ZD4
Transkrypt
ZD4
Samochodowy system detekcji i rozpoznawania znaków drogowych Sensory w budowie maszyn i pojazdów Maciej Śmigielski Rozpoznawanie obrazów Rozpoznawaniem obrazów możemy nazwać proces przetwarzania i analizowania obrazu statycznego lub wideo, dzięki któremu możemy stwierdzić jakiego rodzaju obiekty są na nim zawarte, a następnie na określeniu czy wśród wykrytych elementów są takie, które nas interesują. Budowa systemu System oparty na rozpoznawaniu obrazu jest względnie prosty. Zbudowany jest jedynie z jednego typu sensora, którym jest kamera. Główne zadanie spełnia tutaj komputer, który musi posiadać wysoką moc obliczeniową zdolną przetwarzać uzyskiwany obraz przy pomocy specjalnych algorytmów z odpowiednią prędkością. Standardowo uzyskuje się 24 klatki na sekundę (co daje 86400 klatek na godzinę) Dobór kamery Kamery o wysokiej rozdzielczości są pożądane ze względu na usunięcie niedoskonałości obrazu już na poziomie hardware’u. Niestety ze względu na ich wysoki koszt w seryjnej produkcji używa się kamer o niższej jakości kompensując straty wysoko wyspecjalizowanymi algorytmami przetwarzania obrazu. Podział systemów ze względu na sposób działania 1. Systemy bazujące na współrzędnych GPS Aktualne współrzędne GPS pojazdu są porównywane z zawartością bazy danych zawierającej rodzaj dróg i obowiązujące na nich ograniczenia prędkości. Podział systemów ze względu na sposób działania Systemy bazujące na współrzędnych GPS Zalety Wady •deterministyczne – zależą tylko od danych w bazie danych i zasięgu GPS, Jeżeli oba te elementy działają to zawsze zostanie zwrócony aktualny wynik znajdujący się w bazie danych •nie jest zależna od warunków oświetlenia •zależna od zasięgu GPS i od ukształtowania otoczenia •poprawność działania zależy również od aktualności bazy danych Podział systemów ze względu na sposób działania 2. Systemy bazujące na rozpoznawaniu obrazów Systemy które opierają się na interpretacji obrazu przechwytywanego z kamery samochodu. Podział systemów ze względu na sposób działania Zalety Wady •Dane są analizowane w czasie rzeczywistym •Odzwierciedlają aktualny stan • Silnie zależne od warunków pogodowych • Wrażliwe na zakłócenia związane z oświetleniem • Konieczność opracowania skomplikowanych algorytmów • Wysoki koszt kamer o wysokiej rozdzielczości Podział systemów ze względu na sposób działania 3. Systemy hybrydowe (rozpoznawanie obrazu połączone z odczytem współrzędnych GPS) Systemy w których wynik wstępnego rozpoznawania obrazu z kamery zostaje porównany z bazą danych, a po otrzymaniu potwierdzenia zgodności jest wyświetlany kierowcy. Podział systemów ze względu na sposób działania Zalety Wady • Rozpoznawanie oparte na 2 systemach powoduje mniejszy udział błędów • Błędy odczytu jednego systemu są korygowane przez drugi • Problemy z wyważeniem który etap rozpoznawania jest ważniejszy Ogólny schemat systemu przetwarzania obrazów Segmentacja (binaryzacja obrazu) Jest to przekształcenie punktowe (nie zmienia rozmiarów ani skali obrazu), wykorzystywane w procesie analizy obrazu. Celem binaryzacji jest radykalna redukcja ilości informacji zawartej w obrazie. Proces binaryzacji polega na tym, że obraz mający wiele poziomów szarości zamienia się na obraz, którego piksele mają wyłącznie wartości 0 i 1. Przykład: Binaryzacja dolnoprogowa • L(m,n)- jasność punktu w obrazie źródłowym • L’(m,n)- wartość odpowiedniego punktu w obrazie wynikowym • a- próg binaryzacji Metody detekcji (segmentacji) znaków • Detekcja na podstawie koloru. • Detekcja na podstawie wykrywania kształtów. • Detekcja za pomocą algorytmów uczenia maszynowego. Metody detekcji (segmentacji) znaków Segmentacja oparta na kolorach opiera się na poszukiwaniu obszarów obrazu o zadanym kolorze. Dąży się do tego aby otrzymać tylko interesujące nas obszary, a pozostałe usunąć z obrazu. W tak zbinaryzowanym obrazie obszarom charakterystycznym przypisuje się wartości 1, a elementy tła otrzymują wartości 0. Obraz oryginalny oraz jego trzy obrazy częściowe Metody detekcji (segmentacji) znaków Detekcja na podstawie barw. Zalety Wady • podstawowy algorytm prosty w implementacji • przy stosowaniu tylko kryterium koloru występuje zbyt duży współczynnik fałszywych wykryć • kolor jest zmienny i zależny od wielu czynników takich jak pora dnia i warunki pogodowe Metody detekcji (segmentacji) znaków Segmentacja oparta na kształtach opiera się na poszukiwaniu na obrazie kształtów, które przedstawiają interesujące nas obiekty. W przypadku detekcji znaków drogowych mogą być to koła, trójkąty i prostokąty. Dalsze postępowanie jest takie samo jak w segmentacji opartej na kolorach. Wynik operacji znajdowania środka znaku na podstawie kąta Metody detekcji (segmentacji) znaków Detekcja na podstawie wykrywania kształtów. Zalety Wady • mniej zależny od warunków oświetlenia i pogodowych, • algorytm składający się z większej ilości etapów (ustalenie kształtu musi być poprzedzone jakimś rodzajem segmentacji która wyodrębni obiekt) • Skomplikowany, wymaga dużej mocy obliczeniowej Metody detekcji (segmentacji) znaków W 2001r. Paul Viola i Michael Jones zaprezentowali algorytm uczący się służący do wykrywania obiektów w czasie rzeczywistym. Nauka polegała na podaniu algorytmowi zestawu próbek prawdziwych oraz fałszywych. Algorytm działał dzięki dwóm mechanizmom: falki Haara oraz AdaBoost Przykłady użytych obrazów przy nauczaniu a) Dobra widoczność b) Znak zacieniony c) Złe oświetlenie d) Rozmyty obraz e) Obraz zniekształcony f) Częściowo przysłonięty Metody detekcji (segmentacji) znaków Detekcja za pomocą algorytmów uczenia maszynowego. Zalety Wady • stosunkowo szybkie działanie • przy dużym zbiorze danych uczących wykazuje duży współczynnik prawidłowych wskazań • do poprawnego działania wymagany duży zbiór danych uczących • konieczność przeprowadzania fazy uczenia Rozpoznanie obrazu Rozpoznawanie jest realizowane jako poszukiwanie podobieństw pomiędzy analizowanym obrazem a zbiorem pewnych oczekiwanych obrazów- wzorców. Wyróżnia się metody rozpoznawania: • Metody bezpośredniej analizy obrazu • Metody oparte o generację i analizę wektora cech • Inne Komercyjnie dostępne systemy rozpoznawania znaków drogowych • Mobileye (rozpoznaje i interpretuje znaki drogowe różnego rodzaju: stojące z boku drogi, wyświetlane na elektronicznych tablicach oraz znaki umieszczone na jezdni) • Continental (rozpoznaje znaki zgodne z wymogami konwencji w Viennie, sprzężony jest z systemem GPS, dzięki któremu interpretuje sytuacje nieopisane znakami drogowymi) Skuteczność Obecne systemy nie wykazują 100% skuteczności przez co kierowcy nie mogą na nich polegać całkowicie. Najczęstsze błędy: • Wykrywanie znaków nie należących do danego pasa ruchu • Brak interpretacji sytuacji nieopisanych znakami drogowymi (np. w Polsce koniec ograniczenia prędkości za skrzyżowaniem) • Błędne interpretowanie znaków informacyjnych (kategorii D ze względu na duże podobieństwo) Bibliografia • Politechnika Warszawska, Praca dyplomowa inżynierska „Rozpoznawanie znaków drogowych w sekwencjach wideo” P. Onaszkiewicz • Akademia Górniczo-Hutnicza, Praca Dyplomowa Magisterska „Przenośny system detekcji i rozpoznawania znaków drogowych” A. Pyka • Artykuł: „An overview of traffic sign detection methods” K. Brkić