Помощь студентам в учебе
Система распознавания дорожных знаков
|
Введение 4
1 Актуальность и обзор аналогов 6
2 Выбор комплектующих 9
2.1 Выбор одноплатного компьютера 9
2.2 Выбор камеры 11
3 Разработка структурной схемы 15
4 Разработка электрической схемы 17
4.1 Подключение вентилятора 18
4.2 Подключение камеры 19
4.3 Подключение Raspberry Pi к Arduino UNO 20
4.4 Электрическая схема разрабатываемого устройства 25
5 Выбор инструментов 27
5.1 Язык программирования Python 27
5.2 Библиотека компьютерного зрения OpenCV 30
5.3 Библиотека NumPy 32
6 Алгоритм распознавания образов 36
6.1 Цветовое пространство HSV 36
6.2 Операции математической морфологии 39
6.3 Выделение контуров 43
6.4 ROI 44
7 Программная часть 45
7.1 Блок-схема алгоритма 46
8 Результаты экспериментальных испытаний 51
8.1 Влияние освещения на качество распознавания дорожных знаков 53
9 Безопасность и экологичность проекта 55
10 Экономический расчет 57
Заключение 58
Список используемой литературы 60
1 Актуальность и обзор аналогов 6
2 Выбор комплектующих 9
2.1 Выбор одноплатного компьютера 9
2.2 Выбор камеры 11
3 Разработка структурной схемы 15
4 Разработка электрической схемы 17
4.1 Подключение вентилятора 18
4.2 Подключение камеры 19
4.3 Подключение Raspberry Pi к Arduino UNO 20
4.4 Электрическая схема разрабатываемого устройства 25
5 Выбор инструментов 27
5.1 Язык программирования Python 27
5.2 Библиотека компьютерного зрения OpenCV 30
5.3 Библиотека NumPy 32
6 Алгоритм распознавания образов 36
6.1 Цветовое пространство HSV 36
6.2 Операции математической морфологии 39
6.3 Выделение контуров 43
6.4 ROI 44
7 Программная часть 45
7.1 Блок-схема алгоритма 46
8 Результаты экспериментальных испытаний 51
8.1 Влияние освещения на качество распознавания дорожных знаков 53
9 Безопасность и экологичность проекта 55
10 Экономический расчет 57
Заключение 58
Список используемой литературы 60
Компьютеры справляются со многими задачами гораздо лучше, чем человек. К примеру, их преимущество в работе с числами неоспоримо. Однако такая простая задача, как обнаружение на картинке привычных для нас объектов - домов или деревьев, может поставить машину в тупик. Это объясняется тем, что человек учится распознавать объекты всю жизнь и основывается на воспоминаниях о том или ином свойстве предмета. Машины же в свою очередь создавались для того, чтобы работать с числами.
Необходимость наделить машины зрением возникла относительно недавно. На сегодняшний день роботизированные системы успешно справляются с задачами, связанными со способностью «видеть» и интерпретировать увиденное. Они умеют считывать штрихкоды на товарах в супермаркете, распознавать номерные знаки автомобилей, анализировать записи с камер наблюдения и даже находить лица людей на фото. Таким образом, под компьютерным зрением понимается набор методов, позволяющих компьютерам видеть и извлекать информацию из изображений [1].
В настоящее время развитие робототехники во многом зависит от успеха в области компьютерного зрения. Сферы его применения довольно обширны: от промышленных средств наблюдения и мониторинга до автономных систем, принимающих решения на основе анализа полученной видеоинформации. Компьютерное зрение так же служит средством преобразования реальных трехмерных объектов в двумерные или одномерные. В результате такой операции компьютер может восстановить информацию об окружающем мире. Распознавание представляет собой процесс, который присваивает некоторому объекту идентификатор на основании его описателей (например, «здание» или «машина») [2].
В мире искусственного интеллекта и совершенствования технологий многие исследователи и крупные компании, такие как Tesla, Uber, Google, Mercedes-Benz, Toyota, Ford, Audi и т. д., работают над автономными транспортными средствами и автомобилями с автоматическим управлением. На сегодняшний день проблемы безопасности дорожного движения в значительной степени вызваны субъективными причинами, связанными с водителем: невнимательностью, неправильным управлением автомобилем и несоблюдением правил дорожного движения. Разработка умных систем для автомобилей стала бы эффективным средством устранения этих человеческих факторов.
Следующей сферой применения системы распознавания знаков является складская логистика, а именно внутрискладское перемещение груза. Эффективное функционирование складов в системе логистики, независимо от их назначения и вида деятельности, возможно лишь при решении проблем, с которыми сталкиваются при создании складского хозяйства и рационализации действующих складов. К таким проблемам можно отнести разработку системы складирования [3].
Для достижения точности в этой технологии, транспортные средства и складские грузоперевозчики должны иметь возможность корректно интерпретировать визуальные данные и по полученной информации принимать соответствующие решения.
В рамках выпускной квалификационной работы предполагается разработка программного и аппаратного обеспечения для распознавания дорожных знаков, встроенная в систему поиска пути мобильного робота.
Необходимость наделить машины зрением возникла относительно недавно. На сегодняшний день роботизированные системы успешно справляются с задачами, связанными со способностью «видеть» и интерпретировать увиденное. Они умеют считывать штрихкоды на товарах в супермаркете, распознавать номерные знаки автомобилей, анализировать записи с камер наблюдения и даже находить лица людей на фото. Таким образом, под компьютерным зрением понимается набор методов, позволяющих компьютерам видеть и извлекать информацию из изображений [1].
В настоящее время развитие робототехники во многом зависит от успеха в области компьютерного зрения. Сферы его применения довольно обширны: от промышленных средств наблюдения и мониторинга до автономных систем, принимающих решения на основе анализа полученной видеоинформации. Компьютерное зрение так же служит средством преобразования реальных трехмерных объектов в двумерные или одномерные. В результате такой операции компьютер может восстановить информацию об окружающем мире. Распознавание представляет собой процесс, который присваивает некоторому объекту идентификатор на основании его описателей (например, «здание» или «машина») [2].
В мире искусственного интеллекта и совершенствования технологий многие исследователи и крупные компании, такие как Tesla, Uber, Google, Mercedes-Benz, Toyota, Ford, Audi и т. д., работают над автономными транспортными средствами и автомобилями с автоматическим управлением. На сегодняшний день проблемы безопасности дорожного движения в значительной степени вызваны субъективными причинами, связанными с водителем: невнимательностью, неправильным управлением автомобилем и несоблюдением правил дорожного движения. Разработка умных систем для автомобилей стала бы эффективным средством устранения этих человеческих факторов.
Следующей сферой применения системы распознавания знаков является складская логистика, а именно внутрискладское перемещение груза. Эффективное функционирование складов в системе логистики, независимо от их назначения и вида деятельности, возможно лишь при решении проблем, с которыми сталкиваются при создании складского хозяйства и рационализации действующих складов. К таким проблемам можно отнести разработку системы складирования [3].
Для достижения точности в этой технологии, транспортные средства и складские грузоперевозчики должны иметь возможность корректно интерпретировать визуальные данные и по полученной информации принимать соответствующие решения.
В рамках выпускной квалификационной работы предполагается разработка программного и аппаратного обеспечения для распознавания дорожных знаков, встроенная в систему поиска пути мобильного робота.
В рамках выполнения выпускной квалификационной работы была создана система распознавания дорожных знаков. Данная система внедрена в систему поиска пути мобильного робота. Готовый комплексный проект представляет собой движение мобильного робота в соответствии с дорожными знаками.
В первом разделе проанализированы аналоги, находящие свое применения в системах управления автомобилей и внутрискладских перемещениях грузов, отмечены их недостатки и отмечена актуальность разработки подобных систем.
Второй раздел посвящен выбору комплектующих для выполнения выпускной квалификационной работы. Обоснован выбор каждого элемента системы.
В третьем разделе представлены структурная схема разрабатываемого устройства и перечень всех используемых элементов.
В четвертом разделе была разработана схема электрическая соединений. Представлены схемы подключения вентилятора и модуля камеры к одноплатному компьютеру Raspberry Pi. Реализована аппаратная и программная связь одноплатного компьютера Raspberry Pi с микроконтроллером Arduino UNO.
В пятом разделе выбран необходимый инструментарий, изучены особенности его применения. Отмечаются преимущества использования языка программирования Python, библиотеки компьютерного зрения OpenCV и библиотеки NumPy в рамках выполнения выпускной квалификационной работы.
В шестом разделе описан метод распознавания знаков на основе поиска объекта по цвету через цветовое пространство HSV, отмечено его преимущество перед остальными методами. Приводятся основные операции для удаления шумов с изображения, метод выделения контуров и интересующей области на изображении с помощью библиотеки компьютерного зрения OpenCV.
В седьмом разделе составлены блок-схемы алгоритма основных функций программы. Реализован алгоритм распознавания дорожных знаков.
В восьмом разделе представлены результаты обнаружения дорожных знаков с помощью написанной программы. Исследовано влияние негативных факторов, снижающих эффективность системы.
В девятом разделе определены меры техники безопасности при выполнении выпускной квалификационной работы.
В десятом разделе приведен экономический расчет разрабатываемого устройства.
Таким образом, результатом выполнения выпускной квалификационной работы является исправно работающая система распознавания дорожных знаков, внедренная в систему поиска пути мобильного робота.
В первом разделе проанализированы аналоги, находящие свое применения в системах управления автомобилей и внутрискладских перемещениях грузов, отмечены их недостатки и отмечена актуальность разработки подобных систем.
Второй раздел посвящен выбору комплектующих для выполнения выпускной квалификационной работы. Обоснован выбор каждого элемента системы.
В третьем разделе представлены структурная схема разрабатываемого устройства и перечень всех используемых элементов.
В четвертом разделе была разработана схема электрическая соединений. Представлены схемы подключения вентилятора и модуля камеры к одноплатному компьютеру Raspberry Pi. Реализована аппаратная и программная связь одноплатного компьютера Raspberry Pi с микроконтроллером Arduino UNO.
В пятом разделе выбран необходимый инструментарий, изучены особенности его применения. Отмечаются преимущества использования языка программирования Python, библиотеки компьютерного зрения OpenCV и библиотеки NumPy в рамках выполнения выпускной квалификационной работы.
В шестом разделе описан метод распознавания знаков на основе поиска объекта по цвету через цветовое пространство HSV, отмечено его преимущество перед остальными методами. Приводятся основные операции для удаления шумов с изображения, метод выделения контуров и интересующей области на изображении с помощью библиотеки компьютерного зрения OpenCV.
В седьмом разделе составлены блок-схемы алгоритма основных функций программы. Реализован алгоритм распознавания дорожных знаков.
В восьмом разделе представлены результаты обнаружения дорожных знаков с помощью написанной программы. Исследовано влияние негативных факторов, снижающих эффективность системы.
В девятом разделе определены меры техники безопасности при выполнении выпускной квалификационной работы.
В десятом разделе приведен экономический расчет разрабатываемого устройства.
Таким образом, результатом выполнения выпускной квалификационной работы является исправно работающая система распознавания дорожных знаков, внедренная в систему поиска пути мобильного робота.