu phân cách làn đường (lane-marking) không rõ nét hoặc bị che lấp Các ví dụ này được thể hiện trong Hình 1-1 được lấy từ kết quả khảo sát của McCall và cộng sự trong [14]. Sự phức tạp của địa hình. Trong phần lớn các nghiên cứu như [1], [3], [10], [11], [17], [18], và [21] đều giả định mặt đường cần xử lý là phẳng. Cho đến thời điểm thực hiện đề tài, có rất ít nghiên cứu như ở [12] và [23] là tiếp cận theo hướng toàn bộ đường theo dạng 3 chiều. 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 [1], hay là những đường cong B-spline như ở [22]. Một số khác, chỉ xét làn đường như những đường cong có độ cong rất nhỏ như [3], [4], [15], và [21]. 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 [4], [10], [17], và [18]. 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, chúng tôi 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. Một cách hình thức, toàn bộ vấn đề cần giải quyết của luận văn có thể mô tả lại như sau: Với đầu vào là ảnh thu nhận được từ camera (lý do của việc chọn camera sẽ được lý giải trong những phần sau), hệ thống cần phân tích xử lý trong thời gian thực để có thể phát hiện ra làn đường và trả lại kết quả làn đường phát hiện được theo tọa độ thực cho hệ thống điều khiển xe tự động. 1.2. Hướng tiếp cận đề tài Để giải quyết bài toán đặt ra, hướng tiếp cận của đề tài được chia làm các bước như sau: 1. Xác định các tham số của camera: Dù chi phí của các thiết bị ghi hình hiện nay đã giảm rất nhiều, tuy nhiên để có được hình ảnh chất lượng tốt thì camera đòi hỏi phải có giá thành vượt quá mức trung bình. Mặt khác, vị trí gắn camera ở mỗi xe cũng sẽ thay đổi, vì vậy việc xác định các tham số cho camera là hết sức quan trọng và cần thiết, ảnh hưởng rất lớn đến kết quả của bài toán. Bước xử lý này tuy không đòi hỏi nhiều tính toán nhưng có tầm quan trọng rất cao. Phần này chúng tôi sử dụng các phương pháp trình bày trong [1] và [5]. 2. Biến đổi chuẩn hóa ảnh (biến đổi IPM): Vì kích thước của các dấu phân cách làn đường thay đổi theo khoảng cách của nó đối với xe, do vậy để dễ xử lý, cần chuẩn hóa các dấu này về cùng một kích thước. Ngoài ra, để giảm thiểu chi phí tính toán, ảnh cần được chuyển đổi về dạng nhìn từ trên xuống để độ cong của làn đường nhỏ hơn. Để thực hiện được biến đổi này, phép biến đổi ánh xạ ngược với phép chiếu cần được thực hiện 1 . Mặc dù chất lượng ảnh sẽ suy giảm khi làm việc trên không gian mới này, nhưng thông qua th ực nghiệm của chúng tôi và các kết quả trong [1], [4], [10], [11], [12], [17], [18], [21], và [23] đều cho thấy kết quả phát hiện làn đường sẽ tốt hơn nhiều nếu giải quyết bài toán trên không gian này. 3. Xác định các dấu phân cách đường: Để trích được các dấu phân cách đường, chúng tôi sử dụng phương pháp đơn giản dựa trên cạnh vì ưu thế về tốc độ thực thi. Ở bước này, chúng tôi áp dụng giải thuật của John Canny [6] có bổ sung thêm một số thông tin để tăng tốc độ. Chúng tôi trong quá trình nghiên cứu đề tài có tiến hành áp dụng một số phương pháp hiện đại (state-of-the-art) như sử dụng lược đồ gradient (HOG) theo Nadai [16] dựa trên cách tiếp cận như bài toán phát hiện người (Human Detection) của McAllester [13], tuy nhiên do kết quả thực thi quá chậm nên chúng tôi không sử dụng kết quả này. Một số phương pháp khác dựa trên các phương pháp máy học như mạng Neuron (ANNs), Intensive Bump, bộ phân lớp Bayes đơn giản (NBCs) đều được tiến hành nhưng đều gặp phải vấn đề về tốc độ xử lý. 4. Theo vết làn đường: dựa trên kết quả của bước 3, chúng tôi sẽ sinh ra các đường biên ứng viên (boundary hypotheses). Mỗi làn đường ứng viên sẽ được biểu diễn bởi 2 đường biên ứng viên: đường biên trái và đường biên phải. Mỗi đường biên sẽ được chọn biểu diễn bằng một đường bậc ba. Làn đường ứng viên có hệ số tương thích cao nhất (maximum likelihood) sẽ được chọn. Particle Filter được sử dụng ở giai đoạn này. Particle Filter là phương pháp theo vết (tracking) phổ biến nhất hiện nay, và hầu hết được các khảo sát, nghiên cứu đánh giá rất cao, chi tiết có thể xem ở [20], và [24]. Lý do sử dụng Particle Filter sẽ được trình bày chi tiết hơn ở phần tổng quan. Ở đây, chúng tôi áp dụng Particle Filter theo phương pháp trình bày ở [2], [8], [7] và [19] như sau: Tại khung ảnh (frame) thứ t, các cặp ứng viên sẽ được sinh ra dựa trên vị trí của làn đường ở frame t-1 và trạng thái chuyển động của xe. Mỗi đường biên ứng viên sẽ được biểu diễn bởi 4 điểm kiểm soát (control points), các điểm kiểm soát ở frame t sẽ được sinh ra dựa trên các điểm ở frame t-1. Nhờ cách biểu diễn này, đường biên sẽ được biểu diễn linh động hơn rất nhiều so với các phương pháp khác. Mô hình của trạng thái chuyển động của xe được áp dụng là mô hình Aukermann (Aukermann Steering Motion), được trình bày chi tiết trong [1] và [19]. 1.3. Nội dung luận văn Những đóng góp quan trọng của luận văn đối với đề tài này là: chỉ ra được hiệu quả của việc xử lý trên ảnh ánh xạ ngược; tích hợp thông tin trạng thái chuyển động của xe vào giai đoạn theo vết theo Particle Filter; biểu diễn làn đường theo đường cong bậc 3 và các độ đo phù hợp mang lại hiệu quả tốt. Tất cả những phần này sẽ được thể hiện chi tiết trong các phần tiếp theo của luận văn, bố cục như sau:  Chương 2 – TỔNG QUAN: Trong chương này chúng tôi sẽ trình bày về các mô hình và phương pháp tiếp cận trong bài toán phát hiện và theo vết làn đường. Bên cạnh đó chúng tôi cũng trình bày những hạn chế cũng như ưu điểm của từng phương pháp.  Chương 3 – MÔ HÌNH CỦA LUẬN VĂN: Mô hình của đề tài, phương pháp tính các thông tin của camera, chuyển đổi góc nhìn của ảnh, phương pháp áp dụng Particle Filter kết hợp với trạng thái chuyển động của xe nhằm phát hiện ra làn đường sẽ được trình bày trong chương này.  Chương 4 – THỰC NGHIỆM VÀ ĐÁNH GIÁ: Chương này sẽ mô tả chi tiết về các thí nghiệm đã thực hiện để đánh giá hiệu quả hướng tiếp cận của đề tài so với các nghiên cứu khác, đồng thời so sánh hiệu quả của việc có và không có sử dụng thông tin từ trạng thái chuyển động của xe.  Chương 5 – KẾT LUẬN: nêu lên những kết quả mà đề tài đã đạt được và hướng phát triển trong tương lai.  TÀI LIỆU TRÍCH DẪN VÀ PHỤ LỤC: trình bày các thông tin khác có liên quan và được sử dụng trong đề tài. </p>

TÀI LIỆU LUẬN VĂN CÙNG DANH MỤC

HỖ TRỢ TÌM VÀ TẢI TÀI LIỆU

  • Từ ngày 01/05/2022

    Luanvan365 sẽ có thêm dịch vụ hỗ trợ các bạn tìm kiếm các tài liệu, luận văn ở nhiều website khác nhau
    Bạn có thể liên hệ với Admin để được hỗ trợ nhé
  • THÔNG TIN LIÊN HỆ


    Phone: 0909.773687 (Zalo, Text) Facebook : Facebook chat hỗ trợ

  • XEM THÊM THÔNG TIN

    Xem thêm bài viết
LIÊN HỆ NGAY

TIN KHUYẾN MÃI

  • thư viện luận văn

    Thư viện tài liệu Phong Phú

    Hỗ trợ download nhiều Website

  • thư viện luận văn

    Nạp thẻ & Download nhanh

    Hỗ trợ nạp thẻ qua Momo & Zalo Pay

  • thư viện luận văn

    Nhận nhiều khuyến mãi

    Khi đăng ký & nạp thẻ ngay Hôm Nay

NẠP THẺ NGAY