1. Введение 4
2. Постановка задачи 6
3. Обзор 7
3.1. Обзор моделей дороги 7
3.2. Обзор методов отслеживания модели 12
4. Выбор модели дороги 14
4.1. Критерии отбора примитивов 14
4.2. Выбор примитивов 14
5. Программная реализация 17
6. Тестирование 20
6.1. Способ тестирования 20
6.2. Тестирование на “идеальных” контурах 20
6.3. Тестирование на реальных контурах 21
7. Возможные улучшения алгоритма 23
Заключение 24
Список литературы 25
С развитием информационных технологий, они все чаще применяются в тех сферах человеческой жизни, которые сопряжены с риском и в которых большую роль играет человеческий фактор. Такие системы призваны уменьшить влияние этого фактора, в следствии чего предполагается снижение несчастных случаев и других нежелательных исходов.
Одной из областей, в которых нужна и уже активно применяется автоматизация, является передвижение на автомобиле, для которой существует множество интеллектуальных систем. Примерами таких систем могут быть системы ADAS1 - системы помощи водителю при движении. Такие системы работают благодаря различным датчикам, установленным на автомобиле, например, камеры, лидара, гироскопа, акселерометра и прочих.
Важной особенностью такой системы является способность работать в режиме реального времени и без предварительных подготовок. Помимо этого, особенность оборудования на автомобиле накладывает некоторые ограничения на производительность алгоритмов, поэтому это стоит учитывать, ведь от быстроты работы алгоритма в конечном счете может зависеть и человеческая жизнь.
В составляющие системы ADAS входят такие функции, как отслеживание дорожных знаков, измерение расстояния до других объектов, предупреждение водителя при приближении аварийной ситуации и др. Также, одна из основных возможностей системы - предупреждение водителя при пересечении границ полосы движения. Эта функция важна не только непосредственно для водителя, чтобы понимать, что он все еще находится на своей полосе движения, но и для корректной работы других составляющих системы. Помимо этого, можно отслеживать не только свою полосу движения, но и остальные. Это уже позволит отслеживать границы всей дороги, а это в свою очередь позволит системе определять, например, как автомобиль может перестраиваться. Такая функция может быть основой для более продвинутой системы умного автомобиля - беспилотного вождения.
Существуют подходы, которые частично решают проблему отслеживания модели дороги. Например, в работе [1] предложен алгоритм, который распознает полосы движения на основе статистической модели, которая нуждается в предварительном обучении. А работы [4, 6] используют в своих решениях нейронные сети. Также есть методы, которые не нуждаются в предварительных подготовках, например, [7,8, 9,10]. Однако эти подходы не строят модель дороги, а просто находят границы полос на каждом кадре видео. Из-за этого может ухудшаться точность распознавания и становится невозможным отслеживание этих полос.
Поэтому разработка алгоритма отслеживания модели границ дороги по видеопотоку в режиме онлайн является актуальной задачей как для существующих систем, так и для будущего их развития. Планируется разработать прототип с открытым исходным кодом, который в дальнейшем может быть применен для разработки системы ADAS компанией “Харман”.
В результате работы над ВКР были решены следующие задачи:
1. Изучены существующие подходы к решению задачи.
2. Выбраны наиболее подходящие примитивы для модели.
3. Реализован наиболее подходящий алгоритм решения.
4. Проведено тестирование полученного решения на реальных данных.
Исходный код:
https://github.com/alechh/building-and-tracking-a-road-model
